社交網絡隱寫分析是判斷網絡媒體數據中是否含有秘密信息的有效手段。項目“基於低維特征構造及無監督分類的網絡圖像隱寫分析”從三個方面展開研究⏫：（1）針對社交網絡圖像特點🪞，突破現有隱寫分析特征維數較高的限製🚣🏻♀️，構造圖像的多樣性紋理融合模型，分別引入針對未壓縮圖像和JPEG圖像的多樣性紋理描述子來設計低維紋理統計特征，特征具有維數低且準確率高的特點；（2）研究彩色圖像通道內的噪聲模型和通道間的聯合分布模型，針對彩色未壓縮圖像和彩色JPEG圖像分別構造表征圖像通道相關性融合的高效隱寫分析特征🧑🏿⚖️，擺脫了傳統彩色圖像隱寫分析方法僅從單一通道提取特征的模式，提升隱寫分析準確率的同時保證了分析的實時性🌏；（3）建立特征集合相似性的統一距離度量函數，引入無監督分類構造多圖像聯合的隱寫分析方法🎫，避免了監督分類隱寫分析方法中需要大量樣本訓練分類模型的弊端，為網絡實戰提供依據。
項目自執行以來已發表多篇外文期刊文章，相關成果已被國際同行專家多次引用，實現了社交網絡環境中信息傳輸的實時檢測，對國家網絡信息安全開展具有重要的現實意義。
計算機科學與技術學院 栗風永