隐写

摘要： 基于运动矢量的视频隐写算法通常会破坏运动矢量的局部最优性,这种统计特性的破坏容易被对应的隐写分析算法所检测,致使算法的抗隐写检测性能降低,隐写安全性受到威胁。为降低对运动矢量局部最优性的破坏,在分析运动矢量的修改对视频质量和运动矢量局部最优性影响的基础上,提出一种基于宏块复杂度的视频隐写算法,选择低复杂度的宏块运动矢量作为隐写载体,有效地保持了嵌入信息后运动矢量的局部最优性。首先利用希尔伯特填充曲线对宏块像素进行扫描并定义复杂度,然后统计宏块复杂度,根据待嵌信息长度动态确定嵌入阈值,最后选择复杂度低于嵌入阈值的宏块运动矢量进行随机匹配修改以嵌入秘密信息。实验结果表明,以1000 kb/s的压缩率对视频进行压缩并嵌入信息时,新算法隐写视频的峰值信噪比和结构相似性值下降分别不超过0.30 dB和0.04,比特率增长不超过0.97%。与同类算法对比结果显示,新算法的隐写视频质量高,比特率增长小,算法具有较高的抗隐写检测能力和安全性。

摘要： 隐写是隐蔽通信的主流方法之一,而移动端则是当下最常用的通信设备,二者的结合研究具有较高的实际意义.近年来,基于深度学习的隐写方法得到快速发展,然而在性能提升的同时,各类网络结构向着更复杂、庞大的方向演变,逐渐脱离以隐蔽通信为核心的实际应用场景,实用性较低.针对这一现象,本文提出一种适用于移动端的轻量级图像隐写方法.对网络整体进行轻量化设计,结合深度可分离卷积降低模型计算量,在精度和速度之间取得较好的折中平衡.以生成对抗网络的思想,将编码器、解码器和判别器构成的整体模型纳入对抗训练中,使子网络在迭代对弈中实现螺旋式上升发展.为应对真实环境下的各类挑战,模型被落地部署于移动设备上进行真机实验.在移动端,精简后的模型性能会出现小幅下降.对此,在方法中引入BCH纠错码以确保正确提取信息.实验结果表明,该移动端隐写方法生成图像质量好,且具有较高的响应速度,能满足现代社会中人们对便捷性的高要求.值得注意的是,该方法的所有计算工作均可在移动端独立完成,不需要通过网络请求服务器,能避免网络窃听攻击.

摘要： 传统的隐写方法依赖于难以构建的复杂的人工规则。基于富特征模型和深度学习的隐写分析方法击败了现有最优的隐写方法,这使得隐写的安全性面临挑战。为此提出了一种基于对抗攻击的图像隐写策略的搜索方法,以寻找合适的隐写策略。隐写模型首先根据已知隐写算法初始化失真代价,然后建立含参的代价调整策略。对手模型区分载体和载密图像的分布,以发现潜在的隐藏行为。针对对手模型,利用定向对抗攻击得到相应的基于梯度符号的评价向量。在隐写模型与对手模型之间建立对抗博弈过程,据此搜索目标隐写策略。隐写模型和对手模型均用深度神经网络模型实现。构建了4种隐写配置并同3种隐写方法进行了实验比较。结果表明,该方法能有效搜索到图像隐写策略,与人工设计的经典方法和最新的隐写方法相比具有竞争力。

摘要： 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、Mi POD、DFEI隐写方案,所提方法可分别将隐写分析错误率(PE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。

摘要： 为了进一步提高自适应隐写算法的安全性,本文引进图像分块的思想,改写了原J-UNWARD算法的失真函数,变加性失真函数为非加性失真函数.载体图像被分为4个子块,分别计算每个子块的纹理复杂度以嵌入总量不变为约束条件,优先嵌入复杂度较大的块,每嵌入一块完成后重新计算失真函数,根据复杂度大小动态调整每个子块的嵌入量.利用STC(syndrome trelliscodes)编码将秘密信息自适应地嵌入到纹理区域,最后采用DCTR和ccJRM两种隐写分析技术进行检测分析.实验结果表明:在相同容量下,改进算法能显著提高算法的抗隐写分析能力.

摘要： 信息是社交媒体时代最宝贵的财富之一,贯穿于我们生活的方方面面。作为20世纪90年代兴起的信息安全新技术,信息隐藏等研究集多学科理论、技术于一身,成为先进网络空间安全领域的前沿研究热点之一。复旦大学计算机学院教授、博士生导师钱振兴,多年来致力于多媒体安全、信息隐藏、数字水印、多媒体取证、人工智能安全等技术的研究,提出了信息隐藏的新思路,将隐写与图像构造结合起来,为信息隐蔽传输提供了新技术和新手段。

摘要： 提出了一种非加性失真的二值图像隐写方法,该方法对载体图像进行分割,生成两张子图,通过传递影响因子更新失真,并使用最小化失真隐写编码实现消息嵌入.相较于固定失真不变的加性失真隐写方法,所提方法结合了二值图像只有黑色和白色两种像素的特性,使其能够捕捉像素点间修改的相关性,实现动态修改失真,从而提高了二值图像隐写的视觉质量和隐写安全性.

摘要： 在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在.为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法.对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息.在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息.仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性.

摘要： 在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在。为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法。对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息。在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息。仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性。

摘要： 隐写是一种利用图像、视频、音频等多媒体载体实现隐蔽传输的技术.如何在尽可能减少对载体影响的情况下嵌入尽可能多的信息一直是隐写算法的研究重点.随着双层校验格码(syndrome tellis codes,STC)的引入,隐写算法的嵌入效率能够达到理论上界.因此,隐写算法的设计重心变为了设计用于衡量图像像素嵌入安全性的失真函数.失真函数是自适应隐写算法的核心.对于空域图像隐写而言,失真函数通常是基于图像的复杂性原则,即载体图像中的纹理区域通常具有较低的失真代价,而平坦区域通常具有更高的失真代价.然而,基于图像内容的多样性,这种准则并不能适用于一幅图像中的所有像素点.提出了一种适用于空域隐写算法的隐写增强算法,通过多尺度滤波器对载体图像进行增强,使得在增强不同尺度的纹理区域的同时减少对图像平坦区域的增强.增强后的失真代价遵循了复杂性原则,并解决了失真代价分配不当的问题.实验结果表明:所提出的算法能够适用于现有的空域隐写算法,并且能够提升它们的抗隐写分析检测能力.

摘要： 本发明公开了一种基于表面增强拉曼纳米颗粒的隐写材料和隐写方法，涉及材料领域及信息安全领域。本发明的基于表面增强拉曼纳米颗粒的隐写材料，是在普通材料中添加了表面增强拉曼纳米颗粒的混合材料。表面增强拉曼纳米颗粒由金属纳米基底和特征拉曼分子构成，金属纳米基底是金。本发明的隐写方法，使用一种或多种隐写材料和普通材料分别记载信息，进行加密。利用拉曼光谱仪扫描或成像读取所述隐写材料和所述普通材料的拉曼光谱信息，用算法提取并优化不同组分的系数来获得最优拟合光谱，完成背景噪声排除和不同所述隐写材料的组合挑选，得到隐藏信息，完成解密。本发明具有安全、成本低、信号强、光稳定及环境稳定性能好、能够进行信息组合多重化的特点。

摘要： 一种基于语言隐写特征空间的无载体文本隐写方法，基于语言的一种或多种隐写特征构建隐写特征空间和元树集，建立基于密钥的映射关系，并根据密钥确定的规则将秘密消息转换成二进制串后进行分段，任意选取文本并生成与秘密消息二进制串分读个数相同长度的文字序列，依次将二进制子串与文字序列中的对应元素在元树集上进行匹配找到对应的元树，把这些元树构建成隐写树，得到隐写树标识后与载体文本发送给接收方。接收者在相同的语言隐写特征空间与元树集上，将隐写树拆分为元树序列，再将这些元树序列与基于载体文本生成的文字序列中对应元素进行匹配得到秘密消息的对应二进制片段，进而得到秘密消息。本方法具有较高的隐蔽性，较大的隐藏容量。

摘要： 本申请提供了一种信息隐写模型训练方法、信息隐写方法、设备及存储介质，其中，信息隐写模型训练方法包括：采用隐写网络，将多个图像样本的预设隐写信息分别嵌入至多个图像样本中，得到多个图像样本对应的隐写图像样本，采用提取网络，对隐写图像样本进行处理，得到隐写图像样本对应的恢复隐写信息，采用判定网络，对多个图像样本和对应的隐写图像样本进行处理，得到隐写评估值，根据预设隐写信息、恢复隐写信息以及隐写评估值，计算目标损失函数值，根据目标损失函数值，对信息隐写模型进行参数更新，得到目标信息隐写模型。从而采用目标信息隐写模型可以对各种类型的文件进行信息隐写，兼容性强，且隐写效果佳。

摘要： 本发明提供了一种基于多尺度LTP特征的隐写分析方法和隐写分析装置，其中，隐写分析方法包括：基于贪心算法选择用于计算多尺度LTP图像特征的特征参数，以得到包含多组特征参数的参数集合，所述参数集合中的每组特征参数包括滤波器参数，以及以载体图像中的任一像素点为起始点的路径参数；根据所述每组特征参数，计算得到一组多尺度LTP图像特征，以得到对应于所述参数集合的多组多尺度LTP图像特征，并将所述多组多尺度LTP图像特征进行组合，以生成载体图像的图像特征；通过支持向量机算法对所述载体图像的图像特征进行分析，以确定所述载体图像中是否有隐藏的信息。本发明提出了更加适用于隐写分析技术的多尺度LTP特征，提高了对载体图像的检测准确率。

摘要： 本发明提出了一种图像隐写方法、图像隐写系统、计算机设备和计算机可读存储介质。图像隐写方法包括：获取待处理图像，根据待处理图像获取多元载体图像；构建由K个相同的矩阵块构成的校验矩阵，每个矩阵块由N个大小相同的子矩阵构成；基于预设网格求解规则，根据校验矩阵和预设隐藏信息获取修改后载体序列；将修改后载体序列置于多元载体图像中，以将预设隐藏信息嵌入待处理图像；其中，K和N均为大于等于2的整数。本发明在相同时间复杂度的情况下，提升了嵌入效率，对实现较大嵌入率的情况更容易进行参数调节；且适用于任意元数的嵌入，并非拆解为多个二元嵌入的方式，避免了隐藏信息嵌入失败的情况。

摘要： 本发明公开了一种基于隐写噪声深度提取的JPEG图像隐写分析方法，该方法首先设计了隐写噪声深度提取网络结构，采用有监督学习的方式训练隐写噪声深度提取网络，而后利用设计的模型评价指标选择最优的隐写噪声提取网络，最后将隐写噪声提取网络与图像分类网络进行融合，通过训练得到载秘图像检测网络，并基于训练得到的载秘图像检测网络进行载秘图像检测。本发明所提出的隐写分析方法，可以更加准确地提取隐写噪声，减少了图像内容对隐写分析带来的影响，相比典型的基于深度学习的JPEG图像隐写分析方法取得了更好的检测效果。

摘要： 本申请提供了一种信息隐写模型训练方法、信息隐写方法、设备及存储介质，其中，信息隐写模型训练方法包括：采用隐写网络，将多个图像样本的预设隐写信息分别嵌入至多个图像样本中，得到多个图像样本对应的隐写图像样本，采用提取网络，对隐写图像样本进行处理，得到隐写图像样本对应的恢复隐写信息，采用判定网络，对多个图像样本和对应的隐写图像样本进行处理，得到隐写评估值，根据预设隐写信息、恢复隐写信息以及隐写评估值，计算目标损失函数值，根据目标损失函数值，对信息隐写模型进行参数更新，得到目标信息隐写模型。从而采用目标信息隐写模型可以对各种类型的文件进行信息隐写，兼容性强，且隐写效果佳。

摘要： 本发明公开一种基于生成式隐写对抗的图像隐写方法及系统，包括构建包括生成网络、隐写器、判别网络和隐写分析网络的生成式隐写对抗模型，生成网络将原始图像转换为载体图像，隐写器将秘密图像嵌入载体图像后得到载秘图像，判别网络判断载体图像的真实性，隐写分析网络判断载秘图像是否含有秘密图像信息；根据判别网络和隐写分析网络的判断结果分别构建生成网络与判别网络、隐写分析网络的损失函数，根据三者的损失函数对生成网络与判别网络和隐写分析网络进行对抗训练，得到训练后的生成式隐写对抗模型；基于训练后的生成式隐写对抗模型得到与原始图像对应的隐写图像。生成高视觉质量的载体图像，提高载体图像信息隐藏的安全性。

摘要： 本发明公开了一种对对抗隐写鲁棒的隐写分析方法，包括：通过深度学习模型与人工特征模型对输入的待分析图像独自进行分析识别，输出两类信息，一类为每一个待分析图像的类别标签，另一类为待分析图像属于每一类别的概率；结合深度学习模型与人工特征模型的两类输出信息进行初步筛选，确定可疑图像与可信图像；将可疑图像输入至专用分类器进行分析识别，获得最终的类别标签，所述专用分类器为采用对抗载密图像训练的人工特征模型；对于初步筛选出的可信图像，将深度学习模型输出的类别标签作为最终分类结果。该方法可以提高深度学习隐写分析器在对抗载密图像上的检测能力，同时保持其在传统载密图像和载体图像上的高检测精度。

摘要： 一种基于语言隐写特征空间的无载体文本隐写方法，基于语言的一种或多种隐写特征构建隐写特征空间和元树集，建立基于密钥的映射关系，并根据密钥确定的规则将秘密消息转换成二进制串后进行分段，任意选取文本并生成与秘密消息二进制串分读个数相同长度的文字序列，依次将二进制子串与文字序列中的对应元素在元树集上进行匹配找到对应的元树，把这些元树构建成隐写树，得到隐写树标识后与载体文本发送给接收方。接收者在相同的语言隐写特征空间与元树集上，将隐写树拆分为元树序列，再将这些元树序列与基于载体文本生成的文字序列中对应元素进行匹配得到秘密消息的对应二进制片段，进而得到秘密消息。本方法具有较高的隐蔽性，较大的隐藏容量。