法律状态公告日
法律状态信息
法律状态
2014-04-09
未缴年费专利权终止 IPC(主分类):H04L9/00 授权公告日:20110406 终止日期:20130216 申请日:20060216
专利权的终止
2011-04-06
授权
授权
2008-12-31
实质审查的生效
实质审查的生效
2007-08-22
公开
公开
技术领域
本发明属通信与信息安全技术领域,具体是基于混沌系统的抗统计分析图像信息隐藏方法。
背景技术
信息隐藏是信息安全领域的重要研究课题之一,它通过把信息嵌入到图像、视频、声音或其它数字媒体中进行传输,以达到秘密通信的目的。在众多图像信息隐藏方法中,LSB(Least Significant Bits,最低有效位)隐藏以其隐蔽性好、信息隐藏量大且易于实现等优点而被广泛采用。很多公开的信息隐藏软件如:S-Tools、EZStego和Steganos等都采用了这种方法。
近年来出现了一些针对图像空域LSB隐藏的分析方法,能够比较精确地判断图像中是否含有LSB隐藏信息,比较重要的有χ2-分析方法[1]、RQP分析方法(Raw Quick Pairs Method)[2]、RS分析方法(Regular and Singular GroupsMethod)[3]、SPA分析方法(Sample Pairs Analysis)[4]等。其中,χ2-分析方法对信息顺序嵌入的图像,能提供比较可靠的检测结果。文[5]指出:如果把该思想运用到图像中更小的部分时,还能检测随机离散的信息。RS分析方法通过统计图像中正则组和奇异组的数量来估计嵌入长度,适合于彩色或灰度图像,当信息非顺序嵌入时可以比较精确地估计隐藏长度。SPA方法基于样本对进行统计分析,当嵌入在LSB上的信息的比例大于3%时,该方法能以相当高的精度估计出隐藏信息的长度。文[6][7]通过大量的实验评估了RS和SPA等分析方法的可靠性,指出在众多LSB隐藏分析方法中,RS方法和SPA方法是目前出现的LSB隐藏分析方法中,检测效果最好的两种方法,并对这三种方法给出了多种改进方案。文[14]提出了一种基于图像差分直方图的LSB信息隐藏检测方法,该方法也是一种重要的统计分析方法,其性能和RS分析方法相当。
为了抵抗现有分析技术的攻击,进行安全的信息隐蔽传输,需要研究安全性更高的隐藏方法。事实上,上述方法中大多数方法都是基于某些自然图像满足的统计假设。正因为这些假设对自然图像来说是成立的,从而为隐藏者避免上述方法的检测提供了可能。事实上,隐藏者为了避免隐藏行为被攻击者发现,可以有意识地对嵌入信息后的图像进行调整,使得载密图像仍然满足那些重要的假设条件。针对RS分析方法,文[8]给出了一种SES方法,通过对载体图像置乱后像素值随机加1或减1来嵌入秘密信息,并利用图像未嵌入信息的部分来调节RS统计度量。采用该方法时,用来调整RS统计度量的像素越多,能被RS检测出来的可能性就越小,换言之,隐藏的信息量不能过大,作者推荐应当有超过50%的
像素被用来调整RS统计度量,遗憾的是作者没有给出任何有关调整的细节知识,同时我们对SES方法进行了实验,发现如果不进行补偿,抗RS分析的效果不甚理想。文[9]通过选择适当的嵌入位置也给出了一种抵抗RS攻击的隐写算法,但其嵌入率至多为20%。文[10]首先采用伪随机游走的方式将秘密信息的每一比特对应于原始图像的一个像素。如果信息比特与载体像素灰度值的最低有效位相同,则不作改动;如果不同,则要加1或减1以保证隐写后的像素灰度值的最低有效位与信息比特相同。文[10]对嵌入率为10%的图像进行了实验,结果表明该方法可以有效抵抗RS和χ2-统计等方法的攻击。由于该方法抵抗RS分析的能力强弱依赖于像素值加减1的比率的选取,如果选取的不恰当,该方法可能不能有效抵抗RS分析方法的攻击。
发明内容
本发明的目的是基于RS方法的前提假设,提供一种可抵御RS等统计分析方法的动态补偿LSB隐藏方法,简记为RRS(the Resist-RS method)。
为实现上述目的,本发明采用的技术方案为:该方法首先基于混沌系统产生的随机序列选择嵌入位置,然后进行空域LSB随机嵌入,并对嵌入后的图像进行动态补偿,补偿后的图像即使在嵌入比率接近于100%的情况下,仍然能够抵御RS的分析。进行像素值补偿的区域位置和形状可以是任意的,例如:矩形、圆形或者三角形区域。将混沌系统的初值和图像补偿区域的选择参数作为隐藏系统密钥的一部分,提高了系统的安全性。最后我们采用一个混沌系统的具体实例实现信息LSB嵌入,并通过行扫描、平均方块间隔这两种方式对载密图像进行了动态补偿实验。结果表明:即使图像中嵌入比率接近于100%时,本方法也能有效抵抗RS方法的攻击。
本发明具有较大的嵌入容量和较高的安全性,能够抵抗多种经典统计分析方法的检测。同时,该方法实现起来较为容易,具有较强的实用性。
附图说明
图1是RS曲线示意图;
图2(a)是原始Lena图像;
图2(b)是偏离度对检测结果的影响曲线图;
图3是RSS方法模型方框原理图;
图4是红色分量255修改为0后的情形(彩色Lena图像);
图5(a)、5(b)、5(c)、5(d)分别是载体图像、秘密信息、嵌入信息后的图像和提取出的信息示意图;
图6(a)、6(b)分别是平均间隔法选取图像补偿区域和Lena图像采用平均间隔法补偿前后RS检测结果示意图。
具体实施方式
1、RS分析方法原理
文献[3]给出了RS分析方法的原理。假定载体图像中像素取值属于一个集合V。如对于8-bit灰度图像,V={0,1,Λ,255}。利用描述函数f来考察图像空间相关性,f表示一个实数f(v1,Λ,vn)和由n个空间上连续的像素组成的像素组G=(v1,Λ,vn)之间的对应关系。例如:用