新書推薦：
《
500万次倾听：陪伤心的人聊聊
》
售價：NT$
245.0
《
英国商业500年（见证大国崛起与企业兴衰，启迪未来商业智慧。）
》
售價：NT$
367.0
《
万千心理·儿童心理治疗中的心智化：临床实践指导
》
售價：NT$
398.0
《
自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环）
》
售價：NT$
301.0
《
周易
》
售價：NT$
203.0
《
东南亚的传统与发展
》
售價：NT$
306.0
《
乾隆制造
》
售價：NT$
398.0
《
资治通鉴臣光曰辑存 资治通鉴目录（司马光全集）（全二册）
》
售價：NT$
1316.0
|
| 編輯推薦： |
|
葛秀慧、田浩编著的《隐写分析原理与应用》共分5章，第1章主要探讨隐写分析的定义、隐写分析的目标、隐写分析方法、隐写分析的攻击类型、隐写分析分类、隐写分析的信息论基础和隐写系统评价。第2章主要针对空域的LSB算法进行分析与攻击。先介绍针对LSB的著名攻击，如Chi-Square（X2）测试、RS攻击、SPA分析；接着分析基于一阶直方图和二阶直方图的特征：HCF-COM（HARD3）、ALE-10、AC-4，还分析了空域的BSM特征与IQM特征。第3章主要分析频域（DCT和DWT）的JSteg隐写分析、F5隐写分析、OutGuess隐写分析及相应的频域特征，如FRI-23特征、FARID 特征和共生矩阵。第4章探讨载体模型、MB模型、隐式马尔可夫模型、SPA模型、Rich模型及假设测试、量化分析与回归分析。因为隐写分析本质是分类问题，所以在第5章，我们集中分析各种分类方法，并加以比较，找到适合相应特征数据的最准确的分类方法，达到隐写分析的终极目标，即盲检测。第5章主要探讨的问题为模式识别、判别函数、线性判别、非线性判别、决策树、特征选择、特征提取、分类器、盲隐写分析与机器学习方法。
|
| 內容簡介： |
|
葛秀慧、田浩编著的《隐写分析原理与应用》以最新的研究成果为背景，阐述隐写分析这一研究方向，内容涉及隐写分析的基本术语、基本原理与方法以及具体的实践。本书语言通俗易懂，章节清晰，把原本抽象的原理与具体的示例进行结合，使读者能更加深入透彻地学习隐写分析，并且介绍了最新的隐写分析技术，使读者学到最新的技术。本书主要是对隐写分析这一研究领域的总结和升华，并给出可供实现的代码。通过本书的学习，读者不仅能掌握隐写技术的基础知识，还可提高实践经验，实现理论与动手能力的结合。
|
| 目錄：
|
第1章 简介
1.1 什么是隐写分析
1.2 为什么需要隐写分析
1.3 隐写分析方法
1.3.1 视觉隐写分析
1.3.2 结构隐写分析
1.3.3 统计隐写分析
1.3.4 学习隐写分析
1.4 隐写分析的攻击类型
1.4.1 被动攻击
1.4.2 主动攻击
1.5 隐写分析分类
1.5.1 目标隐写分析
1.5.2 盲隐写分析
1.6 隐写分析的信息论基础
1.6.1 与信息论相关的术语
1.6.2 隐写系统
1.7 隐写系统评价
1.7.1 安全性
1.7.2 容量
1.7.3 鲁棒性
参考文献
第2章 空域隐写分析
2.1 LSB算法
2.1.1 LSB替换原理
2.1.2 LSB匹配原理（±1）
2.2 LSB隐写分析
2.2.1 Chi-Square测试
2.2.2 RS攻击
2.2.3 SPA分析
2.2.4 LSB直方图攻击
2.3 HCF-COM特征
2.3.1 加性噪声隐写系统
2.3.2 加性噪声的影响
2.3.3 直方图特征函数HFC与HFC-COM
2.4 ALE特征
2.4.1 LSB匹配的影响
2.4.2 二阶局部极值振幅ALE-10
2.5 位平面隐写分析
2.5.1 AC特征
2.5.2 BSM特征
2.6 IQM
参考文献
第3章 频域隐写分析
3.1 DCT域隐写分析
3.1.1 DCT基础
3.1.2 JSteg隐写分析
3.1.3 F5隐写分析
3.1.4 OutGuess
3.1.5 FRI-23特征
3.2 DWT域隐写分析
3.2.1 DWT基础
3.2.2 FARID特征
3.2.3 基于小波CF的39-D特征
3.3 二阶统计特征：共生矩阵
参考文献
第4章 统计隐写分析
4.1 载体模型
4.2 MB1与MB2
4.2.1 MB方法论
4.2.2 MB隐写与隐写分析
4.3 隐式马尔可夫模型
4.3.1 HMM基本理论
4.3.2 使用HMM的隐写分析
4.3.3 使用HMFM的隐写分析
4.3.4 SPAM
4.4 Rich模型
4.5 假设测试
4.6 量化分析
4.6.1 量化分析基础
4.6.2 回归模型
参考文献
第5章 机器学习的盲隐写分析
5.1 模式识别
5.1.1 判别函数
5.1.2 线性判别分析
5.1.3 非线性判别分析
5.1.4 判别分析示例
5.1.5 决策树
5.2 特征选择与提取
5.2.1 特征选择
5.2.2 特征选择示例
5.2.3 ANOVA特征选择
5.2.4 PCA特征提取
5.3 分类器
5.3.1 贝叶斯分类器
5.3.2 支持向量机（SVM）
5.3.3 KNN分类器
5.3.4 概率神经网络
5.3.5 集成分类器
5.3.6 分类器评价
5.4 盲隐写分析
5.4.1 盲隐写分析概述
5.4.2 盲隐写分析框图
5.4.3 盲隐写分析的典型特征
5.5 基于机器学习的盲隐写分析
5.5.1 数据组织
5.5.2 多元回归分类的盲隐写分析
5.5.3 FLD分类的盲隐写分析
5.5.4 SVM分类的盲隐写分析
5.5.5 NN分类的盲隐写分析
5.5.6 YASS隐写与隐写分析
5.5.7 示例：实验
5.5.8 未来研究与展望
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
