在本文中，作者通过在隐写图片中引入逆向加性噪声，使隐写分析器对隐写信道的前提假设无效化，从而提高隐写信道的安全性。作者还提出了一种基于网络流的最优隐写算法，其实验结果表明，可在不增大掩体图片与隐写图片间海明距离(Hamming Distance)的情况下有效降低信息嵌入带来的统计性失真，且该算法支持全局交互的失真函数。

本文为信道中存在被动态监听者的隐写通信系统给出了一种提高隐写安全性的新策略。这种防御性隐写系统引入了一种能够打破检测函数对信道前提假设的逆向加性噪声，使检测函数无效化，从而提高隐写通讯的安全性。批处理隐写分析并未在本文中被考虑。相反，本文中所有的检测函数都假设为是独立且无记忆的。除了分析Cachin定义的隐写安全的局限性，LSB匹配嵌入被作为特例用来具体讨论本文提出的防御性隐写策略。其实验结果表明，通过打破检测函数对隐写信道的前提假设，隐写系统的安全性可被有效提高，虽然该过程可能增加掩体与隐写图片间的相对熵。作者提出的另一种基于网络流的最优隐写算法根据罚函数修正嵌入操作，以实现统计性失真的最小化。实验结果表明，该方法能够在不同的嵌入率下，将失真保持在相对稳定的水平。

第十二届“挑战杯”作品 三等奖

本申报作品英文原稿"Defensive Steganography: A Novel Way against Steganalysis"以及作者其他4篇相关论文已被相应会议录用，将分别由Springer LNCS, IEEE, IEEE CS, AMR出版，并被EI, ISTP 检索。