[发明专利]基于一致最优势检验的隐秘信息提取方法

说明书

本发明提供一种基于一致最优势检验的隐秘信息提取方法。本发明首先研究真隐写密钥提取的序列中不同比特位的概率分布；然后寻找伪隐写密钥提取出的序列的概率分布与载密序列的概率分布的联系，通过研究空域和JPEG域载密序列的概率分布，证明真伪隐写密钥提取出的子序列的概率分布存在差异；最后基于此差异，利用一致最优势检验筛选出正确的隐写密钥。在给定弃真和取伪的概率下，推导出假设检验需要的阈值和样本容量。实验结果表明，基于本发明提出的方法可以对常见的主流隐写算法载密图像进行隐写密钥恢复，进而实现隐秘信息提取。

技术领域

本发明涉及数字隐写技术领域，尤其涉及一种基于一致最优势检验的隐秘信息提取方法。

背景技术

数字隐写技术通过将隐秘信息嵌入到数字图像、音频、视频等多媒体文件中，利用公开信道进行传递以实现隐蔽通信。这种通信隐蔽了隐秘信息的存在，具有很强的欺骗性，已成为实施隐蔽通信的主要方式和信息安全领域近年来的一个研究热点。数字隐写分析技术主要研究如何检测、提取隐藏在数字载体中的秘密信息，其最终目标是为了提取隐藏的秘密信息，并佐证隐写检测的正确性。一方面，由于通信双方大多采用“隐藏+加密”的模式实现隐蔽通信，因此对于欲获得隐蔽通信内容、取证隐蔽通信行为的攻击者而言，他必须先提取隐藏的密文消息，然后才能考虑破译，所以隐秘信息提取是获得隐蔽通信内容、取证隐蔽通信行为过程中一个难以回避的问题。另一方面，现在多数针对隐写术的检测方法都是通过分析载体是否做过修改来判断是否隐藏了秘密信息，而修改过的载体并不一定含有敏感信息，所以这种判断的有效性会受到质疑，这也使得隐秘信息提取的研究很有必要。

目前，载体为图像的自适应隐写，即图像自适应隐写已成为隐写术中主流的研究方向。图像自适应隐写的嵌入过程通常由失真函数和隐写编码两部分构成，可表示为“自适应隐写＝失真函数+隐写编码”。失真函数用来计算载体图像在不同位置的失真。不同隐写算法从不同角度定义失真函数，总体原则为：在纹理复杂区域和边缘区域取值较小，在平滑区域取值较大。隐写编码则被用来根据计算出的失真选择修改位置，以最小的失真代价来嵌入隐秘信息。自适应隐写先后采用了矩阵编码、湿纸编码等隐写编码。文献1“T.T.Filler,P.Bas.“Using High-Dimensional Image Models to Perform HighlyUndetectable Steganography,”In:Proceedings of the 12th International Workshopon Information Hiding(IH),Calgary,Canada,2010,pp.161-177”首次将STC(Syndrome-Trellis Codes)应用于图像自适应隐写。此后，STC以其在最小化嵌入失真的性能逼近理论最优的特点，成为自适应隐写算法的首选编码，基于STC的自适应隐写也已成为隐写算法正向改进的重点和反向分析的难点。

大部分的隐秘信息提取方法都是在特定的条件下进行提取，唯载密图像条件下的提取方法亟待研究。文献2“X.Luo,X.Song,X.Li,et al.“Steganalysis of HUGOsteganography based on parameter recognition of Syndrome-Trellis-Codes,”Multimedia Tools and Applications,2016,vol.75,no.21,pp.13557-13583”在针对明文嵌入，提出了一种唯载密条件下的适用于空域隐写的隐秘信息提取方法。空域图像像素的LSB(Least significant bit)为随机噪声，01比特出现的频率相同。该方法认为，伪隐写密钥提取出的序列的概率分布和空域载体图像像素LSB的概率分布相同，即01比特的频率也接近相同。然而，目前互联网上传输的图片绝大多数都是JPEG格式，JPEG图像的可嵌DCT(Discrete Cosine Transform)系数中01比特出现的频率并不相同。

发明内容

为了提供一种唯载密条件下的适用于JPEG图像的隐秘信息提取方法，本发明提供一种基于一致最优势检验的隐秘信息提取方法。