[发明专利]一种基于生成对抗网络的彩色图像隐写失真函数设计方法

说明书

本发明涉及一种基于生成对抗网络的彩色图像隐写失真函数设计方法，用于彩色图像隐秘通信。其发明内容主要包括：(1)提出一种生成彩色图像修改概率的生成器网络结构；(2)提出一种基于生成对抗网络设计彩色图像隐写失真函数框架。与现有技术相比，本发明提供的一种基于生成对抗网络的彩色图像隐写失真函数设计方法，针对应用更广泛的空域彩色图像进行秘密信息隐秘传输。本发明的方法可行且有效，训练后的模型生成的隐写失真函数结合Syndrome‑Trellis Code等编码技术能更好地抵抗现有的彩色图像隐写分析器，具有更高的安全性。

技术领域

本发明涉及多媒体安全技术领域，具体涉及一种基于生成对抗网络的彩色图像隐写失真函数设计方法。

背景技术

互联网技术的高速发展与应用使得人们在网络上传递信息越来越高效快捷，与此同时，网络信息的安全性也越来越受到考验。小到个人的身份、密码等隐私信息泄露，大到国家政治、军事和商业等领域机密被敌对势力监听窃取，因此保障信息的安全传递对于网络的健康发展至关重要。密码技术虽然可以保证信息的安全性，但是加密后的信息通常看起来是杂乱无章的，很容易引起攻击者的注意，增加了被破解的可能性，另外，即使攻击者无法破解加密信息，也可以阻断信息的传播从而导致通信失败。信息隐藏技术采用了与密码学不一样的思路，它的侧重点不再是使攻击者无法破解，而是巧妙地将秘密信息隐藏起来不被攻击者发现。由于人类感知器官对多媒体信息的感知具有冗余特性，因此信息隐藏技术将多媒体信息作为秘密信息的载体。攻击者截获嵌密载体后，难以察觉到秘密信息的存在，更加难以从嵌密载体中提取秘密信息。

传统的隐写技术需要选用合适的编码方式和设计最小化失真函数。由于编码技术取得巨大的突破，近年来研究的重点在于设计合适的最小化失真函数。隐写分析是针对隐写术的检测技术，通过对多媒体信息进行统计分析来检测其是否携带秘密信息。信息隐藏技术和隐写分析技术相互对抗，相互促进，这和生成对抗模型非常相似。文献W.Tang,S.Tan,B.Li,and J.Huang.Automatic steganographic distortion learning using agenerative adversarial network.IEEE Signal Processing Letters,vol.24,no.10,pp.1547–1551,Oct.2017.首次提出了基于生成对抗网络设计灰度图片隐写失真函数框架，灰度图片通过生成器网络得到正负修改概率和矩阵，正负修改概率和矩阵通过一个训练好的子网络进行模拟嵌入后得到修改矩阵，灰度图像与修改矩阵相加得到灰度载密图像，载体图像与载密图像一起作为隐写分析器的输入进行训练。文献J.Yang,D.Ruan,J.Huang,X.Kang,and Y.Shi.An Embedding Cost Learning Framework Using GAN.IEEETransactions on Information Forensics and Security,2019.设计了一个double-tanh函数进行模拟嵌入，并且将unet网络作为生成器设计空域灰度图像的隐写失真函数，性能超过了现有手工设计隐写失真函数的方法。文献Jianhua Yang,Danyang Ruan,Xiangui Kang,Yun-Qing Shi.Towards Automatic Embedding Cost Learning for JPEGSteganography.IHMMSec,2019:37-46.设计了反离散余弦变换模块，成功地利用生成对抗网络设计频域灰度图像的隐写失真函数。

在现实生活中，彩色图像应用更为广泛，然而，目前生成对抗网络设计隐写失真函数的方案都是针对灰度图像设计的，与灰度图片相比，彩色图像通道之间具有相关性。考虑到实际应用的问题，本发明旨在针对彩色图像这一特定载体，提出一种基于生成对抗网络的隐写失真函数设计方法。

发明内容

本发明提出了一种基于生成对抗网络的彩色图像隐写失真函数设计方法，用于彩色图像隐秘通信，主要包括两大内容：

(1)提出一种生成彩色图像修改概率的生成器网络结构；