研究领域国际计算科学与工程杂志 描述一种发现隐藏在数字图像中的信息的新方法。这项工作对隐写分析领域做出了贡献，隐写分析在网络安全和数字取证中发挥着关键作用。

隐写术涉及将数据嵌入公共介质中，例如隐藏在数字图像的位和字节中的单词。该图像在屏幕上显示时看起来没有什么不同，但知道有隐藏消息的人可以提取或显示该消息。鉴于大量的数字图像现在已经存在——而且这个数字每天都在以惊人的速度增长——很难想象第三方（例如执法部门）如何发现此类隐藏信息。

事实上，从某种意义上来说，它是一种隐秘的安全性，但它仍然是一种强大的技术。当然，隐写术有合法用途，但可能还有更多邪恶用途，有效检测对于执法和安全非常重要。

印度古尔格拉姆 NorthCap 大学的 Ankita Gupta、Rita Chhikara 和 Prabha Sharma 推出了一种新方法，可以提高检测精度，同时解决与处理所需大量数据相关的计算挑战。

隐写分析涉及识别图像是否包含隐藏数据。通常，采用空间丰富模型（SRM）来检测这些隐藏的消息。它分析图像以识别由于添加隐藏数据而出现的指纹微小变化。然而，SRM 很复杂，具有大量特征，并且可能压倒检测算法，导致有效性降低。这个问题通常被称为“维数灾难”。

该团队已转向混合优化算法称为 DEHHPSO，它结合了三种算法：Harris Hawks 优化器 (HHO)、粒子群优化 (PSO) 和差分进化 (DE)。这些算法中的每一个都受到自然过程的启发。例如，HHO 算法模拟哈里斯鹰的狩猎行为，并在环境探索与目标最优解决方案之间取得平衡。该团队解释说，通过结合 HHO、PSO 和 DE，他们可以比当前单一算法（无论多么复杂）更快地处理复杂的特征集。

混合方法消除了超过 94% 的原本必须处理的特征，从而降低了计算需求。然后可以使用支持向量机 (SVM) 分类器来处理剥离后的信息。该团队表示，这种方法比元启发式（本质上是试错法）效果更好，甚至比几种深度学习方法更好，这些方法通常用于解决更多问题复杂的问题比隐写分析。

更多信息：Ankita Gupta 等人，一种改进的连续和离散 Harris Hawks 优化器，应用于图像隐写分析的特征选择，国际计算科学与工程杂志（2024）。DOI：10.1504/IJCSE.2024.141339