大容量的信息隐藏算法
信息安全概论-5 信息隐藏技术
1
第五章 信息隐藏技术
5.1 信息隐藏的概念 5.2 隐藏信息的基本方法 5.3 数字水印 5.4 数字隐写 5.5 数字指纹
2
5.1 信息隐藏的概念
• 信息隐藏把一个待保护的秘密信息隐藏在另一个 称为载体的信息中，非授权者不知道这个普通的 载体信息中是否隐藏了其他的信息，而且即使知 道也难以提取或去除隐藏的信息。所用的载体可 以是文字、图像、声音及视频等。
• DCT变换域的基本思想是:先计算原始图像D的离 散余弦变换(DCT)，然后将隐秘信息叠加到变换 域的系数上(不包括直流分量)，这些系数通常为 图像的低频分量。
12
5.2.3压缩域算法
• 基于JPEG、MPEG标准的压缩域信息隐藏 系统不仅节省了大量的完全解码和重新编 码过程，而且在数字电视广播及 VOD(Video on Demand)中有很大的实 用价值。相应地，隐秘信息的检测与提取 也可直接在数据的压缩域中进行。
8
• 成功的信息隐藏通常需要满足以下技术要 求：
• 1．透明性（invisibility）或不可感知性（ imperceptibility）。
• 2．鲁棒性（robustness）。 • 3．安全性（security）。 • 4．不可检测性（undetectability）。 • 5．自恢复性。 • 6．嵌入强度（信息量）。
• 按检测是否需要载体信息参与分类，可分为 非盲检测算法和盲检测算法。非盲检测算法 中隐秘信息的检测需要原始载体的参与，而 盲检测算法中隐秘 信息隐藏的概念
• 按照保护对象分类，主要分成以下几类： • (1)隐写术：目的是在不引起任何怀疑的情
况下秘密传送消息，因此它的主要要求包 括难以检测和大容量。 • (2)数字水印:它是指嵌在数字产品中的数 字信号，其目的是进行版权保护、所有权 证明、指纹和完整性保护等，因此，它的 性能要求是鲁棒性和不可感知性等。
基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术
基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术随着互联网和数字媒体的快速发展，信息隐藏技术变得越来越受到关注。
图像隐写是其中一种常见的技术手段，它允许将秘密信息嵌入到图像中，以达到保密传输的目的。
然而，现有的图像隐写技术存在容量有限、鲁棒性不足等问题，因此需要开发一种具有更大容量和更强鲁棒性的图像隐写技术。
近年来，基于神经网络的图像隐写技术逐渐崭露头角。
其中，多级可逆神经网络被广泛应用于图像处理领域。
多级可逆神经网络是一种能够实现输入图像与输出图像完全对应的网络结构，具有较高的嵌入容量和良好的鲁棒性。
本文旨在基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术展开研究。
首先，我们介绍了多级可逆神经网络的基本原理。
多级可逆神经网络由多个可逆层组成，每个可逆层包含一个正向函数和一个逆向函数，通过对输入图像进行正向传播和逆向传播，实现图像的恢复和隐藏信息的提取。
同时，我们引入了裁剪技术，通过裁剪图像的一部分进行嵌入或提取隐藏信息，以提高嵌入容量。
接着，我们提出了大容量裁剪稳健型图像隐写的方法。
首先，我们使用多级可逆神经网络对图像进行预处理，将原始图像转换为神经网络可接受的输入形式。
然后，我们将隐藏信息进行编码，并通过裁剪技术将编码后的信息嵌入到图像中。
嵌入完成后，我们可以通过逆向传播过程提取隐藏的信息。
为了提高隐藏信息的安全性和鲁棒性，我们采用了加密和纠错编码等技术手段。
接下来，我们进行了实验验证。
我们选取了一些常见的图像数据集，并使用不同隐写算法进行嵌入和提取实验。
实验结果表明，基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术在嵌入容量和鲁棒性方面表现出色。
与传统的图像隐写技术相比，我们的方法能够更有效地隐藏信息，并在一定程度上抵抗图像处理操作带来的攻击。
最后，我们对基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术进行了总结和展望。
我们提出了一些改进方向，包括进一步提高嵌入容量、增强鲁棒性，以及应用于其他领域等。
基于信息预处理的PPVO可逆信息隐藏算法
㊀第53卷第2期郑州大学学报(理学版)Vol.53No.2㊀2021年6月J.Zhengzhou Univ.(Nat.Sci.Ed.)Jun.2021收稿日期:2021-01-26基金项目:国家自然科学基金项目(U1804123);河南省科技厅科技攻关项目(212102210512);河南牧业经济学院科研创新团队资助项目㊂作者简介:刘征(1978 ),男,讲师,主要从事数字图像处理与大数据研究,E-mail:lz@;通信作者:李喜艳(1983 ),女,副教授,主要从事数字图像处理研究,E-mail:xiyanli2006@㊂基于信息预处理的PPVO 可逆信息隐藏算法刘㊀征1,2,㊀李喜艳2,㊀孙汉卿1,㊀连卫民1,㊀王桂芝1(1.河南牧业经济学院信息工程学院㊀河南郑州450044;2.解放军信息工程大学数学工程与先进计算国家重点实验室㊀河南郑州450000)摘要:基于像素的像素排序(PPVO)方法使用上下文概念,以像素为嵌入单位,极大地提高了嵌入量㊂为了进一步提高嵌入量和保证图像的保真度,对数据流秘密信息进行映射变换,嵌入率提高为原来的150%;当秘密信息是扫描文档图像时,对其进行半色调和四叉树处理,使实际嵌入量提高4倍左右㊂实验数据表明,提出的方法显著提高了嵌入容量,而且图像保真度效果更好㊂关键词:像素排序;数据隐藏;上下文;映射变换中图分类号:TP391.9㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2021)02-0050-07DOI :10.13705/j.issn.1671-6841.20211300㊀引言隐写技术和加密技术是提供秘密信息交流的两种方法㊂然而传统的加密技术目的是加密信息,而不是隐藏秘密通信的行为存在,容易引起第三方的注意㊂隐写技术主要是将信息隐藏在载体中,通信行为从视觉上是安全的,不容易引起注意㊂为了在网络上安全传播有价值的信息,信息隐藏技术越来越引起专家和学者的注意㊂Turner [1]提出最低有效位的方法来隐藏信息,虽然方法有效但是隐藏量不大,而且随着检测技术的发展很容易检测出信息的存在㊂为了嵌入更多的信息,并可以逆向提取,Tian [2]提出了差值扩展(difference expansion,DE)的方法来隐藏信息,并提取信息,具有里程碑式的意义㊂目前实现可逆信息隐藏的方法大致分4类:基于无损压缩[3]㊁基于差值扩展[2,4]㊁基于误差扩展[5-11]和基于直方图平移[12-15]㊂Thodi 等[5]提出的预测误差扩展方法(prediction error expansion,PEE)被一致认为是一种高效的方法㊂Li 等[6]提出了基于像素排序的预测方法(pixel value ordering,PVO),由于该方法具有保真度比较高,不用定位像素值的优点,成为研究热点㊂K 元像素排序的预测方法(PVO-K )[7]充分利用了可嵌入的最值像素,较传统方法的嵌入量提高了很多㊂Qu 等[8]进一步改进了算法,取得了创新性的突破,不再以分块为嵌入单位,提出基于像素的像素排序方法(pixel-based pixel value ordering,PPVO)㊂随着社会的发展,学术文献和办公文件的数字化,安全隐蔽的扫描文档图像传输也亟待研究,文献[16-17]采用半色调技术和四叉树技术处理扫描文档图像㊂张敏情等[18]提出基于Paillier 同态公钥加密系统的算法,孔咏骏等[19]提出基于序列动态选择的PVO 算法㊂秘密信息越来越多样化,虽然所有的秘密信息都可以转化为二进制串,但是很少有考虑扫描文档的冗余㊂将扫描文档图像的冗余背景消除掉,只保留实际内容的信息,并将其转化为二进制串,会大大减少实际嵌入量,从而也实现了大容量的有效嵌入,保留较好的图像品质㊂本文考虑数据流和扫描文档两种秘密信息形式,消除无意义的冗余背景,提出基于信息预处理的PPVO 可逆信息隐藏算法㊂将扫描的文档作为秘密信息,主要采用半色调技术和四叉树技术对扫描文档进行处理,处理的数据流为真正嵌入的数据,使嵌入容量有很大的提高㊂同时本文着眼于提高嵌入容量和提高图像的保真度,改进PPVO 算法,主要思路是将秘密信息分成数据流和扫描文档图像两种形式,对数据流进行映射变化,提高嵌入信息量;对扫描文档图像进行半色调和四叉树处理,嵌入真正的信息,从而实现大容量信息的传递㊂㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法1㊀相关工作1.1㊀传统PVO 算法像素值排序(PVO)算法是通过光栅扫描将图像分成若干相互不重叠的子块,假设子块B (w ㊃h )有w ㊃h 个像素,记作(X 1,X 2, ,X (w ㊃h )),将像素值进行排序,得到升序的像素值序列(X π(1),X π(2), ,X π(w ㊃h ))㊂每个像素误差通过公式计算得到,PE max =X π(w ㊃h )-X π(w ㊃h -1),PE max =X π(1)-X π(2)㊂修改误差值将秘密信息b ɪ{0,1}嵌入误差值中,PE max =PE max ,PE max =0,PE max +b ,PE max =1,PE max +1,PE max >1,ìîíïïïïPE min =PE min ,PE min =0,PE min -b ,PE min =-1,PE min -1,PE min <-1㊂ìîíïïïï然后修改最大和最小像素值,实现数据的嵌入,X ~π(w ㊃h )=X π(w ㊃h -1)+PE max ,X ~π(1)=X π(2)+PE min ㊂通过上述操作很容易看出数据嵌入到了最大像素值和最小像素值中,并且像素的排列顺序没有发生改变,有利于可逆运算,保证了数据的顺利提取㊂1.2㊀PVO-K 算法在PVO-K 算法中,考虑到像素序列中最大值和最小值可能不止一个,将所有最大值像素(最小值像素)作为数据嵌入对象㊂在传统的PVO 算法中,当最大像素值或最小像素值分别有两个或更多时,误差值是0,此像素值是不能嵌入对象的㊂在PVO-K 算法中,含有k 个最大或最小像素值,嵌入量更大,并且效果也更好㊂每个像素块的像素排序为(X π(1),X π(2), ,X π(w ㊃h )),最后k +1像素关系表示为X π(w ㊃h -k )<X π(w ㊃h -k +1)= =X π(w ㊃h ),k 个最大像素值为p ,像素误差值PE =X π(w ㊃h -k +1)-p ㊂最后,所有k 个最大像素值修改为X ~π(i )=X ~π(i )+b ,PE =-1X ~π(i )+1,PE <-1{,其中:w ㊃h -k +1ɤi ɤw ㊃h ㊂使用类似的方法在最小值像素中嵌入秘密信息㊂图1㊀目标像素及上下文临近像素Figure 1㊀The context pixels of pixel X 1.3㊀PPVO 算法传统的PVO 算法通过修改每个分块中的最大和最小像素值将秘密信息嵌入原始图像中,虽然预测准确率高,但是嵌入容量不够大,最多每个分块中嵌入2比特的数据㊂针对这一问题,Qu 等[8]利用目标像素的上下文概念,提出了以目标像素为嵌入目标的新方法(PPVO)㊂针对每一个目标像素X ,像素X 的上下文像素有CN 个,记作:C =(C 1,C 2, ,C CN )㊂图1以CN =15为例,展示了目标像素以及上下文像素㊂通过像素的上下文来预测误差,PE =X -max(C ),X ȡmax(C ),X -min(C ),X ɤmin(C )㊂{㊀㊀根据max(C )和min(C )是否相等两种情况来修改像素值,当max(C )ʂmin(C )时,PE =PE +b ,X =max(C ),PE +1,X >max(C ),PE -b ,X =min(C ),PE -1,X <min(C ),ìîíïïïïï(1)X ~=max(C )+PE ,X ȡmax(C ),min(C )+PE ,X ɤmin(C )㊂ìîíïïïï(2)㊀㊀当max(C )=min(C )时,还要解决溢出问题㊂在计算预测误差之前,将所有灰度值为255或0的像素修15郑州大学学报(理学版)第53卷改为254和1,并在定位图中用1表示,即LM (i )=1㊂像素值初始值是254或1的像素不变,令LM (i )=0㊂像素误差值通过公式(3)得到,像素修改值通过公式(4)得到,PE =PE +b ,max(C )=254,X =max(C ),PE -b ,max(C )ʂ254,X =min(C ),PE -1,max(C )ʂ254,X <min(C ),ìîíïïïï(3)X ~=max(C )+PE ,max(C )=254,X =max(C ),min(C )+PE ,max(C )ʂ254,X ɤmin(C )㊂ìîíïïïï(4)2㊀本文算法本文挖掘在像素排序预测误差系列方法中嵌入容量的能力,提出了新的PPVO 算法,将数据流秘密信息进行压缩映射变换,具有很好的通用性,而且当载体图像是纹理复杂的图像时嵌入信息意义更大;将扫描文档图像进行半色调和四叉树处理,处理后的数据采用PPVO 算法嵌入原始载体图像中㊂图2㊀算法流程图Figure 2㊀Framework of the proposed scheme 2.1㊀算法思想本文算法的核心是充分利用图像的冗余空间,并且对数据流秘密信息进行无损压缩映射变换,对扫描文档图像进行半色调和四叉树处理[17],大大增加了嵌入容量㊂为了实现这一目标,进行了以下工作:1)将秘密信息进行了映射变换,每6比特信息映射为4比特,压缩变换后的数据流采用PPVO 算法嵌入原始载体;2)除了对秘密信息进行数据流分析,还考虑了扫描文档图像;3)将扫描文档图像进行半色调和四叉树处理,处理的数据作为秘密信息,采用PPVO 算法嵌入原始载体㊂具体的算法流程图如图2所示㊂2.1.1㊀信息映射变换㊀使用DES 加密算法中S 盒压缩秘密信息的容量,使得实际嵌入量提高1.5倍㊂S 盒是DES 算法的核心,是唯一的非线性部分,每个S 盒可以实现6比特的输入,得到4比特的输出㊂根据这一特性,可以被应用到压缩和扩展变换中,行号被专门存储,并通过专门的安全通道传输㊂为了保持传统PVO 算法的高准确率特性,本文沿用了PPVO 算法的思想,同时为了进一步扩大嵌入容量,将秘密信息进行了映射变换㊂每6比特信息为一组b 1b 2b 3b 4b 5b 6,首先取中间4比特组成二进制数b 2b 3b 4b 5,两端2比特组成二进制数b 1b 6㊂令b 2b 3b 4b 5=r ,b 1b 6=h ,在S 盒的h 行r 列找到对应数字D ,D 在0~15之间,用二进制表示D =c 1c 2c 3c 4,就是S 盒的输出㊂DES 加密算法涉及8个S 盒,S 1盒是其中一个(图3)㊂图3㊀S 1盒Figure 3㊀S 1box2.1.2㊀半色调和四叉树处理㊀本文采用半色调方法处理灰度文档图像,得到二值图像㊂这就意味着每8比特的像素值只需要1比特显示,所以使得文件缩小为原来的1/8㊂二值图像中,白色背景的地方显示为1,其他含有内容的地方显示为0㊂相对来说含有信息的内容比背景更重要,采用四叉树的方法将内容从背景中分离出来㊂主要的处理过程如下:1)将任意尺寸的扫描图像处理成N ㊃N 的尺寸,然后进行半色调技术的误差扩散方法处理;2)每个图像的像素值对应一个矩阵㊂当矩形的尺寸大于4ˑ4时,将矩形分割成4个子矩形,重复进行25㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法分割,直到不满足分割条件;3)分割后产生的矩形块很多,意味着块坐标比较多,所以对矩形子块再通过水平和垂直方向进行合并,将合并之后含有内容的子块坐标记录下来,并将内容从图像中提取出来,使用文本文档存储;4)采用十进制编码算法处理3)的文件,忽略左侧是0的比特串,并以文本文档存储;5)将4)的文档内容转换成二进制串,作为PPVO 算法的嵌入内容㊂如图4所示,以2.27KB(2332字节)的扫描文档图像(a)为例,经过步骤3)处理之后文件大小为19.4KB (19900字节),经过步骤4)处理之后的文件大小为3.60KB(3696字节),最后转换成二进制串是460字节㊂在本文当中嵌入的秘密信息是460字节的二进制串,达到的效果是实现2332字节的扫描文档图像的嵌入㊂图4㊀扫描图像及处理图像Figure 4㊀Scanned document image and processed image2.1.3㊀像素预测值㊀本文为了确保算法的可逆性,使用目标像素上下文计算预测值㊂例如,如图1所示,目标像素X 的预测值X^由计算产生:X ^=min(C 1,C 2),C 3ȡmax(C 1,C 2),max(C 1,C 2),C 3ɤmin(C 1,C 2),C 1+C 2-C 3,其他㊂ìîíïïïï2.2㊀嵌入过程本文结合PPVO 算法和信息映射变换来提高嵌入容量,主要的嵌入过程为:1)当嵌入数据信息是数据流时,数据信息进行映射变换;2)当嵌入数据信息是扫描文档图像时,进行半色调和四叉树处理㊂用公式(1)~(4)对载体图像进行信息嵌入㊂2.3㊀提取和恢复过程秘密信息的提取和载体图像的恢复是嵌入过程的逆过程,X ~表示目标像素值,X ^表示预测像素值,X 表示恢复的像素值,b 表示提取的秘密信息,C 表示当前像素上下文像素组成的向量,VC 表示向量中的值,具体实现过程如下㊂1)对载密图像进行逆向扫描,实现秘密信息的提取,分两种情况㊂a)max(C )ʂmin(C )㊂X ~ɤmin(C ):①X ~=X ^,则X =X ~,b =0;②X ~=X^-1,则X =X ~+1,b =1;③X ~=X ^+1,则没有信息嵌入,X =X ~+1㊂X ~ȡmax(C ):①X ~=X ^,则X ~=X ^,b =0;②X ~=X ^+1,则X =X ~-1,b =1;③X ~=X ^-1,则没有信息嵌入,X =X ~-1㊂b)max(C )=min(C )㊂VC =254:①X ~=X ^,则X =X ^,b =0;②X ~=X ^+1,则X =X ~-1,b =1㊂VC ʂ254:①X ~=X ^,则X ~=X ^,b =0;②X ~=X ^-1,则X =X ~+1,b =1;③X ~=X ^+1,则没有信息嵌入,X =X ~+1㊂2)当秘密信息是数据流时,根据获得秘密信息查找对应的映射表,从而得到原始的秘密信息㊂举例说明逆映射过程㊂假设提取出来的秘密信息是00110110001101100011011000110110,首先对信息进行分组,每组4比特,分成8组0011㊁0110㊁0011㊁0110㊁0011㊁0110㊁0011㊁0110;然后根据记录的映射表号对每组进行映射得到8组数据,每组6比特,111000㊁101010㊁111000㊁101010㊁111000㊁101010㊁111000㊁101010㊂逆映射变换之后的数据就是原始的秘密信息㊂35郑州大学学报(理学版)第53卷3)当秘密信息是扫描文档图像时,获得的数据流是扫描文档的尺寸信息㊁含有内容的单元格的4个坐标值㊁内容信息等㊂根据坐标值和内容信息,我们可以恢复扫描文档图像㊂3㊀实验结果与分析原始载体图像会随着嵌入信息量的增大,图像越来越失真㊂如何评价载密图像的质量,最直接的方式就是比较载密图像与原始载体图像之间的差剖面,也就是可视误差来评判图像的品质㊂均方误差(mean squared error,MSE)和峰值信噪比(peak signal to noise ratio,PSNR)是常用的评价标准㊂均方误差的公式为MSE =1M ˑN ðM i =1ðN j =1(fᶄ(i ,j )-f (i ,j ))2,其中:f (i ,j )表示原始载体图像的像素值;fᶄ(i ,j )表示载密图像的像素值;M 和N 表示图像的长度与宽度㊂峰值信噪比用于衡量图像有效信息与噪声之间的比率,能够反映图像是否失真,计算公式为PSNR =10log z 2MSE,其中:z 表示图像的最大像素值,一般取值255㊂PSNR 值越大,表示图像失真越少㊂在原始载体图像嵌入数据之后,像素值发生了改变,在相同嵌入量的情况下,像素值改变越小图像的质量越好㊂为了验证算法的性能,采用Windows 2010操作系统下的Matlab 7.0作为实验平台,选用512ˑ512的灰度图像Lena㊁Baboon 和Airplane 为原始载体图像,秘密信息是随机产生的二进制串时,分别与传统的PVO 算法[6]㊁PVO-K 算法[7]㊁PPVO 算法[8]和改进的PPVO 算法(IPPVO)[9]进行比较;当处理的秘密信息是扫描文档图像时,与文献[16-17]比较㊂图5是采用本文算法达到最大嵌入容量时,原始载体图和载密图的效果图㊂图5㊀原图和载密图Figure 5㊀Cover image and embedded image本文主要侧重考虑图像的嵌入容量,通过表1可以看出PPVO 算法与PVO 算法和PVO-K 算法相比,嵌入容量有了大幅度的提高,而本文比PPVO 类算法嵌入容量又有了更大的提高㊂Lena 和Airplane 图像因为平滑区域多,嵌入容量提升幅度比较大,而纹理复杂的Baboon 图像在前三种方法上提升幅度不大,而本文方法对纹理复杂的图像嵌入信息时效果更明显㊂通过表2和表3可以看出,随着嵌入容量的增大,本文算法不㊀㊀表1㊀最大嵌入容量对比Table 1㊀Maximum embedding capacity comparison 单位:比特图像最大嵌入容量PVO PVO-K PPVO IPPVO 本文(数据流)本文(扫描图像)Lena 3100037000460004800069000230000Baboon 130001300015000150002250075000Airplane 3800048000690006800010350034500045㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法表2㊀嵌入10000比特时PSNR 对比Table 2㊀PSNR comparison when embedding 10000bits 图像PSNR PVO PVO-K PPVO IPPVO 本文Lena 60.360.660.360.2162.0Baboon 53.554.554.253.7856.1Airplane62.063.363.763.7264.1表3㊀嵌入20000比特时PSNR 对比Table 3㊀PSNR comparison when embedding 20000bits 图像PSNR PVO PVO-K PPVO IPPVO 本文Lena 56.256.656.756.4960.1Baboon ----50.7Airplane58.159.359.959.7962.3㊀㊀注: - 表示无数据仅能保持较好的PSNR 值,而且可以嵌入更多的信息㊂对于载体图像是Baboon 来说,本文算法最大嵌入量是22500比特,其他算法嵌入量不超过15000比特㊂当嵌入量是20000比特时,本文算法仍然能够保持较好的图像品质㊂4㊀结束语PVO 算法的特点是高预测准确率,而且保真度较高,因此成为近些年的研究热点之一㊂本文在PPVO 算法的基础上,引入了数据流信息映射转换及半色调和四叉树处理扫描文档,大大提高了信息的嵌入量,并且保真度也很好㊂实验数据表明,本文的算法保证了图像的保真度,同时也提高了嵌入量㊂算法中S 盒的行号另行存储,不与秘密信息放在一起,并通过专门的案例通道传输㊂下一步的研究工作可以着眼于新的映射变换研究,降低行号记录的空间占有率㊂参考文献:[1]㊀TURNER L F.Digital data security system:EP198********[P].1991-09-01.[2]㊀TIAN J.Reversible data embedding using a difference expansion[J].IEEE transactions on circuits and systems for video tech-nology,2003,13(8):890-896.[3]㊀CELIK M U,SHARMA G,TEKALP A M,et al.Lossless generalized-LSB data embedding[J].IEEE transactions on image processing,2005,14(2):253-266.[4]㊀ALATTAR A M.Reversible watermark using the difference expansion of a generalized integer transform[J].IEEE transactions on image processing,2004,13(8):1147-1156.[5]㊀THODI D M,RODRIGUEZ J J.Expansion embedding techniques for reversible watermarking[J].IEEE transactions on image processing,2007,16(3):721-730.[6]㊀LI X L,LI J,LI B,et al.High-fidelity reversible data hiding scheme based on pixel-value-ordering and prediction-error expan-sion[J].Signal processing,2013,93(1):198-205.[7]㊀OU B,LI X L,ZHAO Y,et al.Reversible data hiding using invariant pixel-value-ordering and prediction-error expansion[J].Signal processing:image communication,2014,29(7):760-772.[8]㊀QU X C,KIM H J.Pixel-based pixel value ordering predictor for high-fidelity reversible data hiding[J].Signal processing,2015,111:249-260.[9]㊀何文广,熊刚强,周珂,等.基于改进像素排序预测的大容量可逆数据隐藏[J].计算机应用研究,2018,35(1):266-271.HE W G,XIONG G Q,ZHOU K,et rger capacity reversible data hiding using improved pixel-based pixel value ordering5565郑州大学学报(理学版)第53卷prediction[J].Application research of computers,2018,35(1):266-271.[10]MEIKAP S,JANA B.Directional PVO for reversible data hiding scheme with image interpolation[J].Multimedia tools and ap-plications,2018,77(23):31281-31311.[11]WENG S W,PAN J S,LI L D.Reversible data hiding based on an adaptive pixel-embedding strategy and two-layer embedding[J].Information sciences,2016,369:144-159.[12]NI Z C,SHI Y Q,ANSARI N,et al.Reversible data hiding[J].IEEE trans on circuits and system for video technology,2016,16(3):354-362.[13]TSAI P,HU Y C,YEH H L.Reversible image hiding scheme using predictive coding and histogram shifting[J].Signalprocessing,2009,89(6):1129-1143.[14]FU D S,JING Z J,ZHAO S G,et al.Reversible data hiding based on prediction-error histogram shifting and EMD mechanism[J].AEU-international journal of electronics and communications,2014,68(10):933-943.[15]PAN Z B,HU S,MA X X,et al.Reversible data hiding based on local histogram shifting with multilayer embedding[J].Jour-nal of visual communication and image representation,2015,31:64-74.[16]SOLEYMANI S H,TAHERINIA A H.High capacity image steganography on sparse message of scanned document image(SMS-DI)[J].Multimedia tools and applications,2017,76(20):20847-20867.[17]SOLEYMANI S H,TAHERINIA A H.High capacity image data hiding of scanned text documents using improved quadtree[EB/OL].(2018-03-22)[2020-12-10].arXiv:1803.11286.[18]张敏情,李天雪,狄富强,等.基于Paillier同态公钥加密系统的可逆信息隐藏算法[J].郑州大学学报(理学版),2018,50(1):8-14.ZHANG M Q,LI T X,DI F Q,et al.Reversible data hiding algorithm based on paillier homomorphic public key encryption system[J].Journal of Zhengzhou university(natural science edition),2018,50(1):8-14.[19]孔咏骏,张敏情,彭菓玉,等.基于序列动态选择的PVO可逆信息隐藏算法[J].郑州大学学报(理学版),2019,51(3):34-41.KONG Y J,ZHANG M Q,PENG G Y,et al.A PVO reversible data hiding algorithm based on sequence dynamic selection [J].Journal of Zhengzhou university(natural science edition),2019,51(3):34-41.A PPVO Reversible Data Hiding Algorithm Based onInformation PreprocessingLIU Zheng1,2,LI Xiyan2,SUN Hanqing1,LIAN Weimin1,WANG Guizhi1(1.School of Information Engineering,Henan University of Animal Husbandry and Economy,Zhengzhou450044,China;2.State Key Laboratory of Mathematical Engineering and Advanced Computing,PLA Information Engineering University,Zhengzhou450000,China) Abstract:The idea of pixel-based pixel value ordering(PPVO)was proposed,where each pixel was predicted by using its sorted context pixels,and a better embedding performance could be acheived.In order to embed more data and keep the high fidelity,an improved method was proposed.The secret data was transformed by mapping transform,and the embedding rate was increased to150%.When the secret data was images of scanned document,half tone and quad tree technology were used.At last the embed-ding rate increased by4times.Experimental results demonstrated that the embedding capacity of our method was larger than that of PPVO,and with the higher fidelity.Key words:pixel value ordering;data hiding;context;mapping transfomation(责任编辑:王浩毅㊀方惠敏)。
信息隐藏技术概述
第二次世界大战德国间谍发出的信息： President’s embargo ruling should have
immediate notice. Grave situation affecting international law. Statement foreshadows ruin of many neutrals. Yellow journals unifying national excitement immensely.
水印
指纹
不可见水印
可见水印
信息隐形的主要分支
隐写术－伪装式保密通信 数字水印－数字产品版权保护 隐蔽信道－计算机系统中的一些通道
1、隐写术－伪装式保密通信
利用人类感知系统以及计算机处理系统 的冗余
载体可以是任何一种多媒体数据，如音 频、视频、图像、甚至文本、数据等
被隐藏的信息也可以是任何形式（全部 作为比特流）
源站
目的站 源站 目的站 源站 目的站 源站
目的站
截获 被动攻击
中断
篡改 主动攻击
伪造
？
是否存在另外的保密通信方式？
伪装式信息安全
加密：对信息本身进行保护，但是信息 的传递过程是暴露的
伪装：掩盖信息存在的事实
将密码学与伪装式信息安全相结合，就 可以更好地保证信息本身的安全和信息 传递过程的安全
主要用于军队和安全部门
2、数字水印
数字水印：信息隐藏在民用领域的应用 数字作品的特点：无失真复制、传播，
易修改，易发表 数字作品的版权保护需要：
确定、鉴别作者的版权声明 追踪盗版 拷贝保护
2、数字水印
用于版权保护的数字水印：将版权所有者的 信息，嵌入在要保护的数字多媒体作品中， 从而防止其他团体对该作品宣称拥有版权
信息隐藏
匿名通信研究现状
现阶段匿名通信的研究主要分为三类:基于 Mix算法的匿名通信系统、基于Onion Routing算法的匿名通信系统和基于泛洪算法 的匿名通信系统。
隐写术及其原理
隐写技术是利用人类感觉器官的不敏感(感觉冗余), 以及多媒体数字信号本身存在的冗余数据特性)把一 个秘密信息通过某种嵌入算法隐藏到载体信息中,从 而得到隐密载体。 首先,对欲嵌入的秘密信息进行预处理,预处理包括 加密、编码等,然后生成伪随机数,将预处理后的秘 密信息根据相应的嵌入算法和密钥K嵌入到载体中, 形成载密信息,可以在公开信道中传输,密钥K在隐蔽 信道进行传输,最后在提取中根据相应的提取算法和 密钥提取秘密消息,这样,就可以达到三层安全。
经过数十年的研究数字水印技术取得了很大的进步, 见诸于各种文献的水印算法有很多种,然而从水印嵌 入方式的角度来看,图像水印算法主要分为两大类: 空间域(Spatial Domain)水印算法和变换域 (TransformDomain)水印算法。 在国内,数字水印技术也得到了一些学者的关注,并 日益受到重视。针对水印的各种应用领域,许多专家 和研究人员在文章中提出了不同的水印算法。
数字指纹系统
数字指纹系统主要由两部分构成,一是用于向 拷贝中嵌入指纹并对带指纹拷贝进行分发的 拷贝分发子系统;另一部分是实现对非法分发 者进行跟踪并审判的跟踪子系统。其中分发 子系统完成指纹的构造、指纹的嵌入以及数 据库的维护工作,跟踪子系统完成指纹的提取 和跟踪工作。其简单模型见图。
参考文献
数字水印研究现状及发展趋势预测
通过对现有典型算法的分析和研究情况的调 查认为今后水印研究可能的一些发展方向:
a.水印的基本原理和评价方法。包括水印理论模 型、水印结构、水印嵌入策略、水印检测算法、 水印性能评价以及水印的标准化等。 b.水印技术的应用。包括针对不同应用需求定制 合理的水印生成、嵌入和恢复策略、一种完善的 水印技术在其它的多媒体数据中的应用等。
一种低比特率变化的高容量HEVC视频数据隐藏方法
一种低比特率变化的高容量HEVC视频数据隐藏方法
赵扬;何军辉
【期刊名称】《小型微型计算机系统》
【年(卷),期】2022(43)5
【摘要】适用于高效视频编码(High Efficiency Video Coding,HEVC)视频的数据隐藏方案相对较少,现有方案大多无法充分利用所有类型视频帧,并且存在嵌入容量不高或载密视频流比特率增加较大等问题.文中提出了一种HEVC视频数据隐藏方法,利用HEVC视频新的编码元素实现在不同类型视频帧中的数据嵌入.该方法主要包括三种嵌入模式:修改编码树单元的样值自适应补偿值(Sample Adaptive Offset,SAO)、交换16×16、8×8和4×4编码单元中的残差系数以及改变4×4变换跳过块的符号位.实验结果表明,所提出的方法具有较好的嵌入不可感知性和较高的嵌入容量,并对视频流比特率影响很小.与最近提出的方案相比,载密视频具有更高的视觉质量和更小的比特率增加.
【总页数】6页(P1033-1038)
【作者】赵扬;何军辉
【作者单位】华南理工大学计算机科学与工程学院
【正文语种】中文
【中图分类】TP309
【相关文献】
1.用低比特率传输井下视频图像的一种方法
2.高比特率信息隐藏技术的视频嵌入视频方案
3.减少低比特率视频编码计算复杂性的一种新方法
4.一种采用内预测模式的HEVC视频信息隐藏算法
5.一种新的用于低比特率视频编码的全零块预先判别方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于HVS特性的信息隐藏算法改进
龙源期刊网
基于HVS特性的信息隐藏算法改进
作者：韩少军谢宝陵
来源：《现代电子技术》2011年第18期
摘要：为了提高原信息隐藏算法的不可感知性和扩展其隐藏容量，根据人类视觉系统（HVS）相关知识，从提高信息隐藏容量的角度出发，根据人眼对图像不同区域的敏感程度，充分利用人类视觉系统的方向特性、纹理特性和亮度特性对原算法进行改进。
并用文本和图像文件分别作为秘密信息，couPle.bmp灰度图像为载体图像，进行算法对比试验。
实验表明改进后算法缓解了信息隐藏系统各指标之间存在的矛盾，提高了秘密信息隐藏率和抵抗攻击的能力，进一步增强了隐藏系统的安全性，为大容量信息隐藏提供了一种思路。
LSB算法
感知科学 信息论
密码学
信息隐藏技术与传统密码学的区别
传统密码技术：
传统密码技术通过密文的不可理解性来保护信息的内 容，而密文的不可理解性同时也暴露了信息的重要性。 这很容易引起攻击者的注意，从而吸引攻击者采取多 种手段对通信的内容进行破译或对通信过程进行破坏， 继而造成信息传递的失败。
信息隐藏技术：
信息隐藏技术与传统密码学不同的是，它利用多媒体 信息普遍存在的冗余性，将秘密信息隐藏在多媒体信 息中而不引起多媒体信息物理外观的显著变化，使得 人们觉察不到它的存在，即使截获者知道秘密信息的 存在，未经授权也难以将其提取出来，从而保证了秘 密信息的机密性和安全性。
传统密码加密技术示意图
11111100 11111110 11111100
253
254
254
11111101 11111110 11111110
② 将二进制数据的最低有效位提取出来，即为秘密信 息序列[ 0 1 1 0 0 0 1 0 0 ]。如图所示。
11111110 11111101 11111111 011000100
STRUCT pallete{ BYTE B; BYTE G; BYTE R; BYTE Reserved; };
偏移量 0000h
域的名称 标识符 (Identifier)
大小 2 bytes
内容 两字节的内容用来识别位图的类型： ‘BM’ ： Windows 3.1x, 95, NT, … ‘BA’ ：OS/2 Bitmap Array ‘CI’ ：OS/2 Color Icon ‘CP’ ：OS/2 Color Pointer ‘IC’ ： OS/2 Icon ‘PT’ ：OS/2 Pointer 用字节表示的整个文件的大小 保留，设置为0
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
—167— 大容量的信息隐藏算法 谢建全1,2，阳春华1 (1. 中南大学信息科学与工程学院，长沙 410083；2. 湖南财经高等专科学校，长沙 410205) 摘 要：提出一种基于空间域的自适应多平面位的信息隐藏算法，该算法计算复杂度低、信息隐藏量大。实验表明在不影响图像视觉效果的前提下，其信息隐藏量比LSB算法大，并具有更高的安全性。该算法的主要思想是对每个像素点进行判断，根据HVS的特性，在最高非0有效位后的指定位(y)开始嵌入隐藏信息，嵌入到另一个指定位(z)为止。 关键词：信息隐藏；数字水印；空间域
High Capacity Information Hiding Algorithm
XIE Jian-quan1, 2, YANG Chun-hua1 (1. School of Information Science and Engineering, Central South University, Changsha 410083; 2. Hunan Finance and Economics College, Changsha 410205)
【Abstract】A hiding information algorithm of adaptive multiple plane-bit based on space domain is proposed ,which has low computing complexityand large information capacity hidden. Experimental results show hiding information capacity of this algorithm is much larger than LSB algorithm,and security is much higher than LSB algorithm. It’s main idea is to judge every pixel point so that hiding information will be embedded fromspecified bit (y) behind the highest non-zero effective bit until another specified bit (z) according to HVS’s property. 【Key words】information hiding; digital watermark; space domain
计 算 机 工 程Computer Engineering第34卷 第8期
Vol.34 No.8 2008年4月
April2008
·安全技术· 文章编号：1000—3428(2008)08—0167—03文献标识码：A
中图分类号：TP309.2
信息隐藏的目的在于保证隐藏的信息不引起攻击者的注意，从而减少被侵犯的可能性，摆脱数据加密技术的致命缺陷。目前用来作为信息隐藏的载体有文字、图像、语音或视频等多种不同格式的文件，但使用的方法没有本质区别。其中图像由于冗余空间大，是目前用于隐藏储存和隐蔽通信最多的信息隐藏载体。在隐藏储存和隐蔽通信中，研究者的目标是在满足隐藏信息的视觉不可感知性的前提下尽可能多地隐藏信息。本文提出一种新的空间域信息隐藏方法，最大限度地利用所有可能的冗余空间，达到大容量隐藏信息的目的。 1 LSB算法特点分析 基于图像的信息隐藏技术，可以归类于基于变换域的隐藏技术和基于空间域的隐藏技术两种。基于空间域的隐藏技术是直接改变图像元素的值，一般是在图像的亮度或色度中加入隐藏的内容。最简单和有代表性的基于空间域的信息隐藏方案是将要隐藏的信息代替图像的最低有效位(LSB)或者多个不重要位平面的所有比特的算法，这里的隐藏信息指的是二值比特序列。由于每个像素的最低位的变化对颜色的视觉影响很小而无法察觉，因此可以把最低位(最小意义位) 视为冗余空间，把信息隐藏在这里。1993年，Tirkel等人[1]提出了数字图像水印的一种方法，该方法将m序列的伪随机信号以编码形式的水印嵌入到灰度图像数据的LSB中。为了能得到完整的LSB位平面而不引入噪声，图像通过自适应直方图处理，首先将每个像素值从8 bit压缩为7 bit，然后将编码信息作为像素值的第8个比特(即像素值的LSB)，这一方法是单个LSB编码方法的扩展，在单个LSB编码方法中，LSB直接被编码信息所代替。LSB 算法的嵌入比为12.5%，是目前公认信息隐藏量大的一种算法，同时还有算法简单、嵌入速度快等优点，这些优点是基于变换域的隐藏算法所无法比拟的，因此LSB 算法仍然在信息隐藏中占有重要地位，几乎全部的隐写算法中都可以找到LSB 算法的影子，Internet上常见的隐写软件中也大都使用LSB 算法或LSB 的衍生算法[2]。由于使用了图像最不重要的像素位，因此算法的鲁棒性较差，嵌入信息很容易受到滤波、图像量化、几何变形和加噪等操作的攻击。 针对LSB算法出现的缺陷，研究人员对空域图像水印技术进行了改进，使算法的稳健性和安全性得到了提高。文献[3]提出通过颜色量化的方法实现的，使原来需要8位来表示的256色图像量化到颜色数128色，量化后的图像只用7 位来表示，剩余的那位(最高位)就可以作为冗余空间来存储隐藏信息。由于此时所用的冗余空间为最高位，也称最大意义位(MSB)，因此鲁棒性较好，解决了LSB算法鲁棒性差的问题，但该方法的缺点是嵌入后的图像的调色板大小发生改变， 而且对于原本256色的图像量化后时，由于存在量化误差，图像的视觉质量会有不同程度的降低，其中最为严重的是在均匀渐变区域出现的伪轮廓，因此，必须降低质量才有可能实现信息嵌入[4]。人们在使用LSB算法时，希望在不影响载体视觉效果的前提下，提高其鲁棒性，并进一步提高其信息隐藏的能力，因此以上算法均需要改进。 2 本文算法 以图像为载体进行信息隐藏时，可看为在强背景(原始图像)下叠加一个弱信号(被隐藏的信息)，只要叠加的信号低于
基金项目：国家自然科学基金资助项目(60574030)；湖南省教育科学“十一五”规划课题(XJK06CXJ012) 作者简介：谢建全(1964－)，男，教授，主研方向：信息安全技术； 阳春华，教授、博士生导师 收稿日期：2007-05-05 E-mail：xiejianquan@sina.com —168—
对比度门限，视觉系统就无法感觉到信号的存在[5]。根据HVS的对比度特性，该门限值受背景照度、背景纹理复杂性和信号频率的影响。背景越亮，纹理越复杂(或者说边缘丰富)，门限就越高[5-6]，这类现象称为亮度掩蔽和纹理掩蔽。根据人类视觉掩蔽特性可知：具有不同局部性质的区域在保证不可见性的前提下，可允许叠加的信号强度是不同的。对RGB彩色图像而言，人类视觉系统对LSB位不可感知的，但并不是只有对LSB位不可感知，对于较亮的像素点，比LSB更高的某些位的变化同样是不可感知的，这些不可感知位同样可用来嵌入信息，从而进一步提高嵌入容量。利用以上HVS特性，本文提出多平面自适应隐藏方法，可获得较大的信息隐藏空间和较好的鲁棒性。其基本思路是根据每个像素点RGB 3个颜色分量的亮度值的不同，确定是否隐藏信息、信息隐藏位置及信息的隐藏量。具体算法如下： 设24位的RGB彩色图像每个像素RGB 3个颜色分量分别为(,,iiirgb)，其中，i={7, 6, …,0}，对图像的每个像素点RGB三色的每一色进行单独嵌入处理。首先对红色分量进行处理，将(76543210,,,,,,,rrrrrrrr)从高位至低位逐位进行检查，当第x位不为0时，则从第x-y位(y≥1)开始嵌入信息，一直嵌入到第z位，若z>x-y，则该像素点的该分量不嵌入信息，即： *jiiwrr⎧=⎨⎩ zixy−≤≤其他 其中，*ir(i∈{0,1,…,7})为该像素点红色分量第i位ri经过嵌入处理后的值；wj (j∈{1,2,…,L})为待嵌入的比特序列，j的值为前面已经嵌入的比特数，每嵌入1个比特j的值增加1；y的取值决定了嵌入强度，它需要在不可感知性和嵌入容量之间折中考虑，y值越大，视觉不可感知性越好，但可隐藏的信息量越少；z的取值由所需的抵御滤波处理的鲁棒性决定，当z=0时，则包括LSB位。处理完红色分量后，再用同样的方法处理该像素的蓝色和绿色分量，只是对蓝色和绿色分量，y的取值可以根据人类视觉系统特性取不同的值。处理完一个像素点后，再用同样的方法处理下一个像素点，不断重复以上过程，直到所有像素点处理完毕。本算法提取信息非常简单，只要提取每个像素点的第x-y位至第z位的信息即可。 设背景照度为I，根据Weber定律[7]，在均匀背景下，人眼刚好可以识别的物体照度为I＋△I，其中△I≈0.02×I。 视觉领域的进一步研究表明，△I与I的关系更接近指数关系[8]。有文献提出了更准确的对比度敏感度函数： 00max{,(/)}IIIIIα∆=× 其中，I0为当I=0的对比度门限；a∈(0.6, 0.7)为常数。 根据以上结论，y的取值为4~5时就可基本满足视觉不可见性要求，实验结果也证实如此。由于人眼对RGB三色的敏感度是不同的，人眼可感知的亮度值可由如下的公式计算： L=0.299R+0.587G+0.114B 可见人眼对绿色最敏感，对蓝色最不敏感，它不到绿色的1/4，因此为了达到不可感知性的目的，在y值的选取上，绿色需要适当取大一点，蓝色分量的值则可取小一点。 3 试验与讨论 以512×512×24 的原始Lena 图像为载体进行试验，首先试验本算法的最大信息嵌入量，z的值设为0，设RGB三色所对应的y的取值为(yr,yg,yb)，这3个值分别选取(5,5,4), (4,5,4), (4,4,4), (4,5,3)和(3,5,3)5组不同的值进行嵌入试验，嵌入后的结果分别如图1(b)~图1(f)所示。由试验结果可知，当yr≥4, yg≥5, yb≥3时，对人类的视觉系统而言是不可感知的，超过这个值时就会影响视觉效果，即(yr,yg,yb)取(4,5,3)时，隐藏的信息的不可感知性就能满足要求，此时达到可隐藏信息量的最大值。
(a) 原始图像 (b)组1 (c)组2 (d)组3 (e)组4 (f)组5 图1 yr,yg,yb取值对视觉效果的影响比较
选取标准图像peppers和tulips进行试验，当yr,yg,yb分别取4, 5, 3时，嵌入信息后的载密图像如图2所示，可见在嵌入隐藏信息后同样能满足视觉的不可感知性要求。