資源描述:
《hugo 隱寫算法 外文翻譯》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、使用高維圖像模型完成高難檢測隱寫技術(shù)使用高維圖像模型完成高難檢測隱寫技術(shù)UsingHigh-DimensionalImageModelstoPerformHighlyUndetectableSteganography?學(xué)院(系):專業(yè):學(xué)生姓名:學(xué)號(hào):指導(dǎo)教師:完成日期:–12–使用高維圖像模型完成高難檢測隱寫技術(shù)使用高維圖像模型完成高難檢測隱寫技術(shù)Tomá?Pevny1,Tomá?Filler2,andPatrickBas3[1]捷克理工大學(xué)[2]紐約州立大學(xué)[3]法國國家科學(xué)研究院摘要:本文提出了一套完整
2、的方法論,來設(shè)計(jì)用于數(shù)字媒體的實(shí)用性高度隱蔽隱寫系統(tǒng)。其中主要的設(shè)計(jì)原則是使用高效編碼算法使適當(dāng)定義失真最小。分析者將失真定義為特征向量的加權(quán)差,該特征向量已在隱寫分析中使用。通過“保留”分析者使用的模型,更大的負(fù)荷量都難以察覺。即使所使用嵌入器特征集的維數(shù)大于107,這個(gè)框架也可以有效地實(shí)現(xiàn)。高維模型對(duì)于避免已知的安全弱點(diǎn)很有必要,因?yàn)榇朔N模型將會(huì)給隱寫分析帶來問題,這也是高維模型能夠在隱寫術(shù)中使用的原因。本文介紹了HUGO算法,其為一種新的空域數(shù)字圖像嵌入算法,并對(duì)比其與LSB匹配算法性能上的差異?;贐
3、OW2圖像庫,可以看到在相同的安全級(jí)別下HUGO算法的隱藏能力是LSB匹配算法的7倍。1引言囚犯模型中,Alice和Bob之間進(jìn)行隱秘通信的主要目的是傳送一個(gè)隱藏了秘密信息的普通物體,而不讓監(jiān)獄長Eve檢測到。如果一個(gè)隱寫系統(tǒng)的載體分布與隱密分布完全匹配,則稱其為完全安全的系統(tǒng)?!癱overgeneration”針對(duì)這個(gè)問題提出了解決方案,但這種解決方案要求對(duì)載體的概率分布有確切地了解。而在實(shí)踐中,載體的概率分布很難從實(shí)際的數(shù)字媒體中獲取。最常用且最實(shí)際的解決方法是通過制造小擾動(dòng)來隱藏信息,并希望這些擾動(dòng)能被
4、圖像噪聲覆蓋掉。數(shù)字圖像中最流行的嵌入方法之一是最低有效位(LSB)替換法,該算法將個(gè)別載體元素的最低有效位被替換成信息比特。但人們很快意識(shí)到,這種嵌入操作導(dǎo)致的不對(duì)稱性成為一個(gè)潛在的弱點(diǎn),因此促進(jìn)了高精度針對(duì)性隱寫分析儀的發(fā)展,所以這種方法的安全有效載荷幾乎為零。將LSB替換法簡單改進(jìn),就是LSB匹配算法(通常稱為±1–12–使用高維圖像模型完成高難檢測隱寫技術(shù)嵌入法)。該算法將像素值隨機(jī)地±1,使得像素的最低有效位與秘密信息相對(duì)應(yīng)。盡管與LSB替換方法類似,但LSB匹配算法很難被檢測,因?yàn)樵撍惴ǖ那度氩僮?/p>
5、變得平衡。實(shí)踐證明,當(dāng)只利用單個(gè)像素中的信息時(shí),LSB匹配算法是最接近最優(yōu)的方法。LSB匹配算法最大的缺陷是假設(shè)了像素與像素之間的圖像噪聲相互獨(dú)立,但在自然圖像中這種假設(shè)往往不成立,檢測器也常常利用這一缺陷來進(jìn)行檢測。通過對(duì)空域隱寫術(shù)的簡短綜述,可以很清楚地看到這些嵌入算法是不安全的,主要是因?yàn)檫@些方法使用的圖像模型不夠普通,而且一些邊緣和連接處圖像的統(tǒng)計(jì)特性也沒有保存。本文提出了一種新穎的方法來設(shè)計(jì)隱寫算法,通過使用非常普遍且高維的模型,隱寫算法變得更為安全,這種高維模型涵蓋了自然圖像中存在的各種依賴關(guān)系。
6、該方法以嵌入影響最小的原則為依據(jù),這一原則會(huì)在第二節(jié)當(dāng)中介紹?;谶@一原則就可將圖像隱寫算法的設(shè)計(jì)分解成圖像模型的設(shè)計(jì)和編碼器兩部分,因此使用更好的編碼器或是使用更好的模型都能使隱寫算法得到提高。所以,圖像模型成為系統(tǒng)設(shè)計(jì)最重要的部分之一,第三節(jié)重點(diǎn)介紹了這一問題。經(jīng)分析,如果拓展后的隱寫分析特性能夠避免對(duì)特定隱寫分析儀的過度擬合,就能用來設(shè)計(jì)隱寫模型。盡管這樣隱寫模型的維數(shù)很大,但對(duì)于隱寫術(shù)來說,高維模型并不構(gòu)成問題。在第四節(jié)中,通過構(gòu)造基于SPAM(SubtractivePixelAdjacencyMat
7、rix)特性的一種新型空域隱寫算法,驗(yàn)證了本文提出的方法。通過實(shí)驗(yàn),研究者針對(duì)所提出這一方案的安全性和各個(gè)設(shè)計(jì)元素對(duì)安全性的影響得出了結(jié)論,詳見第五章。本文中提到的思想可以在之前的技術(shù)手段中看到。(a)幾乎所有隱寫算法的目標(biāo)都是使失真最小,從而保留一些圖像模型。圖像模型不僅可以從圖像本身得到(如F5算法及其改進(jìn)算法,基于模型的隱寫術(shù),等等),也能從量化引入的誤差中得到。后一類的算法(MMX[19]及其改進(jìn)算法[25],PQ[12]等)使用高質(zhì)量圖像中的“邊緣信息“,這些是不提供給接收方的(和Eve)。(b)許
8、多算法(F5[30],nsF5[13],MMX[19]和[25])已經(jīng)開始利用各種各樣的編碼方案來使得失真最小。早期的方案(如F5和LSB匹配算法)使用編碼來使嵌入的變化量最小,而MMX算法允許有比最優(yōu)值更大的嵌入變化量,來減少總體的失真。因此,MMX可以看做通過編碼的手段使得本地內(nèi)容自適應(yīng)嵌入的算法,這與本文提出的方案很接近。相對(duì)于上述的成果來說,本文的主要貢獻(xiàn)如下:(a)提倡在隱寫術(shù)中使用不可用