基于像素相关性的数字图像隐写分析*

根据自然图像相邻像素之间具有一定相关性的特点,提出一种基于图像像素相关性度量的隐写分析方法。首先利用Hilbert空间填充曲线对图像各位平面像素以及图像像素进行扫描,构造一维序列,然后分别采用计算自相关系数和像素前后差值比的方法对图像相邻像素间的相关性进行度量,提取特征输入到分类器中,实验表明,该方法达到了较好的检测效果。     

用于依赖快照的高效写算法HPSW

使用快照技术可以生成存储系统在某时间点完全可用的数据副本,从而可使用该副本对存储系统实现备份、测试、在线分析和数据挖掘等操作。对快照的各种实现技术进行了分类与比较,详细说明了依赖快照的实现原理及优点,并针对在写依赖快照时可能造成的数据不一致的问题提出了一种高效的写算法HPSW;实验表明该算法具有良好的性能,克服了依赖快照的缺点,具有很好的实际应用价值。     

基于局部随机性的YASS隐写分析方法

提出了一种针对YASS(Yet Another Steganographic Scheme)隐写算法的专用检测方法.根据B块的大小,分析8×8数据嵌入子块的位置,并提取子块DCT低频系数局部随机序列的4个统计量作为特征,结合Fisher线性分类器进行分类.针对YASS及其改进算法的实验表明:此方法能有效检测YASS隐写得到的含密图像,相比现有方法,其检测率有明显提高.     

从公文的错误案例谈大学生公文写作教育的困境及解决方法

公文是人们日常办公办事的重要工具。对两份真实公文进行解析,分析了错误公文的不良影响及形成原因,指出了大学生公文写作教育面临的困境,并提出了相应的解决方法。     

对空域图像LSB隐写术的提取攻击

隐写分析的研究一直集中于检测隐藏信息的存在性,而关于如何提取隐藏信息(即对隐写术的提取攻击)的研究还非常少.对于使用密钥的隐写术,提取攻击等价于恢复隐写密钥.文中结合隐写分析中的检测技术和密码分析中的相关攻击技术,对空域图像LSB隐写术提出了一种隐写密钥恢复方法.理论分析说明:此攻击方法的计算复杂度主要由所需的样本量决定,并且当嵌入率r接近0或1时攻击将失败.作者通过混合高斯模型给出了一个估计最小样本量的方法.针对隐写软件"Hide and Seek 4.1"的实验表明:此攻击方法可以成功恢复隐写密钥,从而提取隐藏的消息.如果消息长度L未知,当嵌入率5.3%＜r＜94.7%时攻击可以成功;如果L已知,当1.1%＜r＜98.4%时攻击可以成功,并且当11%＜r＜50%时,使用估计的最小样本量可以将攻击速度提高10%～45%.     

基于直方图特性的LSB匹配隐写分析研究

为了提高对高精度原始图像LSB匹配数字隐写的检测能力,提出了基于直方图特性的LSB匹配隐写分析方法.根据高精度原始图像在LSB匹配数字隐写过程前后灰度直方图、差分直方图以及小波分解后的子带系数直方图的特性差异,提取了23维的特征向量,并使用支持向量机对其进行训练,建立区分载体图像与载密图像的分类器达到检测秘密信息的目的.实验结果表明,该方法在性能上要优于文献[5]的局部极值法.     

对DCT域连续LSB隐写术的提取攻击

基于JPEG图像的空域特征,针对DCT域连续LSB隐写术提出一种唯载密提取攻击方法。根据JPEG图像编码块在空域的块不连续性,将嵌入消息起止点估计问题转化为序列突变点的估计问题,建立逼近理想序列模型估计序列突变点。新模型不仅适用于对连续JSteg算法的提取攻击,对一类可抵抗χ²检验攻击的连续JSteg改进算法同样有效。实验结果表明,对消息嵌入起止点的平均估计误差约为260个系数。     

基于最短欧氏距离替换码元的VoIP隐写算法

信息隐藏的首要目标是不被感知,降低修改率是提高不可见性、实现不可感知的有效方法。根据对载体修改越少,隐写越不可被感知的基本原则,提出了一种基于最短欧氏距离替换码元的VoIP隐写方法,通过降低对载体的修改数量,提高隐写效率,达到了在不降低音频质量的前提下提高隐写不可见性的目的。该方法给出隐写单元的定义后,计算隐写单元中对应线性预测编码（linear predictive coding,LPC）值与秘密消息的欧氏距离,用秘密消息替换具有最短距离的LPC值,并将被替换的LPC值所在位置进行标记,使用互补邻节点方法隐写位置信息,实现秘密消息隐藏。对提出的算法进行了性能分析与对比,实验结果表明,该方法具有较高的隐写效率,隐写修改率降低至22.7%,KL散度值表明其安全性较好,PESQ值在4.0以上,表明语音质量较好。     

基于生成对抗网络的信息隐藏方案

针对信息隐藏中含密载体会留有修改痕迹,从根本上难以抵抗基于统计的隐写分析算法检测的问题,提出一种基于生成对抗网络（GAN）的信息隐藏方案。该方案首先利用生成对抗网络中的生成模型G以噪声为驱动生成原始载体信息;其次,使用±1嵌入算法,将秘密消息嵌入到生成的载体信息中生成含密信息;最终,将含密信息与真实图像样本作为生成对抗网络中判别模型D的输入,进行迭代优化,同时使用判别模型S来检测图像是否存在隐写操作,反馈生成图像质量的特性,G&D&S三者在迭代过程中相互竞争,性能不断提高。该方案所采用的策略与SGAN（Steganographic GAN）和SSGAN（Secure Steganography based on GAN）两种方案不同,主要区别是将含密信息与真实图像样本作为判别模型的输入,对于判别网络D进行重构,使网络更好地评估生成图像的性能。与SGAN和SSGAN相比,该方案使得攻击者在隐写分析正确性上分别降低了13.1%和6.4%。实验结果表明,新的信息隐藏方案通过生成更合适的载体信息来保证信息隐藏的安全性,能够有效抵抗隐写算法的检测,在抗隐写分析和安全性指标上明显优于对比方案。     

基于特定词集的无载体文本信息隐藏技术

当前,由于深度学习技术的发展,信息隐藏方向有了巨大进步,由原始的隐写方法逐步实现语言隐写,尤其近几年来语言隐写技术取得了很大的突破。但是之前所提出的基于循环神经网络等的隐写方法存在偏差,而且在生成步骤所获得的候选池也是基于固定的控制,这样会使隐写的安全性大大降低。基于此,提出了一种基于动态选词策略的语言隐写模型,在保证秘密信息正常隐藏在生成文本中的同时,通过计算词典中单词的方差与阈值进行比较来确定最佳候选池的大小,从而以降低困惑度的形式来实现生成句子的安全性。实验表明,基于动态选词的方法可以实现生成更加流畅且自然的隐写文本,但会小小的牺牲嵌入率。