基于组合线性最小二乘回归的盲定量隐写分析

作者：张纪宇; 赵险峰; 黄炜; 盛任农

来源：计算机应用与软件, 2013, (08): 1-3+8.

• 高维特征
• 盲定量隐写分析
• 组合回归
• LLSR High-dimensional feature Blind quantitative steganalysis Ensemble regression Linear least squares regression

针对近年来隐写分析特征维度激增的新情况,及其带来的定量隐写分析预测器维度之灾等问题,提出一种基于组合回归的盲定量隐写分析方法。该方法选择线性最小二乘回归LLSR(Linear Least Square Regression)降低计算复杂度,并通过组合分类器技术在多次迭代中使用自助法(bootstrap)重采样技术生成不同的训练集,以提高回归的多样性进而保证准确率,然后随机选择特征的一部分做训练和预测,以缩短执行时间。实验结果表明,该方法与现有最优方法相比,预测误差降低至现有方法的70%,执行时间缩短至现有方法的5%左右。

• 单位
  北京电子技术应用研究所; 中国科学院信息工程研究所; 中国科学院软件研究所; 信息安全国家重点实验室