基于DCT系数与深度学习的隐写算法识别及失真等级分类研究

《Computers》：DCT-Based Steganalysis for Steganographic Algorithm and Distortion-Level Classification Using Deep Learning

　　

本研究提出了一种基于离散余弦变换（Discrete Cosine Transform, DCT）系数与深度学习的方法，用于识别隐写算法（UERD、J-UNIWARD和JMiPOD）并对ALASKA2数据集图像中的失真等级进行分类。研究人员对每幅图像提取了258,048个AC系数，并利用互信息（Mutual Information, MI）筛选出9,999个系数，这些系数均等地分配在三个频带中。在相同的架构下比较了两种表示方法：MI筛选系数和DCT系数的完整空间图。四种架构（CNN-1D、CNN 2D、CNN 2D + CBAM和扩展深度CNN）使用三个随机种子进行训练。空间图在所有架构上的表现均优于MI筛选系数，在算法识别方面高出11.7个百分点（CNN 2D），在失真等级分类方面高出1.0至2.1个百分点。最佳结果由基于空间图的二维卷积网络获得：算法识别的准确率为59.2 ± 0.2%（CNN 2D + CBAM，比无注意力机制的同一网络高0.8个百分点），失真等级分类的准确率为66.5 ± 0.5%（CNN 2D）。参数量约为其十一倍的网络并未改善结果。在所考虑的算法和失真等级之间进行区分仍然具有挑战性。

基于DCT系数与深度学习的隐写算法识别及失真等级分类研究解读

一、研究背景与问题

随着互联网的快速扩张和大数据时代的到来，信息安全的重要性日益凸显。隐写术（Steganography）作为一门源自希腊语的学科，指“秘密或隐蔽的书写”，其核心目标是将秘密信息嵌入载体图像中，使隐藏数据不被察觉。与密码学（Cryptography）不同，隐写术追求的是隐藏信息的存在本身，而非仅保护信息内容。隐写技术可分为空间域和频域两大类：空间域技术直接修改像素值，具有较高的嵌入容量，但易受统计攻击；频域技术则先将图像变换到频域，再通过修改系数嵌入信息。

尽管隐写术和隐写分析（Steganalysis）技术不断进步，目前仍缺乏标准化、统一且被广泛接受的工具或框架，能够自动、客观地对隐写算法引入原始图像的失真等级进行分类。现有评估方式较为零散：部分研究基于攻击模型提出安全等级的理论分类，部分研究提供算法比较的实验基准，而Aletheia等隐写分析工具主要设计用于检测隐藏信息的存在，而非分配失真等级。此外，现有方案均未提供实用、自动化且统一的评分系统。

本研究的主要贡献聚焦于分析和利用DCT特征来表征和识别JPEG图像中的不同隐写算法。具体而言，研究提出了一种基于余弦相似度（Cosine Similarity）的失真等级量表（高、中、低），用于表征每种算法内部产生的相对改变程度。同时，研究评估了互信息（Mutual Information, MI）作为降维策略的有效性，考虑到DCT表示中特征数量庞大，需要考察在保留与隐写算法指纹相关信息的同时能否减少特征数量。此外，本研究不仅解决图像是否包含隐藏信息的问题，还进一步识别隐写算法本身，旨在从不同算法产生的修改模式中提取额外信息。最后，研究在相同架构和训练条件下比较了MI基表示与空间表示，使差异可归因于提供给网络的信息而非网络本身。

二、关键技术方法

研究基于ALASKA2数据集的子集，每个类别（Cover、UERD、J-UNIWARD和JMiPOD）各20,000张图像。研究人员使用jpegio库直接从JPEG比特流读取亮度通道的量化DCT系数，每张图像共获得4096个块×63个AC系数，总计258,048个系数。在覆盖图像层面按70%训练、10%验证、20%测试进行划分。研究构建了两种输入表示：基于频带内互信息选择的系数向量，以及63个频率通道在块网格上的空间图。四种网络架构（CNN-1D、CNN 2D、CNN 2D + CBAM和扩展深度CNN）分别针对两个任务独立训练。失真等级标签通过训练集内各算法余弦相似度的三分位数划分确定。特征选择在训练集上独立进行，验证集和测试集始终隔离。

三、研究结果

3.1 隐写算法分类

在MI筛选系数表示下，所有架构的准确率均较低：CNN-1D接近随机水平（35.0 ± 0.2%），2D网络介于43.9%至47.4%之间。使用完整空间图时，2D网络达到55.6%至59.2%，而CNN-1D仅为37.8 ± 1.4%。最佳配置为空间图上的CNN 2D + CBAM，准确率为59.2 ± 0.2%，F1-Macro为59.6 ± 0.3%。大多数错误发生在J-UNIWARD和JMiPOD之间（29.9%的J-UNIWARD图像被预测为JMiPOD，32.7%的JMiPOD图像被预测为J-UNIWARD），以及从UERD到J-UNIWARD（32.4%）。对于每种架构，空间图均优于MI筛选系数，CNN 2D差距为11.7个百分点。添加CBAM使CNN 2D在空间图上提升0.8个百分点。参数量约为CNN 2D十一倍的扩展深度CNN在两个表示上均比CNN 2D低2.8个百分点。

3.2 失真等级分类

准确率范围为60.5%至66.5%。最佳配置为空间图上的无注意力CNN 2D（66.5 ± 0.5%准确率，65.9 ± 0.5% F1-Macro），High类召回率为81.8%，Medium类为50.7%，Low类为66.9%。与算法分类一致，空间图在所有架构上均优于MI筛选系数，但差距较小：介于1.0至2.1个百分点之间。在此任务中，CBAM使准确率相对于CNN 2D下降，空间图下降1.8个百分点，MI筛选系数下降0.9个百分点。扩展深度CNN在空间图和MI筛选系数上分别比CNN 2D低3.7和3.0个百分点。Medium类对所有架构而言最难（召回率38%至52%），而High类最容易（78%至84%）。

3.3 频带重要性分析

通过置换重要性（Permutation Importance）分析发现，算法识别任务的重要性集中于高频带（平均下降0.066，而中频带为0.024，低频带为0.012），最大下降出现在系数(6,7)、(7,6)、(5,7)和(6,6)。失真等级分类任务则呈现相反模式：低频带最重要（0.066），其次为中频带（0.047）和高频带（0.032），最大下降出现在系数(2,2)、(3,3)、(1,1)和(1,3)。

四、讨论与结论

讨论部分指出，在此实验设置中，输入表示对性能的影响大于架构本身。失真等级分类在所有配置中的准确率均高于算法识别，空间图在所有架构上均优于MI筛选系数。注意力机制和更深网络均未提供一致的增益。MI特征选择将特征空间从258,048个系数显著减少至9,999个，但统计选择并不能保证保留的特征完全对应隐写算法引入的修改。频率重要性分析表明模型依赖不同频段完成不同任务，支持了方法的可靠性。

研究结论表明，MI特征选择将DCT特征空间从258,048个减少至9,999个AC系数（每个频带3,333个），在相同架构下，空间图在两个任务中均优于MI筛选系数：算法识别高出11.7个百分点，失真等级分类高出1.0至2.1个百分点。最佳准确率分别为算法识别59.2 ± 0.2%（空间图上的CNN 2D + CBAM，仅比无注意力网络高0.8个百分点）和失真等级分类66.5 ± 0.5%（空间图上的CNN 2D）。CBAM注意力和参数量约为其十一倍的网络均未提供一致改进。总体而言，结果证明了使用DCT域特征和深度学习处理两项任务的可行性，并表明保留系数的空间布局比架构复杂性更为重要；仍需额外的表示和选择策略来提升判别能力。