基于深度卷积生成对抗网络的半生成式视频隐写方案

生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络（DCGAN）的半生成式视频隐写方案。该方案中,设计了基于DCGAN的双流视频生成网络,用来生成视频的动态前景、静态后景与时空掩模三个部分,并以随机噪声驱动生成不同的视频。方案中的发送方可设定隐写阈值,在掩模中自适应地生成数字化卡登格,并将其作为隐写与提取的密钥;同时以前景作为载体,实现信息的最优嵌入。实验结果表明,该方案生成的含密视频具有良好的视觉质量,Frechet Inception距离（FID）值为90,且嵌入容量优于现有的生成式隐写方案,最高可达0.11 bpp,能够更高效地传输秘密消息。     

结合失真函数的稀疏域图像隐写算法

稀疏域图像隐写利用稀疏表示在载体图像中嵌入秘密信息。提出设计稀疏域图像隐写的失真函数,通过选择使失真函数最小的修改方式进行秘密嵌入,从而减小秘密信息嵌入对载体的影响。实验结果表明,该算法可以在保持图像视觉效果的同时,更有效地抵抗现有的隐写分析算法。     

NFT图像隐写

NFT（non-fungible token）图像为元宇宙中进行创作、交易、分享和收藏的数字艺术作品。不同于自然图像,NFT 图像的内容为用户自主定义,在数据空间分布较广,这为秘密信息的隐藏提供了极大便利,因此借助NFT图像进行隐蔽通信成为图像隐写的一个新分支。提出了一种NFT图像的隐写方法。对一幅给定的 NFT 图像,对高频与边缘轮廓部分进行增强,以丰富图像中有利于掩盖隐写修改痕迹的细节部分,从而使增强后的图像更适合隐写,将其作为载体。根据增强前后图像像素的差异确定载体图像各像素加1或减1的倾向修改方向,并根据此差异调整载体各像素的修改代价以满足确定的倾向修改方向,进一步提升隐写抗检测性。利用主流隐写编码框架在载体图像中进行信息嵌入。实验结果表明,所提方法应用于NFT 图像时的抗检测性优于现有的数字图像隐写方案,对于 HILL、MiPOD、DFEI 隐写方案,所提方法可分别将隐写分析错误率（P_E值）平均提升8.7%、9.2% 、6.2%（所有嵌入率与隐写分析特征情况平均值）。所提方法适用于NFT图像,为除自然图像与生成图像以外的第3类载体（即NFT图像）提供了针对性的隐写方法。待 NFT 图像数量较为可观后,可充分利用神经网络强大的拟合与学习能力,设计深度学习的 NFT图像隐写方法。     

基于生成对抗网络的信息隐藏方案

针对信息隐藏中含密载体会留有修改痕迹,从根本上难以抵抗基于统计的隐写分析算法检测的问题,提出一种基于生成对抗网络（GAN）的信息隐藏方案。该方案首先利用生成对抗网络中的生成模型G以噪声为驱动生成原始载体信息;其次,使用±1嵌入算法,将秘密消息嵌入到生成的载体信息中生成含密信息;最终,将含密信息与真实图像样本作为生成对抗网络中判别模型D的输入,进行迭代优化,同时使用判别模型S来检测图像是否存在隐写操作,反馈生成图像质量的特性,G&D&S三者在迭代过程中相互竞争,性能不断提高。该方案所采用的策略与SGAN（Steganographic GAN）和SSGAN（Secure Steganography based on GAN）两种方案不同,主要区别是将含密信息与真实图像样本作为判别模型的输入,对于判别网络D进行重构,使网络更好地评估生成图像的性能。与SGAN和SSGAN相比,该方案使得攻击者在隐写分析正确性上分别降低了13.1%和6.4%。实验结果表明,新的信息隐藏方案通过生成更合适的载体信息来保证信息隐藏的安全性,能够有效抵抗隐写算法的检测,在抗隐写分析和安全性指标上明显优于对比方案。     

基于风格迁移纹理合成与识别的构造式信息隐藏

传统的信息隐藏算法大都通过修改载体达到隐藏秘密信息的目的,但不可避免地会在载体数据中留下修改痕迹,故常难以抵抗隐写分析技术的检测,为此无载体信息隐藏应运而生.无载体信息隐藏并非不使用载体,而是不对载体数据进行修改.为了提高无载体信息隐藏算法的隐藏容量和鲁棒性,提出了一种基于风格迁移纹理合成与识别的构造式信息隐藏算法.该算法首先选取不同类别的自然图像和纹理图像分别建立内容图像库和纹理风格图像库,并根据内容图像库中自然图像的类别构建二进制码的映射字典;其次为了接收方能够从含密图像中提取出秘密信息,需要构建带标签的纹理图像库,并将其作为训练集输入到卷积神经网络中,通过迭代训练获得纹理图像识别模型.在秘密信息隐藏时,根据秘密信息片段选择对应类别的自然图像,并按照一定的顺序组合成含密拼接图像,随后从纹理图像库中随机选择一张纹理图像,通过风格迁移的方法将含密拼接图像转换成含密纹理图像,从而完成秘密信息隐藏过程.在信息提取过程中,通过纹理图像识别模型可准确识别出含密纹理图像原本对应的图像类别,再对照映射字典即可提取出秘密信息.实验结果表明,所提算法生成的含密纹理图像具有良好的视觉效果,秘密信息隐藏容...     

载体选择型图像隐写算法研究

传统的载体选择式图像隐写需要人工构建图像和秘密信息的关系,且鲁棒性不强.针对这个问题,提出了一种载体选择型图像隐写算法,该方案结合图像检索的思想,使用StarGAN的判别器作为特征提取器,将提取的特征映射为秘密消息,直接构造了图像和秘密消息的映射关系,并采用了特征更新、搜图更新等方式更新关系库,自动化更新映射关系库.实验证明,该方案具有较高的隐写容量和较好的鲁棒性,在图像质量不高时,提取准确率比现有方法提高约6％.     

基于变步长量化的安全图像隐写

图像隐写通过将信息隐藏在载体图像中进行秘密传送,实现隐蔽通信.提出了VSQS图像隐写算法,利用密钥控制生成高斯序列并取整,用于对经伪随机排列后的图像像素进行变步长量化,根据量化像素与秘密信息之间的关系来修改像素,实现信息的嵌入.同时给出了该算法的一种扩展(称为TLQS隐写).实验结果表明,VSQS和TLQS图像隐写可提供较大的隐藏容量,并能抵抗几种常见的隐写分析方法.     

发送方可否认图像隐写

目的 图像隐写是指将秘密信息隐藏到载体图像中,生成含密图像并在公共信道中传输。隐写分析旨在识别图像中是否隐藏秘密信息。不论何种隐写方案,都会在一定程度上被隐写分析识破,从而导致胁迫攻击,即攻击者找到发送方或接收方,胁迫其提交经过验证的秘密信息。为了保护秘密信息的隐蔽通信,对抗胁迫攻击的可否认方案亟待研究。在密码学领域,为了对抗胁迫攻击,已经提出了可否认加密的概念及相关方案并受到关注与研究。而在隐写领域,有研究提出可否认隐写的概念并设计了接收方可否认隐写的框架,但没有发送方可否认隐写的相关研究。对此,本文讨论发送方可否认隐写。方法 设计方案的通用框架,并构造两个方案:基于可逆网络的发送方可否认图像隐藏方案和基于可否认加密的发送方可否认图像隐写方案。在发送方可否认隐写的框架下,发送方可使用虚假的秘密信息生成与攻击者手中相同的含密图像,以欺骗攻击者,逃脱胁迫攻击,保护真实的秘密信息。结果 实验结果表明,两个方案都是可行且有效的,与原始隐写方案相比,可否认方案达到了发送方可否认功能的同时,均不会显著降低含密图像的视觉质量(峰值信噪比(peak signal-to-noise ratio,PSN...     

基于注意力机制的高容量通用图像隐写模型

随着深度学习与隐写技术的发展,深度神经网络在图像隐写领域的应用越发广泛,尤其是图像嵌入图像这一新兴的研究方向.主流的基于深度神经网络的图像嵌入图像隐写方法需要将载体图像和秘密图像一起输入隐写模型生成含密图像,而最近的研究表明,隐写模型仅需要秘密图像作为输入,然后将模型输出的含密扰动添加到载体图像上,即可完成秘密图像的嵌入过程.这种不依赖载体图像的嵌入方式极大地扩展了隐写的应用场景,实现了隐写的通用性.但这种嵌入方式目前仅验证了秘密图像嵌入和恢复的可行性,而对隐写更重要的评价标准,即隐蔽性,未进行考虑和验证.提出一种基于注意力机制的高容量通用图像隐写模型USGAN,利用注意力模块, USGAN的编码器可以在通道维度上对秘密图像中像素位置的扰动强度分布进行调整,从而减小含密扰动对载体图像的影响.此外,利用基于CNN的隐写分析模型作为USGAN的目标模型,通过与目标模型进行对抗训练促使编码器学习生成含密对抗扰动,从而使含密图像同时成为攻击隐写分析模型的对抗样本.实验结果表明,所提模型不仅可以实现不依赖载体图像的通用嵌入方式,还进一步提高了隐写的隐蔽性.     

基于深度学习的图像隐写研究进展

图像隐写是信息安全领域的研究热点之一.早期隐写方法通过修改载体图像获得含密图像,导致图像统计特性发生变化,因此难以抵抗基于高维统计特征分析的检测.随着深度学习的发展,研究者们提出了许多基于深度学习的图像隐写方法,使像素修改更隐蔽、隐写过程更智能.为了更好地研究图像隐写技术,对基于深度学习的图像隐写方法进行综述.首先根据图像隐写过程,从3个方面分析了基于深度学习的图像隐写方法:1)从生成对抗网络和对抗样本2个角度介绍载体图像获取方法;2)分析基于深度学习的隐写失真设计方法;3)阐述基于编码解码网络的含密图像生成方法.然后,分析和总结了无载体图像隐写方法的优缺点,该类方法无需载体图像即可实现图像隐写,因此在对抗统计分析方面存在天然优势.最后,在深入分析与总结基于深度学习的图像隐写与无载体图像隐写2类方法优缺点的基础上,对图像隐写的发展方向进行了探讨与展望.     

无损载体和鲁棒代价结合的JPEG图像鲁棒隐写

目的 传统隐写技术在实际社交网络信道上难以保护秘密信息的完整性。在社交网络中,图像往往经过有损压缩信道进行传输,从而导致隐蔽通信失效。为了保证经过压缩信道传输的载密图像鲁棒性,设计安全鲁棒的隐蔽通信技术具有实际应用价值。基于最小化图像信息损失,本文提出无损载体和鲁棒代价结合的JPEG图像鲁棒隐写。方法 首先,指出构造无损载体能有效维持隐写安全性和鲁棒性的平衡,对经过压缩信道前后的JPEG图像空域像素块进行差分,构造无损载体以确定鲁棒嵌入域;其次,通过对离散余弦变换（discrete cosine transform,DCT）系数进行“±1”操作,并计算空域信息在压缩传输前后的损失,设计衡量DCT系数抗压缩性能的鲁棒代价;同时,验证在低质量因子压缩信道下鲁棒代价更能区分DCT系数的鲁棒能力,最后,利用校验子格编码（syndrome-trellis code,STC）,结合无损载体和鲁棒代价对秘密信息进行嵌入。结果 实验在BossBase1.01图像库上进行对比实验,相比于传统JPEG隐写技术,构造无损载体作为嵌入域能有效地将信息平均提取错误率降低24.97%,图像的正确提取成功率提高了21.35%;在此基础上,鲁棒代价进一步将信息平均提取错误率降低1.05%,将图像的正确提取成功率提高16.12%,验证了本文方法显著提高了隐写抗压缩性能。与J-UNIWARD （JPEG universal wavelet relative distortion）、JCRISBE （JPEG compression resistant solution with BCH code）和AutoEncoder （autoencoder and adaptive BCH encoding）3种现有典型隐写方法相比,提出的方法信息平均提取错误率分别降低了95.78%、93.17%和87.38%,图像的正确提取成功率为另外3种隐写方法的86.69倍、30.74倍和4.13倍。图像视觉质量逼近传统隐写方法,并保持较好的抗检测性。结论 本文提出的抗低质量因子JPEG压缩鲁棒隐写方法,获得的中间图像在经过压缩信道后,具有较强的抗压缩性和抗检测性,并保持较高的图像质量。     

基于信息隐藏技术的木马植入方法

针对互联网木马存在易被溯源追踪的问题,提出一种基于多媒体文件的新型木马方案,利用信息隐藏算法将木马程序作为秘密数据嵌入到载体图像中。渗透成功后,对盗取的数据在本地进行加密之后同样隐写到载体图像并上传至社交网络,攻击端通过开放的社交网络下载并提取秘密数据。实验显示,所设计的JPEG图像信息隐藏算法性能良好,基于该隐藏算法的木马渗透方案在隐蔽性、抗取证、防追踪以及穿透审计等特点上优于已有的图片木马。社交网络中此类木马可造成用户隐私泄露,所以最后给出了一些防范措施。     

不携密的安全批量隐写模型

采用数字图像的缩放算法,提出了一种符合绝对安全性定义的批量隐写模型。通过对隐秘图像进行分块,利用缩放算法推演隐秘信息,载体图像不直接携带隐秘信息。首先,选取n幅载体图像,通过特定算法将载体图像放大到指定倍数;然后,推出秘密图像的像素信息与新图像中像素信息的相关性;最后,再缩小为原图大小进行传输。由于未直接修改图像像素,提取密图不需原始图像,提高了隐秘信息的安全性。实验结果和分析表明了算法的有效性,适用于图像隐蔽通信。     

基于数字图像三角形剖分的信息伪装算法

提出按像素的灰度值作图像区域非均匀剖分的思想,并利用这种思想实现了一种信息伪装算法.视像素的灰度值为拟合数据,用最小二乘法作数据拟合,得到数字图像的自适应非均匀剖分算法,并以图像的非均匀三角剖分为例给出了详细剖分过程.将保密图像的三角剖分信息用四进制数记录,并对公开的数字图像作相同的剖分,将剖分信息及保密图像的灰度信息隐藏于公开的图像中,利用三角形剖分下图像的重构,即得到一种图像信息伪装新算法,其突出优点在于极大地降低了编码和解码的时间.通过不同类型图例的实验,表明带隐藏数据的伪装图像不易被察觉带有隐藏信息, 并且重构图像的质量较好,是一种可行的信息伪装新算法.     

一种基于七巧板游戏的数字图像信息伪装方法

提出一种基于七巧板游戏的数字图像信息伪装方法，将机密数字图像和载体图像都分成适当的小块，按一定的条件寻找最佳匹配关系，然后将描述匹配关系的参数经编码后隐藏在载体图像中，到接收方提取参数，利用匹配关系恢复出机密图像。     

隐写术的研究与应用

近几年来,隐写术领域已经成为了信息安全的焦点.因为每个Web站点都依赖多媒体,如音频、视频和图像.隐写术这项技术可以将秘密信息嵌入到数字媒介中而不损坏它的载体的质量.第三方既觉察不到秘密信息的存在,也不知道存在秘密信息.因此密钥、数字签名和私密信息都可以在开放的环境(如Internet,或者内联网)中安全的传送.主要介绍隐写术的基本原理以及各方面的应用.     

一种基于LBP的纹理合成无载体信息隐藏方法

为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。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,而且在嵌入容量和抗干扰能力方面有了进一步提高。     

基于迭代混合的数字图像隐藏技术

提出了数字图像的单幅迭代混合和多幅迭代混合思想．利用图像的迭代混合可以将一幅图像隐藏于另一幅图像之中，多幅迭代混合可将一幅图像通过一组图像隐藏起来，迭代混合参数还可以作为隐藏图像的密钥，极大地提高了系统的安全性和隐藏图像的健壮性，图像迭代混合思想还可以应用到数字水印的研究与应用中．实验分析显示，该方法简单易行，并且算法具有一定程度的鲁棒性．