第1章 简介 1
1.1 什么是隐写分析 1
1.2 为什么需要隐写分析 2
1.3 隐写分析方法 4
1.3.1 视觉隐写分析 4
1.3.2 结构隐写分析 7
1.3.3 统计隐写分析 8
1.3.4 学习隐写分析 9
1.4 隐写分析的攻击类型 9
1.4.1 被动攻击 10
1.4.2 主动攻击 10
1.5 隐写分析分类 11
1.5.1 目标隐写分析 11
1.5.2 盲隐写分析 12
1.6 隐写分析的信息论基础 13
1.6.1 与信息论相关的术语 13
1.6.2 隐写系统 14
1.7 隐写系统评价 17
1.7.1 安全性 17
1.7.2 容量 19
1.7.3 鲁棒性 21
参考文献 22
第2章 空域隐写分析 24
2.1 LSB算法 25
2.1.1 LSB替换原理 25
2.1.2 LSB匹配原理（±1） 27
2.2 LSB隐写分析 28
2.2.1 Chi-Square测试 29
2.2.2 RS攻击 32
2.2.3 SPA分析 34
2.2.4 LSB直方图攻击 37
2.3 HCF-COM特征 39
2.3.1 加性噪声隐写系统 39
2.3.2 加性噪声的影响 40
2.3.3 直方图特征函数HFC与HFC-COM 40
2.4 ALE特征 42
2.4.1 LSB匹配的影响 43
2.4.2 二阶局部极值振幅ALE-10 43
2.5 位平面隐写分析 45
2.5.1 AC特征 46
2.5.2 BSM特征 48
2.6 IQM 50
参考文献 53
第3章 频域隐写分析 55
3.1 DCT域隐写分析 56
3.1.1 DCT基础 57
3.1.2 JSteg隐写分析 65
3.1.3 F5隐写分析 68
3.1.4 OutGuess 70
3.1.5 FRI-23特征 72
3.2 DWT域隐写分析 75
3.2.1 DWT基础 76
3.2.2 FARID特征 83
3.2.3 基于小波CF的39-D特征 85
3.3 二阶统计特征：共生矩阵 86
参考文献 90
第4章 统计隐写分析 93
4.1 载体模型 94
4.2 MB1与MB2 95
4.2.1 MB方法论 95
4.2.2 MB隐写与隐写分析 97
4.3 隐式马尔可夫模型 99
4.3.1 HMM基本理论 99
4.3.2 使用HMM的隐写分析 101
4.3.3 使用HMFM的隐写分析 102
4.3.4 SPAM 104
4.4 Rich模型 105
4.5 假设测试 106
4.6 量化分析 108
4.6.1 量化分析基础 108
4.6.2 回归模型 109
参考文献 111
第5章 机器学习的盲隐写分析 113
5.1 模式识别 114
5.1.1 判别函数 114
5.1.2 线性判别分析 117
5.1.3 非线性判别分析 120
5.1.4 判别分析示例 121
5.1.5 决策树 128
5.2 特征选择与提取 131
5.2.1 特征选择 132
5.2.2 特征选择示例 135
5.2.3 ANOVA特征选择 139
5.2.4 PCA特征提取 141
5.3 分类器 144
5.3.1 贝叶斯分类器 144
5.3.2 支持向量机（SVM） 148
5.3.3 KNN分类器 164
5.3.4 概率神经网络 167
5.3.5 集成分类器 171
5.3.6 分类器评价 173
5.4 盲隐写分析 177
5.4.1 盲隐写分析概述 177
5.4.2 盲隐写分析框图 178
5.4.3 盲隐写分析的典型特征 178
5.5 基于机器学习的盲隐写分析 186
5.5.1 数据组织 187
5.5.2 多元回归分类的盲隐写分析 188
5.5.3 FLD分类的盲隐写分析 189
5.5.4 SVM分类的盲隐写分析 191
5.5.5 NN分类的盲隐写分析 192
5.5.6 YASS隐写与隐写分析 194
5.5.7 示例：实验 196
5.5.8 未来研究与展望 210
参考文献 210