结合块旋转和马赛克拼图的生成式伪装方法

目的 搜索式无载体信息隐藏容量低,涉及大量载体密集传输;纹理合成无载体隐藏只能生成简单质地的纹理图像;马赛克拼图信息隐藏尽管能产生有意义图像,但需修改嵌入参数。针对以上问题,提出一种结合块旋转和马赛克拼图的生成式伪装方法。方法 将灰度图像进行圆形化并添加随机转角构建马赛克,通过随机坐标决定秘密信息的隐藏位置;在隐藏位置,根据密钥和放置位置来放置代表秘密比特串的圆形图像和施加认证转角,对于非隐藏位置则放置最接近圆形图像来掩盖秘密信息;将放置过程产生的偏差通过误差扩散分散给周围未处理像素。在提取时,结合质心旋转匹配提取秘密比特并进行转角认证。结果 采用圆形图像表达秘密信息而不涉及修改式嵌入,通过马赛克拼图产生有意义含密掩体,可通过质心旋转匹配提取秘密比特并进行转角认证。对密钥严格依赖,在遭受质量因子为50~80的JPEG压缩和随机转角攻击时,秘密信息可完整恢复,在遭受强度为8%~20%的椒盐噪声攻击时,提取信息的误码率低于5%,且对秘密信息的认证成功率均在80%以上。结论 所提方法具有较好的抗攻击能力,可抵御信道攻击且具备较高的安全性。     

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。     

一种可信任的大容量无载体信息隐藏方案

提出一种以线性码原理和混沌映射理论为基础的无载体信息隐藏方案.通过提取图像的像素矩阵,利用线性码原理和混沌映射理论先后对矩阵信息作可验证处理和加密处理,最后通过一系列变换建立图像与密文信息的对应关系,从而实现无载体信息隐藏.实验和分析表明,该方案保证了信息的安全性,增强了随机性,同时具有可验证性,这使得提出的信息隐藏方案是可信任的.另外相比于其他方案,该方案的隐藏容量有了很大的提升,并且大大减少了信息库的存储资源消耗.     

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...     

一次性口令认证方案的研究与改进

研究了动态口令技术,分析了文献[4]中一个简单的一次性口令认证方案,发现原方案不能抵御冒充服务器攻击并且认证信息以明文方式进行传输,通过引入公钥加密算法对原方案进行改进,改进的方案不仅能防止重放攻击,而且能够抵御冒充服务器攻击,具有更高的安全性。     

基于图像混沌块置乱和DWT变换的无载体信息隐藏研究

无载体隐写通过提取载体特征,与信息序列进行映射,从而无需修改载体即可实现对秘密信息的隐藏,因此,具有极强的抗隐写分析能力,但是已有算法在隐藏容量方面仍然有限,且大多需要构建大样本图像库。本文提出一种基于混沌块置乱和离散小波变换（Discrete wavelet transform,DWT）的无载体信息隐藏算法,从秘钥中提取混沌变换的相关参数,对载体图像进行混沌块置乱生成多张新图像,再对其进行分块DWT变换,根据相邻图像块低频DWT系数之间的关系生成对应的哈希序列,并构建相应索引库。将载体图像及秘钥发送给接收方,实现秘密信息的传递。实验表明,与现有算法相比,该算法获得了隐藏容量和隐藏成功率的较大提升,具有较强的鲁棒性。同时,该算法架构简单,传输负载小,具有较强的实用价值。     

基于一维离散混沌映射的图像加密算法分析

指出文献[1]设计的加密算法中的替代变换算法不能抵抗已知明文攻击，由极少的明密文对就可求出密钥；且置换变换算法没有提供足够的密钥空间。据此提出了一种对该算法的攻击方案，并用实例对该加密算法进行攻击，证明攻击方案完全有效。同时，也提出了对该算法的改进建议。     

结合随机映射和改进缝合线的纹理合成隐藏

传统修改式信息隐藏无法抵抗密写分析的检测,纹理构造式信息隐藏只能生成简单质地的纹理,不能对秘密信息进行有效掩盖,纹理拼接式信息隐藏,秘密信息与样本小块之间存在着固定的映射关系以及码块间的区别特征,会导致信息泄露,降低其安全性。针对以上问题,提出了一种结合随机映射和改进缝合线的纹理合成隐藏方法。首先将样本图像划分为样本小块并依据样本小块均值划分为不同类别,然后通过建立起秘密信息分段和样本小块类别间的随机映射关系来编码秘密信息并将其放置在空白图像的特定位置上,最后按改进缝合线纹理合成方法将放置小块与相邻小块进行纹理合成并生成含密纹理。实验结果表明,该方法可通过合成纹理来对秘密信息进行掩盖,秘密信息分段和编码样本小块不一一对应,该方法完全依赖于用户密钥且具备一定的抗攻击能力。     

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象~([1])。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息~([2])。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型~([3])提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。     

基于NSST变换与粒子群优化的鲁棒水印算法

为增强水印图像的视觉隐秘性并抵御几何失真能力,设计NSST变换耦合粒子群优化的鲁棒水印算法。提取图像对应的Y(亮度)、U(色度)、V(浓度)成分;引入非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST),对Y、U和V实施分解,形成对应的低频子带,将其分割为若干个子块;建立粒子群算法的适应度函数,优化子块的嵌入强度;构建水印嵌入方法,将水印信息隐藏到NSST系数中;构建训练图像集,计算这些样本的多元极谐变换(quaternion polar harmonic transorm,QPHT)矩,从中确定8个QPHT系数;训练支持向量机,预测攻击参数;构建水印检测方法,从校正图像中提取水印。测试数据表明,较已有的鲁棒水印技术而言,所提方案具有更高的不可感知性与抵御几何攻击的能力。