[发明专利]一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法

说明书

本发明公开了一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，对于密钥空间或者密钥字典中每个可能的隐写密钥，分别依次执行以下步骤：A：设置隐写信息长度估计值L，根据每个可能的隐写密钥k生成长度为L的测试路径B：分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值以及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值；C：计算和的差值；D：选取1个或多个最大的差值所对应的隐写密钥作为还原的疑似隐写密钥。本发明能够在嵌入位置仅由隐写密钥确定的前提下确定疑似隐写密钥。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法。

背景技术

数字隐写是在图像、视频或音频等多媒体数据的冗余中嵌入秘密信息，以实现隐蔽通信的一种技术。随着计算机网络和多媒体技术的发展，数字隐写已经成为信息安全领域的重要技术之一，其可被用于个人和企业间的保密通信。与之同时，企业员工或者政府职员也可能利用数字隐写将内部信息隐藏于看似正常的数字图像、音频或视频等多媒体数据中泄露出去，以逃避监管。在众多的隐写方法中，LSB匹配隐写由于其实现简单和隐蔽性强的特点，已经被推广至多种不同的数字媒体，并发展出许多各具特点的改进版本。因此，对LSB匹配隐写的取证已经成为取证隐写分析方向的研究重点之一。

当前，LSB匹配隐写取证方面的研究，不仅包括LSB匹配隐写的隐密图像检测，还包括LSB匹配隐写的嵌入率估计和隐密位置估计。其中，LSB匹配隐写的隐密图像检测是当前LSB匹配隐写取证方面研究的重点，检测方法主要可分为两类：基于通用特征的检测方法和基于特定特征的检测方法。前者主要利用一些通用盲检测特征(如共生矩阵)训练分类器实现LSB匹配隐写的隐密图像检测，后者主要利用一些针对LSB匹配隐写的特定隐写检测特征(如直方图特征函数和小波绝对矩)实现检测。LSB匹配隐写的嵌入率估计的主要方法有最大似然估计法、基于相邻像素对转移的方法和基于机器学习的方法等。LSB匹配隐写的隐密位置估计方法主要有基于贝叶斯的隐密位置估计方法和基于小波绝对矩的隐密位置估计方法。

上述方法丰富了LSB匹配隐写取证的手段，为防止LSB匹配隐写被不法分子滥用提供了技术支持。然而，隐写取证的最终目的在于恢复嵌入的秘密信息。而很多隐写软件在嵌入信息时都要根据隐写密钥选取一定数量的像素以嵌入信息。因此，如何正确还原隐写密钥已经成为LSB匹配隐写取证中至关重要的一个环节。

发明内容

本发明的目的是提供一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，能够在已知嵌入位置选取机制，且在嵌入位置仅由隐写密钥确定的前提下判别隐写密钥的真伪，并确定疑似隐写密钥。

本发明采用下述技术方案：

一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，对于密钥空间或者密钥字典中每个可能的隐写密钥，分别依次执行以下步骤：

A：设置隐写信息长度估计值L，采用已知的嵌入位置选取机制，根据每个可能的隐写密钥k生成长度为L的测试路径Path_k,Path_k＝i₁i2…i_L，其中i1,i2,…,iL分别为根据可能的隐写密钥k得到的第1,2,…,L个可能的嵌入位置；

B：采用小波绝对矩剩余计算方法计算待检测图像中每个位置的小波绝对矩剩余，然后分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值以及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值

C：计算位于测试路径内的所有位置的小波绝对矩剩余的绝对平均值R_k和位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值R_k′的差值d_k，