[发明专利]基于最优化失真修改阻止隐蔽传输的方法

说明书

本发明提出了一种基于最优化失真修改阻止隐蔽传输的方法。通过轻微修改图像数据来破坏秘密数据的提取，同时将修改位置集中在图像失真最小的区域并选择最佳的修改方向以最小化图像失真，使得修改后的图像仍保持较高的质量。即在最优化图像失真的条件下完全破坏图像中的秘密数据，以达到阻止秘密数据传输的目的。本发明同时适用于未压缩图像与JPEG图像。

技术领域

本发明涉及秘密数据传输领域，具体涉及一种基于最优化失真修改阻止隐蔽传输的方法。

背景技术

隐写即隐蔽地传递信息，以不引起第三方察觉为目的，通过正常的行为或载体传送秘密信息。数字图像隐写通过轻微修改载体图像来嵌入秘密信息，传送含密图像以实现隐蔽通信。初期的数字图像隐写方法主要通过维持图像统计特性不变来保证隐写的抗检测性，或者利用信道编码来提高隐写的嵌入效率。但由于缺乏数字图像的精确统计模型，以及图像不同位置修改代价的差异性，上述方法没有取得令人满意的性能。J.Fridrich团队于2011年提出的STC(Syndrome Trellis Coding)编码打破了这种局面，STC的出现使隐写的重点由构造编码方法转为设计失真代价函数。在此编码框架中，需要为载体图像设计一个失真代价函数。失真代价函数为每个载体元素分配一个用来衡量修改风险的代价值，含密对像的整体失真则表示为所有被修改元素代价值的总和。对于给定的嵌入率，STC编码能最小化自定义失真代价函数下载体与含密对像间的加性失真，其嵌入效率已十分逼近加性失真条件下的理论界限。

近年来网络上大量传播的数字图像为隐写提供了极大的便利，如何阻止隐写的秘密数据传输成为了网络空间安全中至关重要的问题。隐写分析即是检测图像中秘密数据存在性的技术。现阶段的隐写分析主要通过高维特征加集成分类的有监督机器学习方式来检测秘密数据的存在性。但由于现阶段的隐写分析工具对低嵌入量(小于0.05比特每像素)隐写的检测错误率(大于40％)极高，近似于随机猜测。因此隐写分析工具判决为正常的图像仍极有可能含有秘密数据。为了完全阻止秘密数据的传输，应对图像作微小改动以破坏秘密数据。另一方面，由于降噪、重压缩、美化等经常用于社交网络的正常的图像处理操作会使隐写分析工具将图像错判为含密图像，因此判决为含密的图像也不可全部拦截。故这部分图像也可进行相同修改操作以断绝秘密数据传输的可能。

发明内容

针对现有技术存在的缺陷，本发明的目的是提供一种基于最优化失真修改阻止隐蔽传输的方法。通过轻微修改图像数据来破坏秘密数据的提取，同时将修改位置集中在图像失真最小的区域并选择最佳的修改方向以最小化图像失真，使得修改后的图像仍保持较高的质量，图像的正常使用不受影响。

为达到上述目的，本发明采用如下技术方案：

一种基于最优化失真修改阻止隐蔽传输的方法，包括修改优先值计算阶段、修改位置确定阶段，以及修改方向确定阶段。设待修改图像包含n个元素(对未压缩图像，“元素”指图像像素；对JPEG图像，“元素”指图像DCT系数)，第i个元素表示为x_i，i∈{1,2,…,n}。设有w个失真代价函数可供利用，第j个失真代价函数分配给x_i的代价值为即每个图像元素对应w个代价值。具体步骤如下：

(1)、将各失真代价函数分配给n个图像元素的n个代价值的范围分别限制在0～1之间，如式(1)所示。使得各失真代价函数分配的代价值范围相同。

(2)、对所有图像元素{x₁,x₂,…,x_n}均计算w个失真代价函数分配的w个代价值的平均值如式(2)所示。

(3)、按照式(3)计算各平均代价值的倒数{θ₁,θ₂,…,θ_n}。