HUGO 隐写算法 外文翻译

《HUGO 隐写算法 外文翻译》由会员分享，可在线阅读，更多相关《HUGO 隐写算法 外文翻译（12页珍藏版）》请在金锄头文库上搜索。

1、使用高维图像模型完成高难检测隐写技术1使用高维图像模型完成高难检测隐写技术Using High-Dimensional Image Models toPerform Highly Undetectable Steganography学 院（系）： 专 业： 学 生 姓 名： 学 号： 指 导 教 师： 完 成 日 期： 使用高维图像模型完成高难检测隐写技术2使 用 高 维 图 像 模 型 完 成 高 难 检 测 隐 写 技 术Tom Pevn1, Tom Filler2, andPatrickBas31捷克理工大学2纽约州立大学3法国国家科学研究院摘 要 ： 本 文 提 出 了 一 套 完 整

2、 的 方 法 论 ， 来 设 计 用 于 数 字 媒 体 的 实 用 性 高 度 隐 蔽 隐 写 系 统 。其 中 主 要 的 设 计 原 则 是 使 用 高 效 编 码 算 法 使 适 当 定 义 失 真 最 小 。 分 析 者 将 失 真 定 义 为 特征 向 量 的 加 权 差 ， 该 特 征 向 量 已 在 隐 写 分 析 中 使 用 。 通 过 “保 留 ”分 析 者 使 用 的 模 型 ， 更大 的 负 荷 量 都 难 以 察 觉 。 即 使 所 使 用 嵌 入 器 特 征 集 的 维 数 大 于 107， 这 个 框 架 也 可 以 有 效地 实 现 。 高 维 模 型 对 于

3、避 免 已 知 的 安 全 弱 点 很 有 必 要 ， 因 为 此 种 模 型 将 会 给 隐 写 分 析 带来 问 题 ， 这 也 是 高 维 模 型 能 够 在 隐 写 术 中 使 用 的 原 因 。 本 文 介 绍 了 HUGO 算 法 ， 其 为 一 种新 的 空 域 数 字 图 像 嵌 入 算 法 ， 并 对 比 其 与 LSB 匹 配 算 法 性 能 上 的 差 异 。 基 于 BOW2 图 像库 ， 可 以 看 到 在 相 同 的 安 全 级 别 下 HUGO 算 法 的 隐 藏 能 力 是 LSB 匹 配 算 法 的 7 倍 。1 引言囚 犯 模 型 中 ， Alice和 Bo

4、b之 间 进 行 隐 秘 通 信 的 主 要 目 的 是 传 送 一 个 隐 藏 了 秘 密 信 息 的普 通 物 体 ， 而 不 让 监 狱 长 Eve检 测 到 。 如 果 一 个 隐 写 系 统 的 载 体 分 布 与 隐 密 分 布 完 全 匹 配 ，则 称 其 为 完 全 安 全 的 系 统 。 “cover generation”针 对 这 个 问 题 提 出 了 解 决 方 案 ， 但 这 种 解决 方 案 要 求 对 载 体 的 概 率 分 布 有 确 切 地 了 解 。 而 在 实 践 中 ， 载 体 的 概 率 分 布 很 难 从 实 际的 数 字 媒 体 中 获 取 。

5、最 常 用 且 最 实 际 的 解 决 方 法 是 通 过 制 造 小 扰 动 来 隐 藏 信 息 ， 并 希 望这 些 扰 动 能 被 图 像 噪 声 覆 盖 掉 。数 字 图 像 中 最 流 行 的 嵌 入 方 法 之 一 是 最 低 有 效 位 (LSB)替 换 法 ， 该 算 法 将 个 别 载 体 元素 的 最 低 有 效 位 被 替 换 成 信 息 比 特 。 但 人 们 很 快 意 识 到 ， 这 种 嵌 入 操 作 导 致 的 不 对 称 性成 为 一 个 潜 在 的 弱 点 ， 因 此 促 进 了 高 精 度 针 对 性 隐 写 分 析 仪 的 发 展 ， 所 以 这 种 方

6、 法 的 安全 有 效 载 荷 几 乎 为 零 。将 LSB替 换 法 简 单 改 进 ， 就 是 LSB匹 配 算 法 （ 通 常 称 为 1嵌 入 法 ） 。 该 算 法 将 像 素 值随 机 地 1， 使 得 像 素 的 最 低 有 效 位 与 秘 密 信 息 相 对 应 。 尽 管 与 LSB替 换 方 法 类 似 ， 但 LSB匹 配 算 法 很 难 被 检 测 ， 因 为 该 算 法 的 嵌 入 操 作 变 得 平 衡 。 实 践 证 明 ， 当 只 利 用 单 个 像 素使用高维图像模型完成高难检测隐写技术3中 的 信 息 时 ， LSB匹 配 算 法 是 最 接 近 最 优 的

7、 方 法 。 LSB匹 配 算 法 最 大 的 缺 陷 是 假 设 了 像 素 与像 素 之 间 的 图 像 噪 声 相 互 独 立 ， 但 在 自 然 图 像 中 这 种 假 设 往 往 不 成 立 ， 检 测 器 也 常 常利 用这 一 缺 陷 来 进 行 检 测 。通 过 对 空 域 隐 写 术 的 简 短 综 述 ， 可 以 很 清 楚 地 看 到 这 些 嵌 入 算 法 是 不 安 全 的 ， 主 要是 因 为 这 些 方 法 使 用 的 图 像 模 型 不 够 普 通 ， 而 且 一 些 边 缘 和 连 接 处 图 像 的 统 计 特 性 也 没有 保 存 。 本 文 提 出 了

8、一 种 新 颖 的 方 法 来 设 计 隐 写 算 法 ， 通 过 使 用 非 常 普 遍 且 高 维 的 模 型 ，隐 写 算 法 变 得 更 为 安 全 ， 这 种 高 维 模 型 涵 盖 了 自 然 图 像 中 存 在 的 各 种 依 赖 关 系 。该 方 法 以 嵌 入 影 响 最 小 的 原 则 为 依 据 ， 这 一 原 则 会 在 第 二 节 当 中 介 绍 。 基 于 这 一 原则 就 可 将 图 像 隐 写 算 法 的 设 计 分 解 成 图 像 模 型 的 设 计 和 编 码 器 两 部 分 ， 因 此 使 用 更 好 的编 码 器 或 是 使 用 更 好 的 模 型 都

9、能 使 隐 写 算 法 得 到 提 高 。 所 以 ， 图 像 模 型 成 为 系 统 设 计 最重 要 的 部 分 之 一 ， 第 三 节 重 点 介 绍 了 这 一 问 题 。 经 分 析 ， 如 果 拓 展 后 的 隐 写 分 析 特 性 能够 避 免 对 特 定 隐 写 分 析 仪 的 过 度 拟 合 ， 就 能 用 来 设 计 隐 写 模 型 。 尽 管 这 样 隐 写 模 型 的 维数 很 大 ， 但 对 于 隐 写 术 来 说 ， 高 维 模 型 并 不 构 成 问 题 。 在 第 四 节 中 ， 通 过 构 造 基 于SPAM（ Subtractive Pixel Adjace

10、ncy Matrix） 特 性 的 一 种 新 型 空 域 隐 写 算 法 ， 验 证 了 本 文 提出 的 方 法 。 通 过 实 验 ， 研 究 者 针 对 所 提 出 这 一 方 案 的 安 全 性 和 各 个 设 计 元 素 对 安 全 性 的影 响 得 出 了 结 论 ， 详 见 第 五 章 。本 文 中 提 到 的 思 想 可 以 在 之 前 的 技 术 手 段 中 看 到 。 （ a） 几 乎 所 有 隐 写 算 法 的 目 标 都是 使 失 真 最 小 ， 从 而 保 留 一 些 图 像 模 型 。 图 像 模 型 不 仅 可 以 从 图 像 本 身 得 到 （ 如F5算 法

11、及其 改 进 算 法 ， 基 于 模 型 的 隐 写 术 ， 等 等 ） ， 也 能 从 量 化 引 入 的 误 差 中 得 到 。 后 一 类 的 算法 （ MMX19及 其 改 进 算 法 25， PQ12等 ） 使 用 高 质 量 图 像 中 的 “边 缘 信 息 “， 这 些 是不 提 供 给 接 收 方 的 （ 和 Eve） 。 （ b） 许 多 算 法 （ F5 30, nsF5 13, MMX 19和 25） 已经 开 始 利 用 各 种 各 样 的 编 码 方 案 来 使 得 失 真 最 小 。 早 期 的 方 案 （ 如 F5和 LSB匹 配 算 法 ） 使用 编 码 来 使

12、 嵌 入 的 变 化 量 最 小 ， 而 MMX算 法 允 许 有 比 最 优 值 更 大 的 嵌 入 变 化 量 ， 来 减 少总 体 的 失 真 。 因 此 ， MMX可 以 看 做 通 过 编 码 的 手 段 使 得 本 地 内 容 自 适 应 嵌 入 的 算 法 ， 这与 本 文 提 出 的 方 案 很 接 近 。相 对 于 上 述 的 成 果 来 说 ， 本 文 的 主 要 贡 献 如 下 ： （ a） 提 倡 在 隐 写 术 中 使 用 不 可 用 于图 像 隐 写 分 析 的 高 维 图 像 模 型 。 （ b） 将 图 像 模 型 和 编 码 算 法 分 开 ， 通 过 模 拟

13、 最 优 编 码 ，并 在 没 有 编 码 影 响 的 情 况 下 对 比 图 像 模 型 。 此 外 ， 当 在 嵌 入 过 程 中 同 时 考 虑 所 有 像 素 时 ，消 息 还 能 隐 藏 在 图 像 中 难 以 进 行 信 息 隐 藏 检 测 的 部 位 。该 方 案 可 以 当 成 自 适 应 算 法 ， 但 是 在 通 常 使 用 的 方 法 中 此 方 案 却 不 是 自 适 应 的 ， 当选 定 第 一 个 合 适 的 像 素 14,9,8（ 如 在 有 噪 和 纹 理 的 区 域 的 像 素 ） 后 ， 只 要 修 改 所 选 择 的使用高维图像模型完成高难检测隐写技术4像

14、 素 即 可 ， 而 不 用 将 消 息 插 入 图 像 （ 例 如 ， 使 用 湿 纸 码 ） 。 该 方 案 总 是 使 用 全 部 的 像 素用于 嵌 入 过 程 ， 但 像 素 的 变 化 率 与 像 素 变 化 的 可 检 测 性 成 反 比 。文 中 使 用 了 以 下 表 示 法 ， 小 写 的 黑 体 符 号 用 来 表 示 向 量 ， 大 写 的 黑 体 符 号 用 来 表 示矩 阵 和 可 能 的 张 量 。 符 号 和 专 门 用 来 表 示 个 像 素 的215,.0)(nijxX)(ijyY载 体 图 像 和 隐 密 图 像 的 强 度 。 为 了 简 单 起 见 ，

15、 有 时 用 一 位 数 来 做 像 素 的 索 引 值 ，与 隐 写 图 像 同 理 。nix1)(Xniy1)(Y2 嵌入失真最小化几乎所有实用的数字媒体隐写算法都追求使自组嵌入失真最小11,6，如果适当地定义，失真与可检测性是相关联的。在其最简单的形式中，嵌入失真仅仅指像素值改变的数量（被称为矩阵嵌入），但是应考虑更多常规的形式。一般情况下，嵌入失真由一个非负的失真度量值 来表示。在嵌入过程中，该算法需要找到一,0:D个隐密图像 Y 既能传递给定的消息，又能使得的值最小，但此问题在实际情况下一般很难解决。基于这一原因，为了更好的研究文中做了以下几点约束：(a) 二进制嵌入变化，也就是|xiyi|1, i1,.,n (b)该形式下的失真度量值具有可加性* MERGEFORMAT |),(1iiniyxDYX* MERGEFORMAT (1)常数 0i 是表示像素变化导致失真量的固定参数，i =时该像素即为所谓的湿润像素，湿润像素不允许在嵌入过程中进行修改。值得注意的是，失真函数 D 的可加性也隐含了嵌入变化之间没有相互作用这一条件，这是一个合理的假设，特别是当嵌入率很低且嵌入的变化之间相隔甚远时。但是有一种重要的失真测量不可以写成这种形式，这种情况将在第四节介绍。对于可加的失真函数（1），下面的定理1给出了在 n 个