研究領域國際計算科學與工程雜誌 描述一種發現隱藏在數位影像中的信息的新方法。這項工作對隱寫分析領域做出了貢獻，隱寫分析在網路安全和數位鑑識中發揮關鍵作用。

隱寫術涉及將資料嵌入公共介質中，例如隱藏在數位影像的位元和位元組中的單字。該圖像在螢幕上顯示時看起來沒有什麼不同，但知道有隱藏訊息的人可以提取或顯示該訊息。鑑於大量的數位影像現在已經存在——而且這個數字每天都在以驚人的速度增長——很難想像第三方（例如執法部門）如何發現此類隱藏資訊。

事實上，從某種意義上來說，它是一種隱密的安全性，但它仍然是一種強大的技術。當然，隱寫術有合法用途，但可能還有更多邪惡用途，有效檢測對於執法和安全非常重要。

印度古爾格拉姆 NorthCap 大學的 Ankita Gupta、Rita Chhikara 和 Prabha Sharma 推出了一種新方法，可以提高檢測精度，同時解決與處理所需大量數據相關的計算挑戰。

隱寫分析涉及識別影像是否包含隱藏資料。通常，採用空間豐富模型（SRM）來偵測這些隱藏的訊息。它分析圖像以識別由於添加隱藏資料而出現的指紋微小變化。然而，SRM 很複雜，具有大量特徵，並且可能壓倒檢測演算法，導致有效性降低。這個問題通常被稱為「維數災難」。

該團隊已轉向混合優化演算法稱為 DEHHPSO，它結合了三種演算法：Harris Hawks 最佳化器 (HHO)、粒子群最佳化 (PSO) 和差分進化 (DE)。這些演算法中的每一個都受到自然過程的啟發。例如，HHO 演算法模擬哈里斯鷹的狩獵行為，並在環境探索與目標最優解之間取得平衡。團隊解釋說，透過結合 HHO、PSO 和 DE，他們可以比目前單一演算法（無論多麼複雜）更快地處理複雜的特徵集。

混合方法消除了超過 94% 的原本必須處理的特徵，從而降低了計算需求。然後可以使用支援向量機 (SVM) 分類器來處理剝離後的資訊。團隊表示，這種方法比元啟發式（本質上是試誤法）效果更好，甚至比幾種深度學習方法更好，這些方法通常用於解決更多問題複雜的問題比隱寫分析。

更多資訊：Ankita Gupta 等人，一種改進的連續和離散 Harris Hawks 優化器，應用於圖像隱寫分析的特徵選擇，國際計算科學與工程雜誌（2024）。DOI：10.1504/IJCSE.2024.141339