適應性通用型資訊隱藏偵知與分析技術之研發

藏密技術可以追溯至1984年由Simmons所提出的囚犯問題，其基本上是屬於一種秘密通訊的方法，可以應用在各種形式的數位媒體(如聲音、影像、視訊)。相對於藏密技術，藏密分析則是用以偵知數位多媒體資訊是否藏有秘密訊息在其中。藏密分析技術依照方法的不同，可以將藏密分析方法區分為兩大類：特定型藏密分析方法與通用型的藏密分析方法。特定型藏密分析方法事先已知道某種特定藏密演算法後才進行分析；而通用型藏密分析方法則可用以偵測未知的藏密方法。雖然通用型藏密分析方法研發難度高，但在實務應用上具有較佳的潛力。本研究計畫將結合「統計理論」、「影像處理」、「機器學習」等相關技術，研發一個可以偵知未知藏密方法的「適應性通用型資訊隱藏分析技術」，對網路上應用十分普遍的數位影像，進行影像特徵模式之偵測與分析。一般通用型資訊隱藏分析技術之基本架構通常包括前置處理、特徵擷取、分類評估等三個部分。本研究計畫之研究重點：第一是針對最新提出的Contourlet轉換方法進行影像特徵分析與研究；第二是結合機器學習理論中的分類器，評估不同影像特徵參數對於不同分類器的效能，並調校相關參數，俾求得最佳化之設定；最後是改良Fridrich與Rodriguez等人所提出的多層式通用型資訊隱藏分析架構，發展一套具高效能與高準確率的適應性通用型資訊隱藏分析技術。近年來藏密技術仍不斷地發展更新，通用型藏密分析技術之研發仍有其相當程度之難度。本研究計畫將透過學理推導與實驗驗證，研發出「適應性通用型資訊隱藏分析技術」，預期將能達到防止藏密技術遭非法人士濫用之實用性目標。

系統編號:PB9808-2930
原計畫編號:NSC98-2221-E182-066-MY2