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。     

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.     

基于图像翻译的载体选择式图像隐写方案

针对基于载体选择的隐写算法存在的安全问题,提出了一种基于图像翻译的载体选择式图像隐写方案.发送方按载体选择的方法从图像库中选取秘密信息并得到含密图像,然后输入到跨域变换模型中进行跨域变换,生成跨域图像并传递给接收方;接收方将跨域图像输入到发送方,由线下传递的跨域变换模型中得到含密图像,然后依据映射关系库将含密图像逆向转化为秘密信息.实验结果表明,所提出的方案在容量、抗检测性和安全性方面均有明显提升.     

基于图像Bag-of-Words模型的无载体信息隐藏

介绍一种基于bag-of-words（BOW）模型的无载体信息隐藏方法。该方法使用BOW模型提取图像的视觉关键词（visual words,VW）以表达待隐藏的文本信息,从而实现文本信息在图像中的隐藏。首先使用BOW模型提取图像集中每幅图像的VW,构建文本信息的关键词和VW的映射关系库;然后把每幅图像分为若干子图像,统计每一幅子图像的VW频数直方图,选择频数最高的VW表示该子图像;最后根据构建的文本关键词和子图像VW的映射关系库,搜索出与待隐藏文本信息存在映射关系的子图像序列,将含有这些子图像的图像作为含密图像进行传递。实验结果和分析表明,该隐藏算法在抗隐写分析、鲁棒性和安全性方面均有良好的表现。     

一种图像块旋转的马赛克拼图伪装隐写

为了提高无载体隐写效率以及隐写鲁棒性,提出了一种图像块旋转的马赛克拼图伪装隐写方法。首先在发送端将共享图像库中利用密钥随机选择的图像缩小并调整色调,再依据秘密信息和密钥对每个图像块添加随机旋转角度形成编码图像,最后将编码图像按规则排列产生含密马赛克图像;接收端依据密钥去除随机旋转,读取编码图像旋转角度获得秘密信息。实验结果表明,所提方法在嵌入容量方面优于其他无载体隐写方法,在鲁棒性方面也有良好的性能。     

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.     

利用自适应像素对匹配的图像纹理区隐写

图像纹理区结构随机性较强,因此在纹理丰富区域嵌入隐蔽信息比在平坦区域嵌入的安全性更高。提出一种基于自适应像素对匹配法（adaptive pixel pairmatching,APPM）的纹理区隐写算法,优先在复杂纹理区嵌入密信。定义了图像纹理区域判别准则,由此根据待嵌入秘密信息的长度调整阈值,实现自适应隐写。在嵌入过程中可能出现嵌密块纹理复杂度小于阈值的异常情况,为解决这一问题,算法包含了基于最小失真的像素值局部调整策略。实验结果表明,该算法的嵌入效率高于原始APPM算法,而且KL距离较小,抵抗几种常用隐写分析算法的能力也比其他几种代表性算法LSB和APPM更强。     

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.     

基于显著性分类的数字图像自嵌入方法

数字图像自嵌入与恢复是在图像中嵌入与自身相关的信息,用于接收端判断图像是否被篡改并恢复被篡改区域的内容. 提出一种基于显著性分类的数字图像自嵌入方法,根据图像自身的特点对图像进行分类,动态决定每个区域的参考数据量和嵌入容量,采用喷泉码对参考数据进行编码,并将其嵌入到原图像的不同区域中. 与传统方法相比,所提出的方法主要有以下两点优势：在生成参考数据方面,所提出的方法可根据内容分类确定编码长度,在保证整体恢复质量的同时,能重点保护显著性区域;在数据嵌入方面,选择在不同区域中嵌入不等的数据量,可避免传统均匀嵌入法导致图像伪轮廓等缺陷,保证含密图像具有良好的质量.     

可提高嵌入容量的密文医学图像可逆数据隐藏方法

提出一种密文图像中的可逆数据隐藏系统,可在加密的医学图像中嵌入附加信息,还可无损恢复原始图像.系统包括发送端、服务器端和接收端三部分,发送端使用流密码对原始医学图像进行加密并发送到服务器端;服务器端使用基于循环移位的方法在密文中隐藏附加信息,同时不改变密文图像的数据量;接收端下载含附加信息的密文图像,不仅可提取附加信息,还可无损恢复原始医学图像.与传统方法相比,该方法提高了密文中的数据嵌入容量.     

应用二值图像信息隐藏技术实现彩色图像中的安全隐写

该文提出一种以彩色图像为载体的安全隐写方法,应用二值图像信息嵌入技术,将隐蔽信息隐藏在颜色分量的较高层位面中,可实现优良的隐蔽性和较大的嵌入量.所使用的二值图像数据隐藏方案包括一组完备的规则,能够准确判断边缘像素是否可承载嵌入数据,保证嵌入数据的无差错盲提取,并可引入密钥以增强安全性.实验表明,在彩色图像中数据嵌入量达到每像素1.5 bits时视觉不可察觉,峰值信噪比保持在40 dB以上,直方图无异常,并能抵御多种有效的隐写分析算法,兼顾了隐蔽信息容量和安全性.     

可分离加密域可逆数据隐藏方案

利用图像测试,提出了一种可分离加密域可逆数据隐藏算法,能获得质量较高的直接解密图像.加密方在图像流加密之前进行图像测试并生成位置图,嵌入方根据位置图将秘密信息嵌在选中像素的高位,接收方在相邻像素相关性基础上通过一种自适应差值算法实现可逆性.若全部嵌在选中像素的第8位,得到的直接解密图像质量较差;若全部嵌在选中像素的第7位,则无法实现无失真恢复.针对这两个缺点,该文在保证无失真恢复同时获得了质量较高的直接解密图像.实验表明所提出的算法有效,且性能优良.     

基于统计特性的LSB密写分析

提出一种基于统计特性的LSB密写分析方法,这种方法根据密写对原始数据统计特性的影响来判断秘密信息的有无.实验结果给出了不同阈值时的检测性能,当秘密信息量较大时,两类错误概率都可以得到有效控制.     

基于超图的图像隐写方法

提出了一种基于超图的图像隐写方法. 该方法先对像素分组,再根据像素之间的可交换关系构造超边,用超边的集合（超图）来表示图像,用局部最优的贪婪算法寻找超图的匹配来完成隐秘信息的嵌入. 为了说明该方法的有效性,在对载体图像修改方面,与传统的基于图论的隐写方法进行比较;在抗攻击性能方面,与已有的其他空间域方法进行实验比较. 实验结果表明,相对于基于图论的方法,文中提出的方法对载体图像像素的修改更小,增强了含密图像的视觉质量,其抗攻击性能也优于现有的其他空间域方法.     

混合蛙跳优化决策面的LSB±k隐写算法

针对现有智能优化改进隐写不能对高维特征同时进行优化的问题,提出了一种混合蛙跳优化决策面的改进LSB±k隐写算法(记为SFLA-LSB±k).不同于其他优化改进隐写中尽可能减少图像载密前后某种特征变化的策略,在SFLA-LSB±k中,通过优化载密图像的特征变化,使载密图像特征变化方向随机化,导致分类器无法训练出一个能对载体与载密图像进行分类的决策面,从而达到抵抗分析的目的.实验结果表明,与标准的LSB±k隐写和相关PSO优化改进LSB±k隐写相比,SFLA-LSB±k有效提高了LSB±k的安全性,特别是当k取1时,该算法针对78维特征隐写分析的AUC值可下降到0.5637.