基于时间间隔的社交行为信息隐藏

提出了一种基于时间间隔的社交行为信息隐藏算法。首先发送者和接收者获取双方共同拥有的具有社交关系的用户信息；随后发送者结合密钥，利用交互行为（如“点赞”）的时间间隔隐藏秘密信息；最后接收者通过周期性获取共同拥有的社交用户的行为信息提取出秘密信息。以知名社交平台QQ为研究对象进行实验仿真，结果表明该方法能以较少的时间代价显著提高秘密信息传递的容量。所提出的方法不局限于特定的社交平台，具有普适性。     

基于神经机器翻译的文本隐写方法

深度学习促进了自然语言处理技术的发展，基于文本生成的信息隐藏方法表现出了巨大的潜力.为此，提出了一种基于神经机器翻译的文本信息隐藏方法，在翻译文本生成过程中进行信息嵌入.神经机器翻译模型使用集束搜索（Beam Search）解码器，在翻译过程中通过Beam Search得到目标语言序列各位置上的候选单词集合，并将候选单词依据概率排序进行编码；然后在解码输出目标语言文本的过程中，根据秘密信息的二进制比特流选择对应编码的候选单词，实现以单词为单位的信息嵌入.实验结果表明，与已有的基于机器翻译的文本信息隐藏方法相比，该方法在隐藏容量方面明显提升，并且具有良好的抗隐写检测性和安全性.     

基于区块链的物联网节点位置隐私保护模型

物联网正在改变消费者的行为和业务流程.针对物联网设备的信息隐私及安全问题，提出基于区块链技术的物联网设备位置信息保护模型.该模型首先借助区块链技术将记录设备标识，保证物联网设备信息不可篡改；然后基于白名单技术实现分布式哈希表网络，并对设备位置信息进行异或处理以隐藏物联网的网络拓扑，保护物联网设备的位置信息；最后根据k-匿名算法泛化数据的敏感属性为用户提供区域信息统计服务.实验结果证明该模型可以有效隐藏设备位置信息，同时能够提供定制的区域统计服务并且保护用户信息安全.     

改进块旋转和马赛克拼图的生成式伪装方法

结合块旋转和马赛克拼图的生成式伪装方法通过在嵌密位置放置与待隐藏秘密信息相关的圆形图像对秘密信息进行表达,会导致生成的马赛克图像的视觉质量较差,而较差的视觉质量也容易导致隐藏的秘密信息发生泄漏.为避免该问题,提出一种改进块旋转和马赛克拼图的生成式伪装方法.在该方法中,首先将多个灰度图像转换为圆形图像并按像素均值增序排列作为编码图像,将掩体图像直接通过误差扩散预处理转化为多级半色调图像;其次,通过随机坐标序列来决定秘密信息的隐藏位置,通过生成随机加密映射矩阵对秘密信息进行加密映射处理;最后,遍历掩体图像选取像素值对应的编码图像,对于隐藏和非隐藏位置,分别将编码图像旋转与秘密信息相关角度和随机角度,进而生成马赛克图像.在提取时,根据密钥结合质心旋转匹配策略以及区间认证策略对秘密信息进行认证以提高秘密信息认证的精度.实验表明,所提方法直接用编码圆形图像的旋转角度来表达秘密信息,在放置过程中始终选取以掩体像素值相对应的编码圆形图像来表达秘密信息,因而不会产生任何偏差,也不会导致任何视觉质量下降,具有良好的视觉质量.该方法引入了区间认证策略,具有较高的认证精度,所提方法具有较强的抗攻击鲁棒性且提取过程完全依赖于密钥,具有较高的安全性.     

一种新的湿纸码自适应信息隐藏方法

摘要： 基于湿纸码“不依靠载体元素本身传递信息”的特性,提出一种新的以图像位平面为载体的湿纸码自适应信息隐藏算法(wet paper code adaptive teganography,WPCAS). 通过研究图像中载密位平面小块复杂性的统计特性,建立了符合人眼视觉遮蔽效应的自适应选择规则. 使用该选择规则能精确分割位平面的类噪声区和平滑区,将秘密数据隐藏在视觉隐蔽性好的位平面类噪声区,从而增强了秘密信息的不可觉察性. 同时,采用湿纸码使该方法的选择规则和载密元素集对接收者完全透明,基于规则的攻击对WPCAS完全失效,因而抗攻击性能得以提高. 与经典位平面复杂度分割(bit-plane complexity segmentation, BPCS)以及基于BPCS的改进算法的比较实验表明,WPCAS在增大嵌入容量、改善载密图像质量以及提高信息隐藏安全性方面具有优势.     

信息隐藏研究展望

网络信息有3类,分别用于描述客观世界、记录人类行为、描述虚拟世界。现有信息隐藏技术大多以第1类信息为载体,以轻微修改载体数据的方式进行隐蔽通信,并保证感知逼真与统计逼真。该文在总结载体修改式信息隐藏的基础上,重点探讨以后两类信息为伪装的非载体修改式的新型信息隐藏方法,介绍了适合于特定载体类型的半构造式信息隐藏、完全构造式信息隐藏及行为信息隐藏的基本形式与代表性方法。信息隐藏的形态在新的网络环境下将不断发展变化,各种信息媒介均可作为秘密信息的伪装,因此努力开展新型信息隐藏研究将大大有助于占据新时期信息战的主动地位。     

基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题，提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法，使用空间金字塔算法提取纹理图像特征，通过监督式分类训练得到分类模型，同一类别下的不同图像块，利用位置信息进行区分，根据图像块分类和位置信息的不同构建映射字典，传递秘密信息；发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像，通过可逆形变生成复杂的纹理图像并发送给接收方；接收方根据密钥将纹理图像恢复为图像块，利用分类模型识别图像块所属分类并确定位置信息，对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性，同时嵌入容量可随图像类别的增加得到提高.     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

结合非直接传输和随机码本的无载体试题伪装

针对传统搜索式无载体信息隐藏方法存在的信息隐藏容量小、需构建和维护大文本或图像数据库以及搜索代价高等问题,提出一种结合非直接传输和随机码本的无载体试题伪装方法.首先通过伪随机序列对码本置乱,然后利用置乱后码本索引对秘密信息伪随机编码以避免秘密信息直接信道传输;其次将编码后索引位置转换为32进制数序列并进一步通过24进制与9进制数序列进行表达;最后将序列中每个24进制和9进制数分别通过随机生成的选择题排列顺序编号以及填空题答案随机相对偏移量进行间接表达以产生随机试题.同现有方法相比,所提方法避免了秘密信息直接信道传输,采用含密试题生成的方式来避免对额外载体修改且所提方法无需构建和维护大数据库也无需搜索,隐藏容量高且只能通过正确密钥才能对秘密信息进行恢复.     

混合进制嵌入的调色板图像无损信息隐藏

提出了一种基于混合进制的调色板图像无损信息隐藏方法.首先根据索引分布,区分有效索引与冗余索引.在调色板中分配若干冗余索引指向同一有效索引的颜色,使相同颜色的不同索引值承载不同的秘密信息,用于无损信息隐藏.用动态规划方法产生最大嵌入量下的冗余索引分配方案.不同颜色承载的秘密信息为不同进制秘密数字.该方法中嵌入机制并不影响原始图像内容.实验表明,与以往方法相比,该方法提高了数据嵌入量,医学图像尤为显著.     

基于构造纹理图像的数字隐写

提出一种通过构造纹理图像来隐藏信息的新型隐写方法。隐写者首先构建一个包含多种不同特征的单元库,用来表征二进制数据与图形单元之间的映射关系;根据秘密信息从单元库中选取图形,并确定图形在白纸上的摆放位置,绘制一幅含有隐写单元的图像;随后在其中添加背景元素,并通过可逆形变操作来生成一幅具有复杂纹理结构的含密图像。接收端在提取信息时,根据密钥对含密图像进行逆操作,去除背景图形后使用匹配滤波器识别源图像中的图形,通过分析其摆放位置和图形特征来提取秘密数据。实验结果表明,该方法生成的含密图像具有良好的视觉效果,使秘密数据得到了很好的隐蔽,而且通过调整参数还可以隐藏任意数量的秘密信息。     

基于秘密信息驱动的正交GAN信息隐藏模型

噪声驱动生成对抗网络(generative adversarial network, GAN)的生成器能生成高质量数字图像,为信息隐藏提供了新的数据载体.利用正交GAN的判别器能提取生成图像特征码的特性,提出了一种基于秘密信息驱动的正交GAN无载体信息隐藏模型.信息隐藏时,将待隐藏信息的二进制序列按分组量化规则映射为噪声向量,由该噪声向量驱动正交GAN的生成器生成含密数字图像.在信息提取时,首先利用正交GAN的判别器提取含密图像的特征码,然后利用U型网络实现从特征码到驱动噪声的映射,进而恢复秘密信息.在CelebA人脸数据集上对搭建的无载体信息隐藏模型进行对抗学习,生成器能够生成高质量的含密图像,判别器与U型网络相结合能从含密图像中提取秘密信息.与最新同类算法相比,在信息隐藏容量相同的条件下,模型具有较好的信息提取准确率、安全性等性能,同时减少了训练开销,提高了算法的实用性.     

基于曲面插值的加密图像可逆信息隐藏算法

提出一种基于曲面插值的加密图像可逆信息隐藏算法.对原始图像进行加密,利用随机函数确定加密图像中的载体像素,根据载体像素取反位的不同采取不同的隐藏方法.对载密图像进行解密以确定载体像素,在载体像素5×5邻域中选取与载体像素距离最近的6个非载体像素,采用曲面插值的方法计算载体像素的预测值,应用该预测值提取秘密信息并恢复载体像素.实验结果表明,该算法提取秘密信息的错误率较低,恢复图像的视觉效果较好.     

网络信息安全问题综述

一、信息安全问题的主要内容与其新特点 1．信息安全的主要内容。信息安伞主要包括以下内容：真实性，即保证信息来源的真实可靠；机密性，即信息即使被截获也无法破解其内容；完整性，即信息的内容不会被篡改或破坏；可用性，即能够提供用户需要的可用信息；可控性，即对信息的传播及内容具有控制能力；不可抵赖性，即用户对其行为不能进行否认；     

参数化二叉树编码实现加密图像可逆数据隐藏

为了提高数据嵌入容量，提出了一种基于参数化二叉树编码的加密图像可逆数据隐藏新方法。该方法的系统由图像所有者、数据嵌入者和授权接收者三方组成，其中，图像所有者采用特殊的图像块随机调制和置乱对原始图像加密并上传；由于加密操作很好地保留了图像块的像素相关性，数据嵌入者可在加密域充分利用图像块相关性，通过自适应选择参考像素来预测同一图像块的其余像素得到预测差值，再使用参数化二叉树编码进行无损压缩生成嵌入空间，实现大容量数据嵌入；授权接收者可正确提取嵌入数据或无失真恢复原图像。仿真实验结果表明：所提方法提高了嵌入容量，且可用于医学、云服务、军事等众多领域。     

微博时代的高校新闻宣传策略

微博（MicroBlog）,被网友呢称为“围脖”,它是基于Web5．0技术的信息分享、信息传播和信息获取的即时通讯技术平台。任何用户都可以通过电脑、手机等终端将140个字符以内的文字,以及图片、音频、视频等信息发布出去,既可以@给好友或粉丝,也能够对他人的更新进行实时评论。作为新技术、新产品、新生活方式的个性代表,微博一跃成为中国互联网用户规模增速最快的社交平台,使得传统媒体相形见绌。微博的开发提供了一种新型传播媒介,给高校新闻宣传工作带来了发展机遇,新形势下,     

基于受限玻尔兹曼机的个体行为预测模型的研究

个体行为预测能够有效地帮助用户预测最适合自己的运动行为,但在早期的研究中,往往只考虑了个人的历史行为因素和社会相关因素,忽略了用户多样性、动态行为以及隐藏的社会影响,这使目前的个体行为预测问题更加具有挑战性。本文提出了社会受限玻尔兹曼机(Social restricted Boltzmann machine,StRBM)作为一种新的预测模型,该方法将社会影响区分为显性社会影响和隐性社会影响的同时,将时间影响加到了显性社会影响权重上。使用YesiWell数据集以及合成数据集进行了对比实验,验证所提出方法的准确性,证明了提出的StRBM模型比其他基本模型具有更高的预测精度。     

基于块分类的密文域多重嵌入可逆信息隐藏算法

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位（most significant bit, MSB）自适应预测算法对块内的第1个像素和其他像素进行预测,将每一个块标记为可用块或非可用块。进一步对可用块进行重构嵌入,同时用中值边缘检测器（median-edge detector, MED）预测算法对非可用块进行二次嵌入,最终实现秘密信息的嵌入。当接收方接收到含密图像时,通过嵌入密钥实现秘密信息的正确提取,同时利用加密密钥恢复原始图像。实验证明,该文提出的方法在相同图像恢复质量的情况下能够显著提升秘密信息的嵌入量,在嵌入容量和图像恢复质量上均优于已有的方法。     

基于双域联合编码和秘密共享的密文域可逆信息隐藏

针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器（median-edge detector, MED）预测,计算最优水平l,并将像素分成可预测像素和不可预测像素;其次,使用双域联合编码分别在像素域和比特域上压缩辅助信息,以便提供更多的可嵌入空间;再次,使用密码反馈秘密共享技术将原始图像加密生成多个加密图像,并将辅助信息和多方的秘密数据嵌入到多个加密图像中;最后,根据提取的辅助信息,100%恢复秘密数据以及原始图像。实验结果表明,该算法显著提高了嵌入容量和安全性。