[00105667]面向大数据的信息隐藏演化模型及攻防关键技术研究

该项目为国家自然科学基金资助联合基金项目（项目批准号：U1636112）。该项目主要研究内容如下：

1. 建立大数据信息隐藏模型，安全性和容量理论分析：构建了多模态信息隐藏博弈模型， 采用生成对抗网络（Generative Adversarial Network,GAN）来生成多模态信息隐藏合作博弈模型的安全性指标。利用合作博弈 Shapley 求值计算各个算法的容量分配最优解。

2. 大数据信息隐藏策略与算法研究：构建基于生成对抗网络的大数据隐写策略模型IS-GAN。提出了一种新的加密域可逆信息隐藏算法，利用Paillier 系统的同态特性，通过梯度预测的像素预测方式嵌入水印，在保证高保密性的同时有着极高的水印容量，并且在两种图像质量评价指标（ssim 和 psnr）中能以零失真完全地恢复载体图像。

3. 设计基于 CNN 的隐藏检测算法：

（1） 在预处理层，修改卷积核的大小，并使用 SRM 的 30 个基本过滤器来初始化内核， 以减少参数数量并优化局部特征。另外，通过所提出的方法来优化更新卷积核，以实现更好的准确性并加速网络的收敛；

（2） 使用两个可分离的卷积块来代替传统的卷积层。可分离卷积可用于提取残差的空间 相关性和信道相关性，以增加信噪比，并显着提高精度；

（3） 使用空间金字塔来压缩特征图，然后将它们馈送到网络的完全连接部分。空间金字 塔池可以将特征图映射到固定长度，并通过多级池化来丰富特征的表达。最后，采用数据增强来进一步提高网络性能；

（4） 完成了信息隐藏与检测系统动力学仿真实验。

该项目主要研究成果为：建立了大数据信息隐藏演化模型，构建了安全性和容量的理论表达；设计了两种新型大数据信息隐藏算法；设计了缺乏先验知识的隐藏检测算法 1 种；开发了多种隐写及隐写检测工具；设计开发了信息隐藏仿真平台。