[发明专利]一种基于GAN扩增图像前景物体的高容量数据保护方法

说明书

本发明公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。

技术领域

本发明涉及高容量数据保护方法，尤其涉及一种基于GAN扩增图像前景物体的高容量数据保护方法。

背景技术

随着大数据的到来和科技的快速发展，数据安全和隐私保护成为国家和个人的关注重点。随着信息时代的发展，信息安全领域中的信息隐藏技术被广泛提出，以实现更隐蔽、安全地保护秘密信息。

信息隐藏是指利用数字载体(包括文本、图像、音频、视频等)的冗余性，将秘密信息隐藏于其中，得到含密载体。由于秘密信息嵌入后具有不可察觉性，因此可以在不引起监测方怀疑的情况下将含密载体公开传递至接收方。接收方通过相关的算法提取秘密信息。以图像为载体的信息隐藏技术是信息隐藏领域中极其重要的一部分。早期，研究者提出通过修改图像的最低有效位隐藏秘密信息，但其安全性较低。

近年来，多种基于GAN的信息隐藏技术被提出，例如，《基于生成式对抗网络的自动隐写失真学习》(Tang W,Tan S,Li B,et al.Automatic steganographic distortionlearning using a generative adversarial network[J].IEEE Signal ProcessingLetters,2017,24(10):1547-1551.)和《基于生成式对抗网络的空间图像隐写》(Yang J,Liu K,Kang X,et al.Spatial image steganography based on generativeadversarial network[J].arXiv preprint arXiv:1804.07939,2018)，研究者通过增加隐写分析器作为GAN中的一个判别器，在生成器生成图像的同时，将秘密信息隐藏于图像中，通过隐写分析器的对抗，使得秘密信息隐藏于更加隐蔽的地方，实现对抗隐写分析的目的。这个方法的提出，对信息隐藏进一步提升安全性开辟了新的方向。

虽然信息隐藏的安全性有效提升了，但是信息隐藏仍有一个极其重要的指标，即隐藏容量。以上方法均未考虑到，若生成图像的纹理较为光滑，即本身不适用于信息隐藏，则无法在提升安全性的同时保证隐藏容量。申请号CN201910340335.0的专利《一种基于物体局部生成对抗网络的大数据权属保护方法》中记载有通过在纹理光滑的背景区域(即不适合隐藏区域)生成前景物体，从而提高纹理复杂度，将秘密信息隐藏于前景物体中；同时在GAN结构中增加隐写分析器，使得信息隐藏算法更加安全、隐蔽。但是该方法存在如下问题：1)虽然利用GAN生成适合嵌入信息的前景物体，但未评判原图像的隐藏能力，这样可能会导致生成的前景物体并非位于原图的不合适隐藏区域；2)可以实现的前提是原图像不含前景物体，仅为背景图像。因此针对的图像范围有限，而并非任意图像，导致该方法具有局限性；3)在实现过程中，需要通过GAN对原图像进行背景重建，该过程计算量高，并且会降低原图像的视觉保真度。

发明内容

发明目的：本发明的目的是提供一种有效提高隐写算法的隐藏容量和数据隐蔽传递安全性的基于GAN扩增图像前景物体的高容量数据保护方法。