一种基于循环码的自适应图像隐写方法

在自然图像各部分嵌入相同量的隐秘信息,对载体失真度和安全性的影响各不相同,为使嵌入信息量在载体各部分合理分布,文章将载体分块像素复杂度与隐写编码相结合,利用一簇循环隐写编码在载体各部分的合理运用,提出一种基于循环隐写码的自适应图像隐写算法.算法以载体分块像素复杂度为指导,自适应地选择适合不同分块的循环隐写编码方式嵌入隐秘信息.实验表明,算法在相同嵌入量下相较LSB匹配算法和使用单一隐写编码的算法,失真度更低且载体统计分布的改变更小,在失真度和统计分布改变相近时相较使用单一隐写编码,嵌入容量更大.     

一种基于深度学习的移动端隐写方法

隐写是隐蔽通信的主流方法之一,而移动端则是当下最常用的通信设备,二者的结合研究具有较高的实际意义.近年来,基于深度学习的隐写方法得到快速发展,然而在性能提升的同时,各类网络结构向着更复杂、庞大的方向演变,逐渐脱离以隐蔽通信为核心的实际应用场景,实用性较低.针对这一现象,本文提出一种适用于移动端的轻量级图像隐写方法.对网络整体进行轻量化设计,结合深度可分离卷积降低模型计算量,在精度和速度之间取得较好的折中平衡.以生成对抗网络的思想,将编码器、解码器和判别器构成的整体模型纳入对抗训练中,使子网络在迭代对弈中实现螺旋式上升发展.为应对真实环境下的各类挑战,模型被落地部署于移动设备上进行真机实验.在移动端,精简后的模型性能会出现小幅下降.对此,在方法中引入BCH纠错码以确保正确提取信息.实验结果表明,该移动端隐写方法生成图像质量好,且具有较高的响应速度,能满足现代社会中人们对便捷性的高要求.值得注意的是,该方法的所有计算工作均可在移动端独立完成,不需要通过网络请求服务器,能避免网络窃听攻击.     

一种基于LSB隐写算法的图像盲检测方法

在隐写技术被动检测模式下,用数学方程对LSB图像隐写算法进行抽象和建模,定量分析被检测图像的隐写信息边界情况,根据隐藏信息的比特数推出隐藏信息的检测概率和误检概率的表达式,提出一种基于LSB隐写的图像盲检测方法。基于LSB隐写的盲检测方法在LSB隐写算法嵌入图像的隐藏信息超过一定范围时,可以有效分辨出原始图像和隐藏信息。     

一种基于余数嵌入的隐写算法

针对最低有效位嵌入数值的方法存在的缺点,设计一种新的数值嵌入方法——基于余数的嵌入法.该嵌入法根据余数映射表将载体数值的余数修改为某一区域内的随机值,同时修改载体数值的商,使得载体值在嵌入信息前后接近.映射表可自由设计,使得嵌入更加灵活和安全.与此同时,鉴于现有隐写算法多在离散余弦变换域隐藏信息、隐藏区域缺乏可变性的缺点,构造出在小波域内使用余数嵌入法的隐写算法.实验证明,当余数映射表的长度不太大时,该隐写算法具有很好的隐蔽性和安全性.     

一种抗攻击大容量MIDI隐写方法

提出了一种新的MIDI隐写算法.该算法减小了在嵌入秘密信息时对原始数据的修改量,减小了隐写对原始数据统计特征的改变,增强了抗隐写分析的能力;在MIDI事件的时间和力度参数中同时嵌入秘密信息,并采用了自适应方法决定每个参数可供秘密信息嵌入的比特位置.实验结果表明,该算法对音质的影响几乎可以忽略;实现了较强的抗隐写分析能力;与传统MIDI隐写算法相比,隐写容量也有了明显提高.     

一种针对LSB匹配隐写的视频隐写分析方法

针对视频LSB匹配隐写,提出了一种基于区域相关性原理,通过构造区域相关性图直接提取载体或载密视频帧特征,应用中值滤波去除不同视频载体之间的特征差异,逐帧进行视频隐写分析的方法.实验结果表明,该算法能有效检测每帧均进行嵌入且嵌入率仅为p=0.1时的视频,而且在只对20%的视频帧进行混合嵌入的情况下,也能达到90.91%的正确检测率.     

一种基于对称加密和隐写术的反取证方法

提出了一种结合使用对称加密和隐写术的反取证方法.该方法用对称加密和异或运算对文件进行隐秘处理,较好地缓解了传统对称加密中短密钥便于记忆和长密钥更加安全之间的矛盾.在对称密钥泄露的情况下仍能保证隐秘文件的安全.该方法用低开销大幅度提高了破解难度,对隐写的载体文件没有特珠要求,适合在反取证环境中使用.根据此方法,开发了基于Windows平台的反取证原型工具StegEncrypt,该命令行工具可用于使保存或传送的文件难以暴力破解.     

一种基于图像边缘检测的隐写算法

根据人眼视觉感知特性,提出一种利用边缘检测理论计算容量因子的图像隐写算法.该算法通过像素间的相关性来计算某像素的边缘特性,根据人眼对边缘区域的改动较不敏感这一特性,确定该像素的容量因子,从而控制隐写容量.实验结果表明,该隐写算法具有较大的隐写容量,同时较好地保持了含密图像的不可感知性.     

一种基于浅层卷积神经网络的隐写分析方法

为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则化以及使用单层全连接层的方式,提高隐写分析网络的泛化性能。实验结果表明,针对S-UNIWARD隐写算法,在嵌入率为0.4 bpp和0.1 bpp时,检测准确率分别能达到96%和81.7%,同时在载体库源及嵌入率失配情况下,该方法仍能保持较好的检测性能。     

一种针对图像隐写软件的图谱评估方法

提出一种基于图像统计特征的图谱评估方法,可以有效地对图像隐写软件性能进行评估,而且该方法准确稳定,简单实用.     

一种新的YASS的隐写分析方法

针对YASS这种新的抵抗盲隐写分析的隐写方法,提出了一种新的隐写分析.对于不同的子块大小,通过选取不同位置的8×8子块,并采用以共生矩阵为基础的特征提取和以支撑向量机为基础的模式分类.为了说明该方法的有效性,对于不同的分块大小分别进行了实验.实验结果表明,对于分块小于16的情况,和现有的YASS隐写分析相比,该方法提高了对YASS隐写的识别率;对于分块大于16及YASS的改进算法,该方法的检测率达到90%以上,远高于现有的其他方法的识别率.     

一种对隐写图像的四分类盲检测方法

提出了一种对隐写图像的新的四分类盲检测方法.分析了与信息隐藏相关的26个图像质量特征,并使用方差分析选取了部分相对有效的特征向量.采用四分类的支持向量机根据这些特征向量进行训练和分类,实现了一种新的信息隐藏盲检测方法.该方法不仅仅能较准确地识别出是否隐藏了信息,还能识别出信息隐藏的隐藏域,即DWT域、DCT域,或者空域.实验结果表明,该方法能够很好地识别隐写域,具有较高的识别率.     

一种新型的基于图像哈希的无载体隐写方案

提出了一种新型的基于载体选择的无载体隐写方案.发送端以迭代量化哈希为基础建立秘密信息与载体图像的联系,并根据此联系从图像库中选择合适的载体进行秘密信息传输,接收端根据事先约定好的规则,使用图像哈希技术从图像中提取出秘密信息.实验证明此方案在安全性方面优于传统的基于信息嵌入的隐写方案,且在鲁棒性与隐写容量方面略优于其他的无载体隐写方案.      

一种基于无监督学习的MB1隐写分析方法

为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.     

一种基于Gray码规则的彩色图像量子隐写方案

为提高量子隐写的安全性和隐写容量, 设计一种基于Gray码规则的隐写方案. 该方案以彩色图像作为载体, 先将秘密信息划分为3 bit段, 再将每段秘密信息基于Gray码规则嵌入载体像素RGB通道的LSB(least significant bit)中, 完成信息嵌入过程; 提取是嵌入的逆过程, 先从载体像素RGB通道提取出3 bit秘密信息段, 再将其拼接还原为原始秘密信息. 该方案每个载体像素可容纳3 bit秘密信息, 具有较高的嵌入容量; 基于Gray码的嵌入规则, 有效提高了嵌入方案的安全性. 仿真结果表明, 该方案在嵌入容量和安全性方面均优于其他同类方案.     

一种基于PCNN图像分割和LSB的自适应隐写

为了提高图像LSB隐写时的嵌入容量与视觉质量,结合图像的位面图内容特性,提出了一种基于图像PCNN分割的LSB自适应隐写方案.该方案对图像的前4个位面图分别进行PCNN图像分割,并计算分割结果之和,以此作为各像素可以嵌入的秘密信息比特数,然后采用LSB方法进行隐写.实验结果表明,该算法具有较好的视觉隐蔽性和较高的数据嵌入量,而且不需要存储额外的嵌入深度信息.     

一种基于混合蛙跳优化的JPEG图像隐写算法

在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在。为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法。对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息。在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息。仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性。     

一种基于嵌入式隐马尔可夫模型的人脸识别方法

提出一种基于嵌入式隐马尔可夫模型(embedded hidden Markov model, 简称EHMM)的人脸图像识别方法,主要包括: ①由于奇异值向量具有稳定性、转置不变性等特点,故对归一化的人脸图像,可采用奇异值分解抽取人脸图像特征作为观察序列;②在人脸识别中应用嵌入式隐马尔可夫模型,采用多高斯概率密度函数训练、建立EHMM, 再利用建好的EHMM进行识别.实验结果显示,所提方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统的实时性要求.     

基于边信息估计的JPEG图像隐写方法

基于JPEG图像的隐写方法通常利用原始图像的边信息来提高隐写安全性.然而现有的JPEG图像隐写方法在使用边信息时需要提前获取未压缩的原始图像,当原始图像不可获得时,往往不能把边信息用于设计隐写方法.文中提出了一种在不具有未压缩的原始图像的情况下,通过估计图像的边信息来提高JPEG图像隐写安全性的方法.首先,使用卷积神经网络对JPEG载体图像进行恢复,得到估计的原始图像;其次,通过得到的估计图像计算取整误差;然后利用取整误差来控制嵌入过程中离散余弦变换(DCT)系数的修改方向;最后结合DCT系数的失真代价和STC编码来实现隐写嵌入.文中提出的边信息估计方法能够应用于现有的JPEG图像自适应隐写方法,如JC-UED和J-UNIWARD.实验结果表明,该方法能较好地恢复图像的边信息,并能显著提高现有JPEG图像自适应隐写方法的安全性.