首页

Appearance

符号 简写 ​

  • QDCT: quantized discrete cosine transform coefficients
  • bpp: bits per pixel
  • bpac: bits per non-zero AC DCT coefficient
  • bpnzAC: bits per non-zero cover AC DCT coefficient
  • SRM: spatial rich model
  • Fridrich
  • HUGO: Highly Undetectable stego
  • WOW: Wavelet Obtained Weights
  • STC: syndrome-trellis codes
  • S-UNIWARD: Spatial UNIversal WAvelet Relative Distortion
  • J-UNIWARD: JPEG Universal Wavelet Relative Distortion
  • UED(Uniform Embedding Distortion)
  • MG(Multivariate Gaussian Mode.

基础知识 ​

  • 隐写术只是信息隐藏的一个分支；

  • 隐写术的三类基本模式:修改自然载体；选择自然载体；合成载体；

我的研究 ​

  • AIS(Artificial immune system) Steganography Steganalysis steganographic algorithm cover images steganographic images
  • A stegosystem is called perfectly secure if the cover distribution exactly matches the stego distribution
  • 嵌入会破坏DCT系数间原本存在的弱相关性；
  • 隐写分析:训练库与测试库失配导致检测效果下降；

提高在已有算法的安全性 ​

  • A new rule for cost reassignment in adaptive steganography.2017

    • 有相近安全性的自适应隐写算法(如:HUGO、WOW)，对某一个像素定义的代价分别为C1、C2，如果C1、C2相差很大(方差)，表明当前像素对检测器而言是不敏感的，修改该像素更不容易被检测到，因此该像素应该赋予较小的代价。这类像素称为冲突像素，在全部像素中选择一定比例(该比例与payload成线性关系)的冲突像素，更新这类像素的修改代价，使这类像素被修改的优先级更高。

  • Defining cost functions for adaptive steganography at the microscale.2017

    • 自适应隐写思想：纹理区域的像素修改的代价小，平滑区域的修改代价大，但当前隐写算法不能很好的捕捉纹理区域。因此设计方案辅助已有的隐写算法更好的捕捉纹理区域。

    • 先对cover进行图像增强(锐化)，用已有的算法计算锐化后图像的每个像素的代价D，根据代价D和原来的cover图像完成信息嵌入。

图像处理 ​

图像增强 ​

对图像的亮度、对比度、饱和度、色调等进行调节，增加其清晰度，减少噪点等，图像去燥等同于低通滤波器，增加清晰度则为高通滤波器。

  1. 基于直方图均衡化的图像增强 直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。
  2. 基于拉普拉斯算子的图像增强 锐化增强图像，增强局部的图像对比度。利用二次微分对图像进行蜕化即利用邻域像素提高对比度。
  3. 基于对数Log变换的图像增强 对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分的细节，从而达到强调图像低灰度部分的目的。对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。
  4. 基于伽马变换的图像增强 伽马变换主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。伽马变换对图像的修正作用其实就是通过增强低灰度或高灰度的细节实现的。伽马变换对于图像对比度偏低，并且整体亮度值偏高（对于于相机过曝）情况下的图像增强效果明显。

对抗样本 ​

  • 根据嵌入策略的不同, 图像隐写术又可分为非自适应隐写术和自适应隐写术两类。非自适应隐写术对每个元素同等对待，主要的思想是对载体图像修改的越少隐写安全性就越高，因此非自适应隐写多结合编码，提高嵌入效率，减低修改量；如矩阵编码、湿纸编码及BCH码。

    • 修改量越少越安全？通过再次修改是否合理
    • 在相同的payload下，F5、nsF5、J-UNIWARD的修改量比较

  • 自适应算法有选择的修改元素(像素或QDCT)，使总的失真最小，关键在于失真代价的设计

    • 像素的代价：

      1.特定的修改对像素领域的影响: WOW，UNIWARD，HILL

      2.对特征空间(图像的低维模型)的影响：HUGO

      3.对多元高斯模型的统计检测性的影响：MG

  • 提高算法安全性

1.被动增强：提高隐写算法自身的安全性；

2.主动增强：对抗样本，通过有目的的干扰隐写检测器，使检测器产生错误的判断，从而提高隐写安全性；关键在于寻找检测器的弱点(梯度下降的脆弱性)

  • 利用对抗样本构造新的载体图像；
  • [Zhang Y, Zhang W, Chen K, et al. Adversarial Examples Against Deep Neural Network based Steganalysis[C].2018]
    • 根据检测网络中梯度调整部分像素的失真代价：先计算反向传播过程中图像每个位置的梯度(预设类别标签为载体图像), 如果修改操作的方向与梯度反方向相同则减小其失真代价, 反之则增加其失真代价。隐写失真代价调整完后, 同样采用自适应隐写框架完成信息嵌入。该方法根据梯度方向调整隐写失真代价，在嵌入过程中没有引入额外的修改噪声, 它不仅能抵御基于深度学习的隐写分析, 还能在传统的高维特征隐写分析的检测下保持较高的安全性。
    • 不再维持图像模型。

可检测性度量 ​

  • KL散度(相对熵)
  • MMD(最大均值差异)

Q: 失真代价与可检测性的关系

  • The statistical detection effect of modified a pixel on the multivariate Gaussian model

人工免疫 ​

  • 克隆选择算法作为一种全局优化搜索算法，代表是deCastro在2000年提出的克隆选择算法CSA。
  • 基于人工免疫系统隐写检测国外研究机构:Airforce Institute(USA)
  • 人工免疫系统基本框架《计算机免疫学》-李涛
  • 进化选择:轮盘赌选择算子、变异算子《遗传算法--理论应用与软件实现》-王小平.西安交大
  • 《The clone selection algorithm with engineering application,De Castro L N》 aiNet主要研究无标签数据集合的压缩和聚类问题; aiNet作者主页:http://dca.fee.unicamp.br/~lnunes/immune.html
  • 遗传算法(Genetic Algorithm)用于随机搜索和优化. 免疫识别机理在图像识别、网络入侵检测、异常检测中得到了广泛的应用.
  • 抗原对应目标函数和约束条件,抗体对应于搜索空间的解；

免疫细胞识别自我\非我,免疫细胞在识别过程中不断增值分化，成功识非我的免疫细胞进行免疫记忆，实现快速免疫应答； 原始载体(特征)视为自我,含密载体视为非我，将隐写操作视为对原始载体的攻击，用原始载体特征构造检测器。 以原始载体特征作为自我抗原,采用阴性选择生成检测器(抗体集)若待测图像特征抗原与异常检测器集中某检测器抗体相匹配, 则判断为含秘载体,否则为原始载体,并使检测器集动态更新,为下轮隐写检测做出快速应答。

研究团队 ​

  1. 张兴鹏(Xinpeng zhang),
  2. 黄继武(Jiwu Huang), 中山大学
  3. 倪江群(Jiangqun Ni), 中山大学，隐写算法
  4. 李斌(Bin Li), 深圳大学
  5. 张卫明(Weiming Zhang), 中科大(University of Science and Technology of China)
  6. Wenbo Zhou

图像库 ​

ImageNet/bossbase/ standard steganography research dataset:BOSS RSP(10000灰度图像):http://dud.info.tu-dresden.de/westfeld/rsp/rsp.html. BOWS2(10000灰度)：http://bows2.ec-lille.fr. http://patrickbas.ec-lille.fr/MonoBase/ (与BOSS类似) http://agents.fel.cvut.cz/stegodata/

P. Bas, T. Furon. Bows-2 DDB/OLD. Available: http://bows2.gipsa-lab.inpg.fr/BOWS20rigEp3.tgz. http://agents.fel.cvut.cz/stegodata/ NRCS Image Database. Available: http://photogallery.nrcs.usda.gov/. 图像隐写竞赛:BOSS (Break our steganography system. Available: http://www.agents.cz/boss.

Copyright © 2023-2025 Evan You