A Two Intermediates Audio Steganography Technique
随着互联网的兴起，数字数据变得公开，这促使IT行业特别考虑数据的机密性。目前，主要使用两种技术：密码学和隐写术。实际上，密码学将秘密消息篡改成无意义的形式;而隐写术通过将其嵌入到诸如计算机文件之类的中间体中来隐藏消息的存在。事实上，在音频隐写术中，这种计算机文件是一种数字音频文件，其中秘密数据主要隐藏在构成其音频样本的比特中。本文提出了一种新的隐写技术隐藏数字数据到未压缩的音频文件使用随机算法和上下文无关文法加上一个词汇。此外，所提出的技术使用两个中间体在通信方之间传输秘密数据：第一中间体是音频文件，其随机选择的音频样本用于隐藏秘密数据;而第二中间体是语法正确的英文文本，其在运行时使用上下文无关文法生成，并且其对音频文件中的随机音频样本的位置进行编码。所提出的技术是隐形的和不可恢复的，在某种意义上说，它是难以为未经授权的第三方检测到的存在和恢复的秘密数据。进行的实验显示了如何覆盖和所提出的技术的工作过程中的揭露。作为未来的工作，语义分析器是要开发，使中间文本不仅语法正确，而且语义合理。
2012-12-10 cs.CR
On Steganography in Lost Audio Packets
本文提出了一种新的隐藏数据插入过程的基础上估计的剩余时间的调用隐写方法称为LACK（丢失音频包隐写）。LACK为IP语音等实时服务提供隐藏通信。本文提出的分析结果关注的影响，LACK的隐藏数据插入程序的方法的影响，语音传输质量和抗隐写分析。建议的隐藏数据插入过程也比较以前的隐写图插入方法的基础上估计剩余的平均通话时间。
2011-01-31 cs.CR cs.MM
Lost Audio Packets Steganography: The First Practical Evaluation
本文介绍了第一个实验结果的IP电话为基础的隐写方法称为LACK（丢失的音频包隐写）。该方法利用了这样的事实，即在典型的多媒体通信协议（如RTP（实时传输协议））中，过度延迟的分组不用于在接收器处重构所传输的数据，即，这些分组被认为是无用的并且被丢弃。本文给出的结果是基于一个功能性的LACK原型得到的，并显示了该方法对语音传输质量的影响。还计算了不同IP电话编解码器的可加密隐写带宽。
2011-07-20 cs.CR cs.MM
Multi-Stage Residual Hiding for Image-into-Audio Steganography
Harbin Institute of Technology（哈尔滨工业大学）；Peng Cheng Laboratory（鹏城实验室）；Alibaba Group（阿里巴巴集团）
音频通信技术的广泛应用加速了音频数据在互联网上的流动，使其成为隐蔽通信的重要载体。在本文中，我们提出了一个跨模态隐写方法隐藏图像内容到音频载体，同时保持感知保真度的封面音频。在我们的框架中，两个多级网络的设计：第一个网络编码的递减多级残留误差内不同的音频频谱与相应的阶段子网络，而第二个网络解码的残留误差从修改后的载波与相应的阶段子网络，以产生最终的显示结果。该框架的多阶段设计不仅使有效载荷容量的控制更加灵活，而且由于残余误差的逐渐稀疏特性，使得隐藏更容易。定性实验表明，对载体的修改是不明显的人类听众和解码的图像是高度可理解的。
2021-01-06 cs.CR cs.CV
Steganography between Silence Intervals of Audio in Video Content Using Chaotic Maps
隐写术是一种隐藏数据的艺术，其隐藏方式是在流量模式分析下无法检测到，并且隐藏的数据仅为接收方和发送方所知。本文提出了一种新的视频文件中音频静音区间的文本隐写方法。在所提出的方法中，首先从视频中提取音频信号。在音频增强之后，使用新的技术对音频信号上的数据进行隐写，然后将音频信号重新写入视频文件。http://www.learnrnd.com/All_latest_research_findings.php为了提高安全级别，我们对任意文本应用混沌映射.此外，本文的算法，给出了一种技术，即不可检测的隐写文本和覆盖文本具有相同的概率分布，没有统计测试可以检测隐藏消息的存在。http://www.learnrnd.com/detail.php? id=Biohack_Eyes_through_Chlorin_e6_eye_drop_：Stanford_University_Research此外，隐藏消息完全不会影响视频文件的传输速率。
2016-10-14 cs.CR cs.MM
Source Mixing and Separation Robust Audio Steganography
Sony Group Corporation（索尼集团公司）
音频隐写是指通过对音频载体进行不可感知的修改，将秘密信息隐藏在音频载体中。尽管先前的工作解决了隐藏消息恢复对传输期间引入的失真的鲁棒性，但是它们没有解决对诸如其他音频源的混合和声源分离的攻击性编辑的鲁棒性。在这项工作中，我们首次提出了一种隐写方法，可以将信息嵌入到单个声源的混合物，如音乐中的乐器曲目。为此，我们提出了一个领域模型和课程学习必不可少的学习解码隐藏的消息从分离的来源。实验结果表明，该方法能够在不可感知的扰动下成功地隐藏信息，并且即使在其他信源混合和声源分离算法分离后，仍能正确地恢复信息。此外，我们表明，所提出的方法可以同时适用于多个源，而不会干扰其他源的解码器，即使在源混合和分离。
2022-02-18 cs.CR cs.SD eess.AS
An Efficient Method for Image and Audio Steganography using Least Significant Bit (LSB) Substitution
为了提高图像、音频等多媒体数据格式中的信息隐藏能力，使隐藏的信息不可感知，提出了一种新的信息隐藏方法。它基于最低有效位（LSB）操作和在消息中包含冗余噪声作为秘密密钥。该方法适用于图像中的数据隐藏。对于音频中的数据隐藏，离散余弦变换（DCT）和离散小波变换（DWT）都被使用。所有显示的结果都证明是省时高效的。此外，该算法进行了测试，为各种数量的位。对于这些比特值，计算并绘制均方误差（MSE）和峰值信噪比（PSNR）。实验结果表明，当n<=4时，由于该技术能获得较好的峰值信噪比，所以隐写图像与原始图像在视觉上是不可区分的。隐写过程后得到的最终结果没有揭示任何隐藏的信息的存在，从而符合不可感知的消息的标准。
2013-09-26 cs.CR cs.MM
PRoADS: Provably Secure and Robust Audio Diffusion Steganography with latent optimization and backward Euler Inversion
PRoADS通过正交矩阵投影和潜在优化技术，在音频扩散模型中实现可证明安全且稳健的隐写，达到0.15%的低比特错误率。
2026-03-11 cs.CR cs.MM cs.SD
Towards Robust Image-in-Audio Deep Steganography
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；UC Berkeley（加州大学伯克利分校）；Dolby Laboratories（杜比实验室）
由于人工智能技术的最新进展，隐写术领域受到了极大的关注，特别是在多模态设置的背景下，这些设置可以在不同性质的信号中隐藏信号。所有隐写方法的主要目标是实现感知透明性，鲁棒性和大嵌入容量-这通常会出现经典方法难以调和的相互冲突的目标。本文扩展和增强了现有的图像在音频深度隐写方法，重点是提高其鲁棒性。建议的增强包括修改的损失函数，利用短时傅立叶变换（STFT），引入冗余的编码过程中的纠错，和缓冲的额外信息的像素子卷积操作。结果表明，我们的方法优于现有的方法在鲁棒性和感知透明度。
2023-03-14 cs.CR cs.CV cs.MM
Dynamic Pattern Based Image Steganography
隐写术是将秘密信息隐藏在诸如图像、音频和视频等媒体中的艺术。隐写术的目的是在任何给定的介质中隐藏秘密信息的存在。通过在指示序列的选择过程中产生动态模式来增强隐写算法的安全性。除此之外，动态性还包含在数据通道中嵌入的比特数中。这种技术已经实施，并与现有的类似技术的结果进行了比较和评估。
2012-06-12 cs.CR
Adversarial Embedding: A robust and elusive Steganography and Watermarking technique
University of Luxembourg（卢森堡大学）
我们提出了对抗性嵌入，一种新的隐写和水印技术，在图像中嵌入秘密信息。我们方法的关键思想是使用深度神经网络进行图像分类和对抗攻击，以在图像中嵌入秘密信息。因此，我们使用攻击在图像中嵌入消息的编码，并使用相关的深度神经网络输出来提取它。对抗攻击的关键属性（不可见的扰动、不可转移性、篡改弹性）提供了关于隐藏消息的机密性和完整性的保证。我们使用100多个模型和1,000条消息来实证评估对抗嵌入。我们的研究结果证实，我们的嵌入通过未被人类和隐写分析方法注意到，同时阻止非法检索的消息（小于13%的恢复率时，拦截器有一些知识，我们的模型），并有弹性的软和（在某种程度上）积极的图像篡改（高达100%的恢复率下的JPEG压缩）。我们通过提出一种新型的对抗攻击来进一步发展我们的方法，该攻击将我们方法的嵌入密度（隐藏信息量）提高到每像素10位。
2019-11-14 cs.CR cs.LG
Implicit Steganography Beyond the Constraints of Modality
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
本文提出基于隐式神经表示的跨模态隐写框架INRSteg，通过掩码参数更新实现图像、音频、视频和3D形状间的多模态信息隐藏，无需训练深度网络，在极端模态设置下验证了其灵活性、安全性与鲁棒性。
2024-12-31 cs.CR cs.LG
A Novel Algorithm In Steganography Using Weighted Matching Technique
近年来，与互联网上的数据相关的安全性已成为一个主要问题。不同的技术被用来保护信息，其中一种技术是隐写术。在隐写术中，可以具有作为图像、视频或音频的覆盖媒体。在这里，我们提出了一种加权匹配技术的方法，我们检查一个字节的较低半字节的高位，并找到最高出现位。两种算法的PSNR值列表评估的目的。
2022-02-01 cs.CR
SteganoSNN: SNN-Based Audio-in-Image Steganography with Encryption
SteganoSNN提出基于脉冲神经网络的隐写框架，将音频经LIF编码、模运算加密后嵌入图像最低有效位，在FPGA上实现每像素8比特实时嵌入，PSNR达40.4 dB以上，为边缘AI和物联网提供安全低功耗隐写方案。
2025-11-09 cs.AI cs.CR
An Improved Phase Coding Audio Steganography Algorithm
University of California, Berkeley（加州大学伯克利分校）
针对语音克隆欺诈问题，本文改进相位编码音频隐写算法，通过分段分布式嵌入、帧层及量化缺陷修正，提升了容量、信噪比与消息恢复率，同时明确了方法局限并提出密钥化bin选择的改进方向。
2026-08-11 cs.CR
A study on audio synchronous steganography detection and distributed guide inference model based on sliding spectral features and intelligent inference drive
Dhurakij Pundit University（博仁大学）；Sasin School of Management of Chulalongkorn University（朱拉隆功大学萨辛管理学院）；The Royal Anthropological Institute of Great Britain and Ireland（大不列颠及爱尔兰皇家人类学研究所）
本文针对短视频音频同步隐写检测难题，提出融合滑动频谱特征与智能推理的检测及分布式引导重构模型，通过同步帧检测与载荷解码验证了其在隐蔽通信分析中的有效性。
2025-05-06 cs.AI cs.CR cs.SD
LSB Steganography Using Pixel Locator Sequence with AES
图像隐写术是将数据隐藏到图像中的艺术。秘密数据，如消息，音频，图像可以隐藏在封面图像中。这主要通过将数据隐藏到图像像素的LSB（最低有效位）中来实现。为了提高隐写术的安全性，本文研究了基于AES（Advanced Encryption Standard）的数据加密和基于LSB的数据隐藏技术，该技术采用用户自定义的加密数据像素分布，而不是通常的线性计算方法，即以线性形式存储数据。该数据分布文件将包含要加密/解密的数据的位置（以像素编号的形式），该位置用AES进一步加密，从而为存储在像素上的数据及其位置提供双重加密。隐写术在医学、军事、版权信息等方面有着广泛的应用。
2020-12-04 cs.CR
Invisible Watermarking for Audio Generation Diffusion Models
Fordham University（福特汉姆大学）；IBM Research - Almaden（IBM研究院阿尔马登分院）；Florida International University（佛罗里达国际大学）；Google（谷歌）
本文提出首个面向梅尔频谱图音频扩散模型的不可见水印触发机制，用于验证模型所有权与完整性，并在保持良性音频生成性能的同时抵御未授权修改。
2023-10-31 cs.CR cs.LG cs.SD
Adversarial Images through Stega Glasses
本文探讨了隐写术和对抗性图像之间的联系。一方面，隐写分析有助于检测对抗性扰动。另一方面，隐写术有助于伪造对抗性的扰动，这些扰动不仅人眼看不见，而且在统计上也无法检测到。这项工作解释了如何使用这些信息隐藏工具攻击或防御计算机视觉图像分类。我们用最先进的分类器、隐写分析器和隐写嵌入方案玩这个猫捉老鼠的游戏。事实证明，隐写术对攻击者的帮助大于防御者。
2020-10-15 cs.CR eess.IV eess.SP
SUDS: Sanitizing Universal and Dependent Steganography
Vanderbilt University（范德堡大学）
本文提出SUDS，一种不依赖隐写先验知识的深度学习净化技术，可净化通用与依赖型隐写术，经测试在真实场景中将受污染分类器的攻击抵抗力提升1375%。
2023-09-23 cs.CR cs.LG
A Secure Color Image Steganography In Transform Domain
隐写术是隐蔽通信的艺术和科学。秘密信息可以隐藏在诸如图像、音频或视频的内容中。提出了一种基于离散小波变换（DWT）和小波变换（IWT）的图像隐写技术，在彩色封面图像中同时隐藏图像和密钥。隐写图像和封面图像之间没有视觉差异。提取的图像也类似于秘密图像。这一点通过对隐写和提取的秘密图像的高峰值信噪比（PSNR）值来证明。实验结果表明，该方法简单易行，且具有较高的峰值信噪比。
2013-04-11 cs.CR
Steganography of Complex Networks
隐写术是信息隐藏技术的一种，它将秘密信息隐藏在载体中。数字图像和音频是隐写术研究最多的载体。然而，到目前为止，还没有研究利用复杂网络作为隐藏媒体。为了研究复杂网络作为隐写术载体的可能性和可行性，本文介绍了BIND、BYMOND和Bynis三种复杂网络隐写算法。BIND在边中隐藏两个比特的秘密消息，而BYMOND在边中编码一个字节，而不改变原始网络结构。在Open Graph Benchmark网络上进行的编码仿真实验表明，BIND和BYMOND能够成功地将随机消息隐藏在边列表中。BYNIS通过从给定消息生成节点标识符来合成边。BYNIS合成的隐写网络的度分布大多接近幂律分布。复杂网络的隐写术有望在诸如保护专有数据集的水印或用于隐私保护的敏感信息隐藏等方面得到应用。
2021-10-20 cs.CR cs.SI
Improved information security using robust Steganography system
隐写术是一个新兴的领域，它用于在任何公共媒体上进行安全的数据传输，隐写术是将信息隐藏在适当的载体（如图像或音频）中的过程。它起源于希腊语，意思是“隐藏或隐藏的文字”。载体可以被发送给接收者，除了被认证的接收者之外，没有任何人知道该信息的存在。在本文中，一个特定的图像为基础的隐写技术，更安全地在两个位置之间的信息通信。为了达到较高的安全性，作者将秘密密钥和口令安全特性的思想用于两端的认证。作为安全级别的进一步提高，对信息进行置乱、编码，最后嵌入到图像中形成隐写图像。此外，为了防止隐写图像在传输过程中的失真，在发送端和接收端分别采用归一化切割方法对隐写图像进行了分割对象提取和重组。
2010-04-13 cs.CR
Mixing Algorithm for Extending the Tiers of the Unapparent Information Send through the Audio Streams
针对音频流信息隐藏，提出基于AES256加密的混合算法，扩展隐晦信息层级，兼顾鲁棒性、安全性与隐藏容量，并综述应用。
2025-02-25 cs.CR
Boosting Digital Safeguards: Blending Cryptography and Steganography
Praxis Tech School（普拉西斯科技学院）
本研究融合密码学加密技术、隐写术隐藏能力与GANs等AI技术，构建了兼具数据隐私保护、完整性保障和存在性隐藏的综合安全系统，为开放数字通信时代的数据安全提供了先进解决方案。
2024-04-11 cs.CR cs.LG
A Frequency Domain Steganography using Z Transform (FDSZT)
图像隐写是将信息隐藏在图像中的一种技术。提出了一种基于Z变换域的灰度图像认证/数据隐藏技术FDSZT。ZTransform以行为主的顺序应用于源图像的2x2掩模，以将原始子图像（覆盖图像）块变换到其对应的频域。该算法根据源图像的掩码中值，将隐藏图像的一位嵌入到变换系数的第四个LSB上。一个微妙的处理也被执行作为后嵌入操作，以正确的解码。通过逆变换得到隐写子图像作为嵌入掩模的最后一步。在嵌入的过程中，隐藏图像的尺寸，其次是消息/隐藏图像的内容被嵌入。在解码期间遵循相反过程。对各种图像均获得了较高的PSNR，符合FDSZT不可见水印的质量要求。
2012-02-20 cs.CR cs.MM
Genetic Algorithm to Make Persistent Security and Quality of Image in Steganography from RS Analysis
保密性是交际活动的重要特征之一。隐写术是通过将信息隐藏在任何形式的载体（如音频、视频、文本、图像等）中来实现发送者和接收者之间的秘密通信的流行方法之一。最低有效位编码是许多隐写程序用于将秘密信息隐藏在24位、8位彩色图像和灰度图像中的最简单的编码方法。隐写分析是一种利用隐写术检测隐藏在载体中的秘密信息的方法。RS隐写分析是最可靠的隐写分析之一，它对图像像素进行统计分析，成功地检测出图像中隐藏的信息。然而，现有的隐写方法保护信息不受灰度图像中的RS隐写分析的影响。提出了一种利用遗传算法对彩色图像进行RS攻击的隐写方法。隐写图像被划分为若干块。随后，利用遗传算法对隐写图像进行自然进化，使隐写图像的安全性和图像质量得到优化。
2012-04-12 cs.CR cs.MM
Unified Steganography via Implicit Neural Representation
本文提出 U-INR，利用隐式神经表示和私钥选择策略统一实现图像、视频、音频及 SDF、NeRF 等多种数据类型的隐写，提升通用性与数据安全性。
2025-05-03 cs.CR
A Technical Review on Comparison and Estimation of Steganographic Tools
本文综述图像隐写分类，并基于图像特征对六种常用隐写工具进行相同输入下的比较测试，发现各工具整体性能相近，但效率存在差异。
2025-08-26 cs.CR cs.CV cs.GR
Invisible Backdoor Attack with Sample-Specific Triggers
近年来，后门攻击给深度神经网络（DNN）的训练过程带来了新的安全威胁。攻击者打算将隐藏的后门注入DNN，这样被攻击的模型在良性样本上表现良好，而如果攻击者定义的触发器激活了隐藏的后门，则其预测将被恶意更改。现有的后门攻击通常采用触发器与样本无关的设置，$i.e.,$不同的中毒样本包含相同的触发器，导致现有的后门防御可以很容易地抵御攻击。在这项工作中，我们探索了一种新的攻击模式，后门触发器是特定于样本的。在我们的攻击中，我们只需要修改某些训练样本与不可见的扰动，而不需要操纵其他训练组件（$e.g.$，训练损失，和模型结构）所需的许多现有的攻击。具体来说，受基于DNN的图像隐写术的最新进展的启发，我们通过编码器-解码器网络将攻击者指定的字符串编码为良性图像，从而生成样本特定的不可见加性噪声作为后门触发器。当DNN在中毒数据集上训练时，将生成从字符串到目标标签的映射。在基准数据集上的大量实验验证了该方法在攻击有防御和无防御模型时的有效性。
2021-08-13 cs.CR
An Extensive Survey of Digital Image Steganography: State of the Art
本文系统综述了数字图像隐写术的研究现状，分析了在不可感知性与嵌入容量之间权衡下面临的关键挑战，并探讨了当前技术、最新趋势及未来发展方向。
2024-04-30 cs.CR cs.ET
Secure Intellicise Wireless Network: Agentic AI for Coverless Semantic Steganography Communication
State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室）；ZGC Institute of Ubiquitous-X Innovation and Applications（ZGC泛在X创新与应用研究院）；Beijing Key Laboratory of 6G DOICT converged and Cloud-Native Mobile Information Networks（6G DOICT融合与云原生移动信息网络北京市重点实验室）；GIC & 6GIC, Institute for Communication Systems (ICS), University of Surrey（萨里大学通信系统研究所（ICS）5GIC与6GIC）
本文提出基于智能体AI的无载体语义隐写通信方案，通过消除载体图像和私有语义密钥的需求，提升隐写容量与传输安全。
2026-05-06 cs.CR eess.SP
Secure Audio Embedding in Images using Nature-Inspired Optimization
Jawaharlal Nehru University（贾瓦哈拉尔·尼赫鲁大学）
本文提出利用HHO优化的LSB方法，实现图像中音频的高效安全嵌入，提升图像质量和鲁棒性。
2025-12-09 cs.CR
StegoHound: A Novel Multi-Approaches Method for Efficient and Effective Identification and Extraction of Digital Evidence Masked by Steganographic Techniques in WAV and MP3 Files
针对 WAV/MP3 音频中隐写与加密隐藏证据难提取的问题，提出 StegoHound 多方法自动化框架，关联原始工件、实时分析与传统检测技术，提升大型文件取证的覆盖率、准确性并降低假阴性。
2023-12-10 cs.CR cs.MM
EmbAu: A Novel Technique to Embed Audio Data Using Shuffled Frog Leaping Algorithm
University of Memphis（孟菲斯大学）；Cardinal Health（嘉德诺健康集团）；University of Missouri St Louis（密苏里大学圣路易斯分校）
本研究提出一种基于混合蛙跳算法（SFLA）的图像隐写技术，通过SFLA选取RGB载体图像的最优像素嵌入敏感信息，兼顾高嵌入容量与低图像失真，可抵御隐写分析攻击，在音频加密领域有应用潜力。
2023-12-13 cs.CR cs.LG cs.SD
Invisible Backdoor Attack with Dynamic Triggers against Person Re-identification
Tongji University（同济大学）；Microsoft Research Asia（微软亚洲研究院）；Xidian University（西安电子科技大学）
针对行人重识别开放集特性，提出动态触发器隐形后门攻击（DT-IBA），通过身份哈希网络和图像隐写术为未知身份动态生成触发器，实现有效且隐蔽的攻击。
2023-05-10 cs.CR cs.CV
Deep Learning for Steganalysis of Diverse Data Types: A review of methods, taxonomy, challenges and future directions
University of Medea（迈迪亚大学）；University of Sciences and Technology Houari Boumediene (USTHB)（侯阿里·布迈丁科技大学）；University of Dubai（迪拜大学）；Universitat Oberta de Catalunya (UOC)（加泰罗尼亚开放大学）；University of Sharjah（沙迦大学）；De Montfort University（德蒙福特大学）
该综述全面梳理了面向图像、音频、视频等多类型载体的深度学习隐写分析技术，涵盖常用方法、DTL与DRL等先进技术、数据集与评估指标，分析了现状与挑战并指明未来方向。
2024-03-12 cs.AI cs.CR cs.LG
Sound Conveyors for Stealthy Data Transmission
本研究针对隐秘数据传输需求，开发了名为DeepAudio v1.0的音频隐写系统，支持AES加密与wave、MP3格式，可隐藏并提取多格式文档，同时推出免费开源的相关工具。
2025-02-22 cs.CR
Sanitizing Hidden Information with Diffusion Models
本文提出基于扩散模型的DM-SUDS净化方法，用于移除CIFAR-10和ImageNet图像隐写中的隐藏信息，在图像保真指标上显著优于现有深度学习方法，并展示了跨音频领域的通用性。
2025-02-05 cs.CR
Steganalysis Using Color Model Conversion
数字取证人员在网络犯罪中面临的主要威胁是识别、分析和解释隐藏在图像、音频和视频等数字媒体中的信息。有强烈的迹象表明，在数字媒体中隐藏信息已被用于策划犯罪活动。因此，开发一种检测数字媒体中隐藏信息的隐写分析技术是非常重要的。本文主要研究了一种通用的图像隐写分析方法，该方法利用RGB到HSI颜色模型的转换。任何一种通用的隐写分析算法都需要通过各种隐写图像的测试来证明其有效性。本文所提出的通用隐写分析算法在实现了各种RGB最低有效位隐写算法的隐写图像数据库中进行了测试。虽然在互联网上有许多隐写图像源，但它缺乏信息，例如有多少行被隐写算法感染，有多少位被修改以及哪个通道受到影响。这些参数对隐写分析算法很重要，有助于评估其效率。使用颜色模型的隐写分析已在我们的图像数据库中进行了测试，结果是肯定的。
2012-06-12 cs.CR
