多媒体数据是信息传播的重要载体，多媒体数据安全理论和方法对于信息传播的可靠性和安全性具有重要意义。 本书围绕隐写与隐写分析、数字水印、图像感知哈希、可逆隐藏、图像取证、神经网络模型安全六个专题，深入浅出地介绍了多媒体安全领域的最新代表性研究成果，可为全国相关高校多媒体安全的教学提供一个权威性、前沿性、实用性的通用范本，对于拓宽读者在相关领域的的学习与研究大有裨益。

1 隐写与隐写分析
1.1 概述
1.2 LSB隐写与矩阵编码
1.3 加减1隐写
1.4 最小化隐写失真编码
1.5 加性隐写失真
1.6 非加性失真隐写
1.7 基于深度学习的隐写失真
1.8 可证明安全隐写
1.9 载体选择隐写
1.10 批量载体隐写
1.11 鲁棒隐写
1.12 基于低维统计特征的隐写分析
1.13 基于高维人工特征的隐写分析
1.14 基于深度学习的隐写分析
1.15 隐写者检测
1.16 本章小结
2 数字水印
2.1 概述
2.2 鲁棒水印
2.3 认证水印
2.4 本章小结
3 图像感知哈希
3.1 概述
3.2 基于降维的哈希算法
3.3 基于变换的哈希算法
3.4 基于统计特征的哈希算法
3.5 基于局部特征的哈希算法
3.6 基于学习的哈希算法
3.7 本章小结
4 可逆数据隐藏
4.1 概述
4.2 基于无损压缩的可逆隐藏
4.3 基于整数变换的可逆隐藏
4.4 基于直方图平移的可逆隐藏
4.5 基于像素排序的预测方法
4.6 可逆隐藏理论研究
4.7 二值半色调可逆隐藏
4.8 其他可逆隐藏
4.9 本章小结
5 图像取证
5.1 概述
5.2 复制-粘贴取证
5.3 图像修复取证
5.4 图像拼接取证
5.5 图像处理操作取证
5.6 增强操作取证技术
5.7 几何操作取证技术
5.8 操作链取证
5.9 设备来源取证
5.10 反取证
5.11 本章小结
6 神经网络模型安全
6.1 概述
6.2 对抗样本
6.3 后门攻击与防御
6.4 样本投毒
6.5 模型水印
6.6 模型隐私
6.7 本章小结