申请/专利权人：天津大学

申请日：2019-11-19

公开（公告）日：2023-10-27

公开（公告）号：CN110968845B

主分类号：G06F21/16

分类号：G06F21/16;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2023.10.27#授权;2020.05.01#实质审查的生效;2020.04.07#公开

摘要：本发明涉及音频隐写检测技术，为提出一种新型的基于卷积神经网络的音频隐写分析算法，用来检测时域内LSB音频隐写。该方法明显提高基于手工特征提取的传统隐写分析算法的识别准确度。为此，本发明采取的技术方案是，基于卷积神经网络生成的针对LSB隐写的检测方法，卷积神经网络中使用一个固定卷积层，进行隐藏残留循迹，从而得到音频片段的残差；然后，应用七组层将输入数据降维成维度为512的特征向量；最后，利用全连通层和最大池化层作为分类器输出分类概率。本发明主要应用于音频隐写检测制造场合。

主权项：1.一种基于卷积神经网络生成的针对LSB隐写的检测方法，其特征是，卷积神经网络中使用一个固定卷积层，进行隐藏残留循迹，从而得到音频片段的残差；然后，应用七组层将输入数据降维成维度为512的特征向量；最后，利用全连通层和最大池化层作为分类器输出分类概率；卷积神经网络中，具有固定内核的卷积层-1，2，-1放在网络的开始，然后是7组卷积层组合，第一组到第七组是一个接一个的堆叠，每组依次由1×5卷积层、1×1卷积层和子采样层组成；其中，1×5卷积层既不改变信道数量，也不改变输入数据的空间大小，而1×1卷积层使信道和子采样层将输入数据的空间大小减少一半；经过层组处理后，原始数据大小16000最终转换为512-D特性，然后，将该特性输入一个完全连接的层和一个最大概率优化softmax函数层，这两层就像一个分类器，产生两个分类概率，即判断是否被隐藏。

全文数据：

权利要求：

百度查询： 天津大学 基于卷积神经网络生成的针对LSB隐写的检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD