[发明专利]一种基于生成对抗网络的安全无嵌入隐写方法

说明书

本发明公开了一种基于生成对抗网络的安全无嵌入隐写方法，其步骤包括：1训练基于生成对抗网络的隐写模型，2对秘密信息进行加密隐写；3对秘密信息的加密提取。本发明能够解决已知生成模型攻击、已知提取模型攻击、训练提取模型攻击等常见的安全威胁，从而能满足信息隐写和提取在通信传输过程中的安全性需求。

技术领域

本发明属于信息安全技术领域，具体的说是一种基于生成对抗网络的安全无嵌入隐写方法。

背景技术

信息隐藏是一种用来进行秘密通信的技术，通过信息隐藏算法可以将秘密信息在不被第三方察觉的情况下进行传送。隐写术是进行信息隐藏的重要方式，主要通过对载体媒介的嵌入和修改达到目的，同时保持载体质量由于被修改而导致的失真在一定范围内，不会引起第三方的警觉。早期的空域数字图像隐写算法主要利用人的视觉对图像上微小变动的不敏感，用秘密信息替换图像像素的最低有效位。由于不同程度地修改了载体，强大的基于深度学习的隐写分析方法对自适应隐写的安全性提出了挑战。

为了解决上述存在问题，如基于GAN的经典加密模型提出，考虑一个对称加密体制，该模型中，限定明文和密钥长度相等，且生成模型和提取模型的网络结构相同。还有通过秘密信息和密钥构造指纹图像，提出一种基于构造的无嵌入隐写算法。或者是提出了一种基于数据驱动的无嵌入隐写方案GSS，发送方使用消息和密钥通过生成器采样获得载密图像，信息的嵌入和提取分别使用共享的密钥，不需要载体对象的参与。无嵌入隐写无需给定载体，在秘密信息的驱动下产生或选择载密对象，是一种非常具有发展潜力的新型隐写术。但是现有的无嵌入隐写算法特别是基于GAN的无嵌入隐写算法存在一些问题，包括嵌入容量少，恢复准确率不高，并且难以抵御已知生成模型攻击、已知提取模型攻击和训练提取模型攻击等常见的安全威胁，并不满足现代密码学中的Kerckhoffs准则。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于生成对抗网络的安全无嵌入隐写方法，以期能够解决已知生成模型攻击、已知提取模型攻击、训练提取模型攻击等常见的安全威胁，从而能满足信息隐写和提取在通信传输过程中的安全性需求。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于生成对抗网络的安全无嵌入隐写方法的特点是应用于由发送方、接收方、判别方和第三方所构成的网络环境中，并按如下步骤进行：

步骤1、利用openssl工具生成密钥对，包括：生成密钥en_key和提取密钥de_key；

步骤2、所述第三方将所述生成密钥en_key分发给所述发送方，将所述提取密钥de_key分发给所述接收方；

步骤3、训练基于GAN的安全无嵌入隐写模型：

步骤3.1、获取真实图像集并作为预训练数据集w；

步骤3.2、令所述安全无嵌入隐写模型是由生成模型G、判别模型D和提取模型E组成，且所述生成模型G是由全连接层和多层反卷积层组成；所述判别模型D和提取模型E均是由全连接层和多层卷积层组成；

步骤3.3、预训练所述生成模型G和判别模型D；

步骤3.3.1、将所述生成密钥en_key与噪声向量k连接到一起并作为所述生成模型G的输入z，从而经过所述生成模型G中，得到载密图像w′＝G(z)；

将所述预训练数据集w和载密图像w′输入所述判别模型D中，并输出判别分数D(w)和D(w′)；

步骤3.3.2、建立如式(1)所示的生成模型G的损失函数L_G：

L_G＝log(1-D(w′)) (1)

步骤3.3.3、建立如式(2)所示的判别模型D的损失函数L_D：