CAECNNcode：用于深度隐写分析的代码集合

简介：
CAECNNcode是一套专为深度隐写分析设计的开源代码集，利用CNN技术提升图像隐秘信息检测能力，适用于学术研究与开发。 隐写分析的深度学习方法与隐写术是通过微调像素值来隐藏图像中的秘密消息的一种科学手段。内容自适应嵌入方案倾向于将消息嵌入到复杂区域，以避免被检测出来，这是目前最安全的方法之一。在空间领域中的一些例子包括HUGO、WOW和S-UNIWARD。 与隐写术相对应的是隐写分析技术，用于识别图像中的隐藏数据。通常情况下，这项任务被视为一个二元分类问题，即区分未嵌入秘密信息的封面图（cover）和已嵌入的秘密信息后的隐蔽图（stego）。例如，在LSB隐写术中，可以观察到覆盖物与隐蔽图之间的差异。 在进行图像隐写分析时，目标是寻找对封面噪声影响极小的嵌入操作。因此，深度学习网络设计通常会避免使用maxpooling层以防止破坏由隐写过程引起的小信息或功能变化。一些实验结果显示，在训练过程中，该网络大约经过50,000步（相当于五个周期）便可以开始收敛。 例如，对于WOW和J-UNIWARD两种不同的隐写技术产生的图像对比分析显示了显著的差异：当有效载荷较小的时候（如图2所示），封面与隐蔽物之间的减法结果会有明显的区别；而在负载为0.3的情况下（如图4所示），同样可以观察到覆盖物与隐蔽物体之间细微但可辨别的变化。