[发明专利]一种基于隐写分析系统盲性的隐写分析方法

说明书

技术领域

本发明涉及一种隐写分析（Steganalysis）方法，具体涉及一种基于隐写分析系统盲性的隐写分析方法，包括隐写分析盲性指标的定义、计算以及利用该指标测评隐写分析盲性的方法，该方法属于信息安全技术领域中的信息隐藏子领域。

背景技术

随着数字多媒体的发展，以数字内容为载体的现代隐写（Steganography）技术日渐成为信息安全领域研究的重点之一。隐写能够在不影响载体数据感知内容和质量的前提下在其中嵌入机密信息，通过隐蔽保密通信或者保密存储的存在性事实，提高了机密数据传输或者存储的安全。隐写系统通过修改载体数据的冗余信息嵌入机密信息，使得嵌入后的载体数据（称为“隐文”）与嵌入前的载体数据（称为“原文”）的差异不易被察觉。与隐写相对应，隐写分析则是用于分析判断数据中是否含有隐蔽信息的技术。虽然隐写嵌入过程对载体数据的感知内容和质量的影响很难被人眼所识别，但其对载体数据的改变一般能够被某些统计特征的变化反映出来。隐写分析技术利用这些对隐写嵌入过程比较敏感的统计特征对多媒体数据进行分析，从而识别隐蔽信息的存在。据报道，隐写已经被不法分子和恶意代码所利用。因此，现代隐写分析技术作为一种判断数字媒体数据中是否含有秘密信息的技术，在信息安全方面有着重要意义。

根据适用范围不同，隐写分析可分为三类：一、专用隐写分析（Specific Steganalysis），它只适用于专门的隐写算法（参考文献：Veena H B,Krishna S.Steganalysis of perturbed quantization using HBCL statistics and FR index[C]//Proceedings of5th International Conference on Information Systems,Technology and Management,MDI Gurgaon,India,Mar.10-12,Berlin:Springer-Verlag,2011:51-60.）；二、通用隐写分析（Universal Steganalysis），针对多个隐写算法都有效（参考文献：Shi Y,Chen C,Chen W.A Markov process based approach to effective attacking JPEG steganography[C]//Proceedings of8th International Workshop on Information Hiding,Virginia,USA,Jul.10-12,Berlin:Springer-Verlag,2007:249-264.）；三、多类隐写分析（Multi-class Steganalysis），可以将多个隐写算法分类（参考文献：T,Fridrich J.Merging Markov and DCT features for multi-class JPEG steganalysis[C]//Proceedings of the Society of Photo-optical Instrumentation Engineers,Bellingham:SPIE Press,2008:1-13.）。

现代隐写分析技术多采用基于机器学习的方法，通过包含原文样本和隐文样本的训练集构造一个二类或多类分类器，对待分析的数字内容（称为“待测样本”）进行分类，从而判断其中是否含有隐蔽信息。因此，构造分类器时使用的训练集对隐写分析方法的效果具有显著影响。若训练集中隐文样本的各项配置及参数（如所使用的隐写算法、隐写嵌入率等）与待测样本中潜在的隐文样本相同，则隐写分析方法正确检测出隐蔽信息存在的能力较高，反之则较低（参考文献：Guan Q,Dong J,Tan T.Blind quantitative steganalysis based on feature fusion and gradient boosting[C]//Proceedings of10th International Workshop on Digital Watermarking,Seoul,Korea,May.12-13,Berlin:Springer-Verlag,2011:266-279.）。然而，在实际应用中，隐写分析者往往无法得知隐写者所使用的隐写算法和参数配置。因此，衡量隐写分析方法的优劣需要综合考虑该方法针对多种不同隐写方法的分析效果，对隐写分析系统针对未知隐写方法的检测能力进行客观评价。这种评价称为隐写分析系统的“盲性”。