社交网络隐写分析是判断网络媒体数据中是否含有秘密信息的有效手段。项目“基于低维特征构造及无监督分类的网络图像隐写分析”从三个方面展开研究：（1）针对社交网络图像特点，突破现有隐写分析特征维数较高的限制，构造图像的多样性纹理融合模型，分别引入针对未压缩图像和JPEG图像的多样性纹理描述子来设计低维纹理统计特征，特征具有维数低且准确率高的特点；（2）研究彩色图像通道内的噪声模型和通道间的联合分布模型，针对彩色未压缩图像和彩色JPEG图像分别构造表征图像通道相关性融合的高效隐写分析特征，摆脱了传统彩色图像隐写分析方法仅从单一通道提取特征的模式，提升隐写分析准确率的同时保证了分析的实时性；（3）建立特征集合相似性的统一距离度量函数，引入无监督分类构造多图像联合的隐写分析方法，避免了监督分类隐写分析方法中需要大量样本训练分类模型的弊端，为网络实战提供依据。
项目自执行以来已发表多篇外文期刊文章，相关成果已被国际同行专家多次引用，实现了社交网络环境中信息传输的实时检测，对国家网络信息安全开展具有重要的现实意义。
计算机科学与技术学院 栗风永