[发明专利]一种基于轮廓自动生成的构造式信息隐藏方法

说明书

本发明公开了一种基于轮廓自动生成的构造式信息隐藏方法，具体为：将长度为L的秘密信息的二值序列S切分成n段长度均为l的二值序列；步骤2：构建目标轮廓图像；步骤3：构建轮廓‑图像可逆变换模型；步骤4：将目标轮廓图像输入至训练好的轮廓‑图像可逆变换模型中，生成模型根据目标轮廓图像生成含密图像，所述提取模型用于提取含密图像的轮廓，以实现将秘密信息的二值序列隐藏在提取模型提取的轮廓中。本发明生成含密图像质量较高，视觉效果更好。

技术领域

本发明属于信息安全领域。

背景技术

长期以来，信息安全是人们密切关注的问题。基于密码学的传统做法对信息进行加密再传输，但加密后的信息是杂乱无序的，因此容易受到监测者的攻击。相较之下，隐写术是将秘密信息嵌入多媒体载体(如文本、图像、音频、视频等)中进行隐蔽通信的信息隐藏技术，其优点在于不容易引起监测者的怀疑，从而实现更高的安全性。隐写术在信息传输等领域具有重要的应用价值。

在前期的研究中，研究者们往往采用传统的载体修改式信息隐藏方法，设计一个合理的损失函数，按照一定规则对载体图像进行修改实现秘密信息的嵌入。为了减轻修改对图像质量造成的影响，研究者们提出了自适应图像隐写术，通过在纹理复杂区域嵌入秘密信息最小化图像失真。但是由于这类方法的本质是对载体图像进行修改，因此在含密图像中或多或少遗留下篡改痕迹，容易受到隐写分析器的侦测和攻击。为了从根本上解决这个问题，研究者们又提出了无载体信息隐藏的概念，“无载体”并不是指真的不需要载体，而是以秘密信息为驱动生成或获取含密图像。无载体信息隐藏主要包括两种方法：载体映射式信息隐藏和载体构造式信息隐藏。载体映射本质上是基于图像检索的信息隐藏方法，对于长度为l比特的秘密信息二值序列，一共有2^l种可能的排列组合，则需要建立至少包含2^l张载体图像的数据库。通过发掘载体图像本身的性质，构建秘密信息与载体图像之间的映射关系实现秘密信息的传输。但在实际应用中，数据库的存储容量是有限的，因此该方法存在隐藏容量较小的缺点。

最近几年，深度学习因为其高超的学习能力得到了空前的关注。Goodfellow等人提出GAN模型(Goodfellow I J,Pouget-Abadie J,Mirza M,et al.Generativeadversarial networks[J].arXiv preprint arXiv:1406.2661,2014.)，通过多次迭代的对抗训练生成较真实的图片。基于这一成果，研究者们尝试将深度学习与信息隐藏任务结合起来，指导构造式信息隐藏方法中含密图像的生成。Hu等人(Hu D,Wang L,Jiang W,etal.A novel image steganography method via deep convolutional generativeadversarial networks[J].IEEE Access,2018,6:38303-38314.)将秘密信息转换成低维噪声作为GAN的输入以生成含密图像，该方法能够较好地抵御隐写分析器的攻击，但现有的载体构造式信息隐藏方法主要存在以下几个技术难题：

1、现有的载体构造式信息隐藏方法利用GAN将秘密信息转换成含密图像，但由于GAN的本质不是一个可逆的马尔可夫模型，因此秘密信息提取困难。

2、现有的载体构造式信息隐藏方法为了避免模式坍塌，通常构造一张或一类图片与一比特秘密信息之间的映射关系，存在隐藏容量较小的弊端。

发明内容

发明目的：为了解决上述现有技术存在的问题，本发明提供了一种基于轮廓自动生成的构造式信息隐藏方法。

技术方案：本发明提供了一种基于轮廓自动生成的构造式信息隐藏方法，具体包括如下步骤：

步骤1：将长度为L的秘密信息的二值序列S切分成n段长度均为l的二值序列；