專利名稱：基于易碎水印和值合并技術(shù)的安全圖像認(rèn)證方法
技術(shù)領(lǐng)域：
本實用新型技術(shù)方案屬于數(shù)字圖像精確認(rèn)證技術(shù)領(lǐng)域，涉及基于易碎水印的圖像認(rèn)證方法。
背景技術(shù)：
視覺是人類感知信息最重要的途徑，人們從外部世界獲得信息的70％～80％是從視覺獲得，而人眼可感知的信息大部分是以圖像形式出現(xiàn)的。現(xiàn)代數(shù)字技術(shù)的發(fā)展把人們帶進(jìn)了一個嶄新的時代。對于多媒體數(shù)據(jù)而言，數(shù)字多媒體數(shù)據(jù)具有傳統(tǒng)模擬時代無法比擬的優(yōu)點。然而，數(shù)字媒體在帶給人們方便的同時，也帶來了一些潛在的風(fēng)險。它們很容易被惡意篡改，給使用者造成嚴(yán)重的后果。因此如何對數(shù)字圖像進(jìn)行認(rèn)證(即，如何確保數(shù)字圖像的正確性)就成為急待解決的問題之一。
要解決數(shù)字圖像的真實性問題，一般有兩種方法傳統(tǒng)密碼學(xué)中的認(rèn)證方法和基于數(shù)字水印的方法。
現(xiàn)有基于傳統(tǒng)密碼學(xué)的圖像認(rèn)證方法使用圖像的灰度直方圖[1]、邊緣[2]、塊灰度均值[3]等產(chǎn)生簽名信息，并把簽名信息保存在圖像的文件頭中或第三方數(shù)據(jù)庫中。這類方法由密碼學(xué)中嚴(yán)格的數(shù)學(xué)推導(dǎo)和證明作保證，因此安全性較高。但是該類方法用于圖像認(rèn)證時表現(xiàn)出一些不足需要額外的數(shù)據(jù)存儲和管理；篡改定位精度有限；有的算法(如基于公鑰加密的認(rèn)證算法)計算復(fù)雜，不適合圖像這種大數(shù)據(jù)量數(shù)據(jù)的運算。因此基于易碎水印的圖像認(rèn)證技術(shù)近年來逐漸成為一個研究熱點[4～6]。該技術(shù)和傳統(tǒng)密碼學(xué)中認(rèn)證技術(shù)相比具有如下一些優(yōu)點[7]不需要額外的數(shù)據(jù)管理；可以判斷篡改類型；可以比較精確地進(jìn)行篡改定位等等。
文[8]把給定的圖標(biāo)作為水印并嵌入原始圖像，具有一定的篡改檢測和定位能力，但易遭受共謀攻擊。文[9]和文[10]分別使用塊均值和DCT系數(shù)作為圖像特征來計算水印，該類方法的水印信號和圖像本身相關(guān)，具有較強的抗共謀攻擊的能力，但易遭受特征提取攻擊[11]。文獻(xiàn)[12]通過把圖像分割為各個獨立的小塊，然后分別在各個小塊上計算并嵌入各自的水印，具有較強的篡改檢測能力，提高了篡改定位的精度，但難以抵抗量化攻擊[13，14]。文獻(xiàn)[13]中指出了導(dǎo)致量化攻擊的前提是認(rèn)證單元之間在計算、嵌入水印時互不相關(guān)，并指出消除分塊獨立性可以抵抗量化攻擊。Celik在文獻(xiàn)[15，16]中提出了一種分層的分塊認(rèn)證算法來消除分塊獨立性，但篡改定位的精度不夠高。文[17]中采用由分塊編號和圖像唯一索引構(gòu)成的標(biāo)識與128位的哈希值進(jìn)行異或產(chǎn)生水印并嵌入圖像，其產(chǎn)生的標(biāo)識用來消除分塊獨立性，可抵抗量化攻擊，該算法可以把篡改定位到大小為128個象素的子塊上，其篡改定位能力優(yōu)于Celik的方法，但其標(biāo)識的構(gòu)造存在安全隱患。

發(fā)明內(nèi)容
針對現(xiàn)有圖像認(rèn)證系統(tǒng)易受攻擊的缺陷，本發(fā)明提供一種安全、高效的基于易碎水印和值合并技術(shù)的安全圖像認(rèn)證方法。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下基于易碎水印和值合并技術(shù)的安全圖像認(rèn)證方法，它由如下步驟組成(1)使用種子密鑰，經(jīng)密鑰生成函數(shù)產(chǎn)生每個認(rèn)證單元的密鑰信息；(2)構(gòu)造象素值VCT運算，并對每一個認(rèn)證單元，使用其密鑰，產(chǎn)生該單元的象素合并值；(3)構(gòu)造位置信息VCT運算，對每個單元產(chǎn)生其位置信息合并值；(4)在本單元密鑰的控制下，通過水印產(chǎn)生函數(shù)，將(2)、(3)中得到的合并值進(jìn)行計算，得到水印信息，并嵌入本認(rèn)證單元。
所述的嵌入算法為對每個m×n的圖像塊，有如下步驟(1)用戶使用種子密鑰K，經(jīng)密鑰生成函數(shù)ξ(·):ξ(·)=(ξ1T(·),ξ2T(·),Λ,ξCT(·))T]]>產(chǎn)生第i個圖像塊Ii的密鑰Ki:Ki=ξiT(K),]]>C表示圖像I經(jīng)大小為m×n分塊后得到的總塊數(shù)。
(2)在密鑰Ki的控制下，使用VCT將Ii的高位象素值進(jìn)行合并，合并方法為
a.設(shè)水印嵌入到象素中的低p位平面，因此在計算水印時先將圖像塊Ii中所有象素的低p位置0，得 b.令向量Bi=(I^i1,I^i2,Λ,I^im×n)T,]]>其中 為 中第j個象素值的高8-p位，j＝1，2，Λ，m×n。作象素值VCT運算(·)，使Vi＝(Bi，Ki)。(·)滿足當(dāng)且僅當(dāng)Bi＝Bi′時，(Bi，Ki)＝(Bi′，Ki)。
(3)使用VCT對塊Ii的位置信息(Xi，Yi)組成的位置信息向量PiPi＝(Xi，Yi)T，其中Xi是塊的行信息，Yi是塊的列信息。構(gòu)造位置信息VCT運算φ(·)(φ(·)與(·)具有相同的屬性)，產(chǎn)生位置信息合并值LiLi＝φ(Pi，Ki)。
(4)使用象素合并值向量Vi和塊位置信息合并值Li，并在密鑰Ki的控制下，通過水印產(chǎn)生函數(shù)f(·)產(chǎn)生水印信息wiwi＝f(Vi，Li，Ki)；(5)把水印wi嵌入到Ii中，得到含水印圖像塊Ii′Ii′＝Embed(Ii，wi，p)；所述的認(rèn)證算法為使用與嵌入算法步驟(1)中相同的算法和密鑰，從待測圖像塊Ii″中產(chǎn)生水印信息wi′；從Ii″的低p位提取嵌入的水印wi″；通過檢查wi′和wi″是否相等，從而判別待認(rèn)證圖像塊Ii″是否能通過認(rèn)證。
嵌入算法中的步驟(1)，使用種子密鑰產(chǎn)生各個圖像塊所需的密鑰，在增強系統(tǒng)抗攻擊難度的同時隱含“記住”總分塊數(shù)用于抵抗裁減攻擊。
嵌入算法中的步驟(2)(3)，使用VCT產(chǎn)生合并值和VCT運算的構(gòu)造原則。
嵌入算法中的步驟(4)，把象素合并值和位置信息合并值一起作為水印產(chǎn)生函數(shù)的輸入用于抵抗量化攻擊。
水印產(chǎn)生函數(shù)應(yīng)使選擇的水印策略滿足|πi|(i＝1，2，Λ，|M|)彼此相等或近似相等，以增加攻擊者進(jìn)行選擇塊攻擊的難度。
1.針對共謀攻擊。本發(fā)明使用的水印由圖像本身生成，不同的圖像通過水印產(chǎn)生算法將產(chǎn)生不同的水印，由此可以有效抵抗共謀攻擊。
2.針對特征提取攻擊。本發(fā)明提出了“值合并技術(shù)——VCT(ValueCombination Technique)”，并給出VCT運算的構(gòu)造原則。由于認(rèn)證單元灰度值和VCT產(chǎn)生的合并值是一一對應(yīng)的，因此避免了灰度值不同、合并值相同的這種“碰撞”現(xiàn)象，使得攻擊者對認(rèn)證系統(tǒng)的攻擊變的極為困難。
3.針對量化攻擊。本發(fā)明使用VCT對認(rèn)證單元的位置信息進(jìn)行合并，并將得到的位置信息合并值也作為水印產(chǎn)生函數(shù)的一個輸入。使得產(chǎn)生的水印和該認(rèn)證單元的位置相關(guān)，因此抵抗了量化攻擊。
4.由于合并值向量作為水印產(chǎn)生函數(shù)的輸入，并且考慮算法抵抗偽認(rèn)證攻擊的能力。本發(fā)明使用多維混沌級聯(lián)系統(tǒng)作為水印產(chǎn)生函數(shù)。
5.由于現(xiàn)有的“高位計算、低位嵌入”的算法設(shè)計思想，使得認(rèn)證單元和產(chǎn)生的水印之間呈現(xiàn)多對一的關(guān)系，因此對單幅圖像可能出現(xiàn)“漏檢”的現(xiàn)象。本發(fā)明從類劃分的角度，對算法的可靠性進(jìn)行分析，給出可靠性分析的一般準(zhǔn)則和算法設(shè)計的參考原則。
和現(xiàn)有技術(shù)相比，本發(fā)明由于使用了VCT等一系列技術(shù)，使得本發(fā)明對包括特征提取攻擊、量化攻擊等在內(nèi)的偽認(rèn)證攻擊具有很強的抵抗力；安全性分析表明對本發(fā)明進(jìn)行偽認(rèn)證攻擊幾乎不可能成功；同時本發(fā)明對象素灰度值直接進(jìn)行操作，不涉及圖像的正交變換，這使得本發(fā)明具有較快的運算速度，適合高效的對大量圖像進(jìn)行操作；針對現(xiàn)有的易碎水印設(shè)計思想造成的“漏檢”現(xiàn)象，提出了算法可靠性的概念，并給出了可靠性分析的一般準(zhǔn)則，基于此提出了算法設(shè)計的參考原則。


圖1為本發(fā)明的基本原理示意圖；圖2為實數(shù)在計算機(jī)中的表示形式；圖3為原始實驗圖像；圖4為多級混沌級聯(lián)示意圖；圖5為含水印圖像；
圖6為第100行100列灰度值減1后的圖像；圖7為對圖6進(jìn)行檢測的篡改定位圖；圖8為對本發(fā)明提出的方案進(jìn)行量化攻擊得到的圖像；圖9為對圖8進(jìn)行檢測的篡改定位圖；圖10為由不考慮位置信息的方案得到的含水印圖像；圖11為對圖10進(jìn)行檢測的篡改定位圖；圖12為對圖10進(jìn)行量化攻擊的示意圖；圖13為對圖12進(jìn)行檢測的篡改定位圖。
具體實施例方式
1.本發(fā)明采用的算法描述1.1算法原理本發(fā)明借鑒文獻(xiàn)[12]中使用的分塊思想完成對圖像的篡改檢測和篡改定位。首先對圖像I進(jìn)行塊大小為m×n的分塊，然后對每個圖像塊獨立計算水印并嵌入，定位精度為m×n。為保證含水印圖像的質(zhì)量，在嵌入過程中本發(fā)明使用高位計算水印，低位嵌入水印的方法。
如圖1所示，本方案由嵌入算法和認(rèn)證算法組成。嵌入算法通過對圖像I中象素值高位平面進(jìn)行計算，得到水印W；并將W嵌入圖像I的低位平面中，形成含水印圖像I′認(rèn)證算法使用與嵌入算法中相同的算法和參數(shù)，對待測圖像I″(I′被攻擊后得到I″)的象素值高位平面進(jìn)行計算，產(chǎn)生水印W′；并從待測圖像I″的低位平面提取“原來”嵌入的水印W″；通過比較W′和W″是否相等來判斷圖像是否能通過認(rèn)證。
1.2嵌入算法對每個m×n的圖像塊，有如下步驟1)用戶使用種子密鑰K，經(jīng)密鑰生成函數(shù)ξ(·):ξ(·)=(ξ1T(·),ξ2T(·),Λ,ξCT(·))T]]>產(chǎn)生第i個圖像塊Ii的密鑰Ki:Ki=ξiT(K),]]>C表示圖像I經(jīng)大小為m×n分塊后得到的總塊數(shù)。
2)在密鑰Ki的控制下，使用VCT將Ii的高位象素值進(jìn)行合并，合并原理如下a.設(shè)水印嵌入到象素中的低p位平面，因此在計算水印時先將圖像塊Ii中所有象素的低p位置0，得 b.令向量Bi=(I^i1,I^i2,Λ,I^im×n)T,]]>其中 為 中第j個象素值的高8-p位，j＝1，2，Λ，m×n。作象素值VCT運算(·)，使Vi＝(Bi，Ki)。(·)滿足當(dāng)且僅當(dāng)Bi＝Bi′時，(Bi，Ki)＝(Bi′，Ki)。
例如令Bi＝(x1，x2，Λ，xm×n)T，作g(Bi,Ki)=^y1,1u1,2ΛΛy1,ky2,1y2,2ΛΛy2,kMym×nk,1ym×nk,2ΛΛym×nk,k=^Vi.1Vi,2MVi,m×nk,a=1,2,Λ,k,b=1,2,Λ,m×nk.---(1)]]>其中ya，b是向量Bi中的一個元素，由Ki決定。產(chǎn)生包含 個元素的合并值向量Vi:Vi=(Vi,1,Vi,2,Λ,Vi,m×nk)T.]]>3)使用VCT對塊Ii的位置信息(Xi，Yi)組成的位置信息向量PiPi＝(Xi，Yi)T，其中Xi是塊的行信息，Yi是塊的列信息。構(gòu)造位置信息VCT運算φ(·)(φ(·)與(·)具有相同的屬性)，產(chǎn)生位置信息合并值LiLi＝φ(Pi，Ki)。
4)使用象素合并值向量Vi和塊位置信息合并值Li，并在密鑰Ki的控制下，通過水印產(chǎn)生函數(shù)f(·)產(chǎn)生水印信息wiwi＝f(Vi，Li，Ki)；5)把水印wi嵌入到Ii中，得到含水印圖像塊Ii′Ii′＝Embed(Ii，wi，p)；1.3認(rèn)證算法認(rèn)證算法也是以圖像塊為單位的，步驟如下1)使用嵌入算法中相同的算法和密鑰，從待測圖像塊Ii″中產(chǎn)生水印信息wi′；2)從Ii″的低p位提取嵌入的水印wi″；
3)通過檢查wi′和wi″是否相等，從而判別待認(rèn)證圖像塊Ii″是否能通過認(rèn)證。
2.算法分析2.1值合并技術(shù)VCT目前很多算法把從圖像提取的特征作為水印(或用來計算水印)。特征選取攻擊的前提是所選取的用來表達(dá)圖像的特征量并不能充分表達(dá)圖像的全部信息[7]，即修改后的圖像仍能提取出用來表達(dá)未修改的圖像特征的特征量。
命題1使用嵌入算法中構(gòu)造的象素值VCT運算(·)，可以抵抗特征提取攻擊。
證明給定圖像塊Ii、密鑰Ki，產(chǎn)生向量Bi；任意修改Ii到Ii′，由Ii′產(chǎn)生向量Bi′，根據(jù)(·)的構(gòu)造，當(dāng)Bi≠Bi′時，有不等式(Bi，Ki)≠(Bi′，Ki)成立。因此使用合并值(Bi，Ki)作為圖像的“特征”，可以抵抗特征提取攻擊。
注1值得注意的是，對圖像塊Ii直接使用VCT可以抵抗特征選取攻擊，但是考慮計算機(jī)對數(shù)據(jù)表示精度的限制，把圖像塊中m×n個象素一起進(jìn)行值合并，產(chǎn)生的合并值很可能超出了計算機(jī)的表示精度，所以為了解決這個問題，本發(fā)明對圖像塊進(jìn)行k粒度分組，并以分組為單位進(jìn)行值合并。
命題2將使用位置信息VCT運算φ(·)產(chǎn)生的合并值Li作為水印產(chǎn)生器f(·)的一個輸入，可以抵抗量化攻擊，并且篡改定位的精度依然是是圖像塊的大小m×n。
證明嵌入算法中對圖像塊Ii的位置信息Pi使用φ(·)進(jìn)行了合并，由于構(gòu)造的位置信息合并運算φ(·)是一一對應(yīng)的，所以不可能出現(xiàn)當(dāng)位置信息Pi改變時，合并值Li不變的這種“碰撞”現(xiàn)象。合并值Li作為水印產(chǎn)生器f(·)的一個輸入，可以使產(chǎn)生的該塊的水印wi和該塊的位置相關(guān)。因此可抵抗通過互換圖像塊進(jìn)行修改圖像的量化攻擊。
注2目前分塊獨立思想的算法常常會遭受量化攻擊[13，14]。常用抗量化攻擊的方法是使每個圖像塊的水印依賴其它圖像塊，可是這種方法會降低算法的篡改定位精度力。本算法中把塊位置信息合并值作為本塊水印產(chǎn)生器的一個輸入，這樣可以在不降低篡改定位精度的同時，抵抗量化攻擊。算法的篡改定位精度仍然是圖像塊的大小m×n。
2.2分塊、分組大小的選擇由于混沌具有遍歷性、內(nèi)隨機(jī)性和初值敏感性，使得從混沌軌道擬合混沌迭代方程和控制參數(shù)變得極為困難。同時因為混沌系統(tǒng)便于構(gòu)造，所以本發(fā)明選用混沌迭代作為水印產(chǎn)生函數(shù)f(·)。
由于使用混沌系統(tǒng)計算水印，混沌系統(tǒng)的值域是實數(shù)域，因此需要考慮計算機(jī)對實數(shù)的表示。設(shè)實數(shù)在某計算機(jī)系統(tǒng)中用ε位表示，其中尾數(shù)τ位(包括符號位)。形式如圖2設(shè)γ為使用該表示形式的十進(jìn)制小數(shù)的有效位。根據(jù)圖2知計算機(jī)中實數(shù)的尾數(shù)和指數(shù)是分開表示的，因此在γ的范圍中最大可以表示的十進(jìn)制數(shù)為 并“應(yīng)該”可以存放到τ個比特位中。如果2τ-1等于 時，那么有效數(shù)字范圍為γ。如果兩者不相等，那么有效數(shù)字為(γ-1)或γ。
因為合并函數(shù)(·)是對圖像灰度值進(jìn)行考慮，每個灰度值不大于255。因此分組粒度k必須滿足3*k≤γ?；煦缦到y(tǒng)輸出的結(jié)果為εbits，即圖像塊的嵌入容量為εbits。如果水印嵌入到象素的低p位平面，因此分塊大小m×n應(yīng)滿足m×n＝ε/p。
2.3安全性分析基于圖像本身的圖像認(rèn)證算法的優(yōu)劣與否是和對該算法進(jìn)行偽認(rèn)證的難易程度相對應(yīng)的。出現(xiàn)偽認(rèn)證主要是因為圖像和由其產(chǎn)生的水印之間不是一一對應(yīng)的關(guān)系，導(dǎo)致了在圖像高位不同的情況下可能產(chǎn)生相同的水印。本方案能否抵抗攻擊？抵抗能力的強弱如何？為回答這些問題，本發(fā)明僅以一個具體的算法來說明本方案對攻擊者而言是困難的。
根據(jù)算法思想可知，由原圖像計算水印要經(jīng)過分組、合并、產(chǎn)生水印等過程。設(shè)圖像塊Ii的大小為m×n，分組粒度為k。設(shè)水印嵌入到圖像的低p位平面，將圖像塊Ii中所有象素的低p位置0，得 并且根據(jù)以上分析，可知水印wi為m×n×pbits。密鑰Ki控制合并運算(·)、φ(·)和水印產(chǎn)生函數(shù)f(·)，其形式為Ki＝Ki，1Ki，2Ki，3Ki，4，其中通過Ki，1控制(·)；Ki，2控制φ(·)；Ki，3控制輸入f(·)的初始變量的選?。籏i，4控制f(·)中混沌迭代的次數(shù)。Ki，1，Ki，2，Ki，3，Ki，4分別是十進(jìn)制di，1，di，2，di，3，di，4位整數(shù)。
使用第2節(jié)中的(1)式作為象素VCT運算。對于塊Ii的位置信息向量PiPi＝(Xi，Yi)T，有位置信息VCT運算φ(Pi,Ki)=^x1x2=^Li.]]>在此xa(a＝1，2)分別為位置信息Xi或Yi。
圖像塊Ii經(jīng)過(·)運算后得到 個合并值，它們與位置信息合并值Li一起作為f(·)的初始變量，通過迭代產(chǎn)生該塊的水印信息wi。因此混沌迭代f(·)具有 個輸入。
考慮攻擊者對系統(tǒng)進(jìn)行最高強度的攻擊，即(·)、φ(·)和f(·)對攻擊者而言是完全知曉的，攻擊者不知的僅僅是(·)、φ(·)和f(·)的輸入，這些輸入完全由系統(tǒng)的密鑰所確定，因而攻擊者在沒有密鑰的情況，只能對系統(tǒng)的所有的輸入可能進(jìn)行窮舉。事實上A.當(dāng)(·)的結(jié)構(gòu)已知時，合并值Vi完全由Ki確定，因此攻擊者必須窮舉所有形如(1)式的合并值。根據(jù)(·)可知，對于合并值向量中的第一個元素共有Cm×nk×k！種可能，第二個元素共有Cm×n-kk×k！種可能，以此類推第 個元素有Ckk×k！種可能。因此象素合并值向量共有(Cm×nk×k！)×(Cm×n-kk×k！)×Λ×(Ckk×k)種可能，即Pm×nk×Pm×n-kk×Λ×Pkk=(m×n)!]]>種可能。因此在不知道Ki，1時，象素合并值有(m×n)！種可能。
B.類似A中分析，位置信息合并值有2！種可能。
C.當(dāng)f(·)的結(jié)構(gòu)已知時，水印計算由混沌迭代f(·)的初值選取控制Ki，3和f(·)的迭代次數(shù)Ki，4確定?；煦绲?個輸入，所以有 種初值選??；由于Ki，4是十進(jìn)制di，4位整數(shù)，所以混沌迭代次數(shù)有10di，4種可能。因此從合并值得到水印值共有 種可能。
由A，B和C知當(dāng)攻擊者已知(·)、φ(·)和f(·)的結(jié)構(gòu)時，對一個圖像塊成功進(jìn)行偽認(rèn)證的概率是1/[(m×n)!×2!×(m×nk+1)!×10di,4.]]>如設(shè)m×n＝8×8，k＝4，di，4＝3，當(dāng)(·)和f(·)結(jié)構(gòu)均已知時，攻擊者偽認(rèn)證成功的概率為1/(8×8)！×2！×17！×103≈10-106?？梢姳景l(fā)明的方案與文[17](偽認(rèn)證成功的概率為1/252≈10-15，篡改定位精度為128bits)相比，安全性得到了明顯的提高，并且篡改定位的精度也提高了2倍。
注3在(·)、φ(·)和f(·)結(jié)構(gòu)都已知的情況下，攻擊者進(jìn)行攻擊的難度不僅取決于密鑰Ki，而且與分塊大小m×n也有關(guān)，當(dāng)m×n較小的時候，抵抗攻擊的能力會降低。方案實施者應(yīng)根據(jù)安全性和實際應(yīng)用的需要，構(gòu)造更為合適的(·)、φ(·)和f(·)及分塊大小的設(shè)置來滿足不同應(yīng)用和安全要求。
2.4可靠性分析以上分析是對算法安全性的分析，主要是考慮攻擊者對認(rèn)證系統(tǒng)的攻擊。盡管對攻擊者而言攻擊系統(tǒng)是困難的。但正如前面所分析的那樣，高位計算，低位嵌入的方法是一種多對一的映射關(guān)系(水印嵌入到圖像的低p位平面，但考慮含水印圖像的圖像質(zhì)量，p的取值一般不超過2)，因而存在著對單幅圖像的攻擊可能是有效的，即存在被篡改后的圖像(圖像塊)仍可通過認(rèn)證。本小節(jié)僅從這個角度對算法的可靠性進(jìn)行分析。
定義1若圖像塊Ii被篡改，且該塊仍可通過認(rèn)證，則稱為該塊漏檢。
定義2若一幅圖像被篡改了D塊，且所有被篡改的塊都漏檢(通過認(rèn)證)，則稱為圖像出現(xiàn)D塊漏檢。
本發(fā)明的算法是篡改檢測和定位同時進(jìn)行的。但從應(yīng)用角度來看，圖像認(rèn)證首先是判斷圖像是否被篡改，然后定位圖像被篡改的地方。因此當(dāng)圖像被篡改D塊后，只要有一塊被檢測出遭到篡改，即斷定圖像是不真實的。因此，只有所有被篡改的塊都通過了認(rèn)證時，才產(chǎn)生圖像漏檢。由定義2，若記圖像D塊漏檢概率為P，則檢測的正確率為1-P。
對于大小為m×n的圖像塊Ii，水印嵌入到圖像的低p位平面，水印嵌入實際上是一種映射關(guān)系，記為映射Ω∶?！鶰，其中Γ是大小為m×n圖像塊的高(8-p)位平面空間，M是水印信息的空間，則|Γ|＝2m×n×(8-p)，|M|＝2m×n×p。由映射Ω可將Γ分成|M|類Γ=Yi=1|M|πi,πiIπj=πi,i=jφ,i≠j---(2)]]>其中πi＝{α|α∈ΓΛΩ(α)＝βi，βi∈M，i＝1，2，Λ，|M|}，則圖像塊Ii的高(8-p)位平面必屬于某πj。若αμ是圖像塊Ii高(8-p)位平面，且αμ≠αν，αμ，αν∈πi時，用αν來替換αμ，則檢測仍能通過，即產(chǎn)生偽認(rèn)證。圖像塊Ii被篡改且能通過認(rèn)證的概率記為P(Ii)，則P(Ii)=|πj||Γ|,]]>記為Pij。則有如下結(jié)論性質(zhì)1若圖像的Ii1，Ii2，Λ，IiD塊被篡改，則圖像的漏檢率為 證明由分析可知對圖像塊Iij(j＝1，2，Λ，D)的漏檢概率為Pij。對于一幅篡改了D塊的圖像，各塊發(fā)生漏檢可以認(rèn)為是相互獨立的事件，則由定義2知，所有被篡改的塊都漏檢的概率為P=Pi1×Pi2×Λ×PiD=Πj=1DPij.]]>性質(zhì)2若圖像的Ii1，Ii2，Λ，IiD塊被篡改，則D塊能被全部定位的概率為 證明由于對圖像塊Iij(j＝1，2，Λ，D)的漏檢概率為Pij。所以塊Iij可檢測出來的概率為1-Pij。由于各塊發(fā)生漏檢是相互獨立的事件，所以D塊能被全部定位的概率為(1-Pi1)×(1-Pi2)×Λ×(1-PiD)=Πj=1D(1-Pij).]]>事實上，攻擊者對系統(tǒng)乃至于對一幅圖像的攻擊主要取決于系統(tǒng)設(shè)計的策略和算法的優(yōu)劣。如果映射Ω能使|πi|(i＝1，2，Λ，|M|)均勻，即P(Ii)=|πj||Γ|=|Γ|/|M||Γ|=1|M|,i=1,2,Λ,|Γ|,]]>那么攻擊者對圖像每一塊成功的篡改的可能性是一樣的，從而攻擊者進(jìn)行選擇塊攻擊的難度是一樣的；否則，存在一個圖像塊Ii，使得P(Ii)>1|M|,]]>即對某些特定的圖像塊攻擊難度降低，攻擊者進(jìn)行選擇塊攻擊成功的可能性增加。比如，設(shè)圖像大小為64×64，圖像分塊大小m×n＝8×8，p＝1，映射Ω能使|πi|(i＝1，2，Λ，64)均勻，則每一塊的漏檢概率為2-64；當(dāng)D＝10時，該圖像的漏檢概率為(2-64)10＝2-640≈10-193，因此，該圖像檢測結(jié)果的正確性為1-2-640≈1。所有篡改的塊都能被精確定位的概率為(1-2-64)10≈1。
注4易碎水印的首要任務(wù)是檢測圖像是否被篡改，因此圖像的漏檢概率 決定算法的可靠性。當(dāng)D值增加時， 減小，說明每一塊都正確定位的概率減??；然而，當(dāng)D值增加時， 增大，說明篡改的圖像塊越多，算法的檢測結(jié)果越可靠。需要指出的是位置合并值對水印也是有影響的，但從便于分析的角度來說，分析時并未涉及。
注5設(shè)計者選擇的水印策略應(yīng)該滿足|πi|(i＝1，2，Λ，|M|彼此相等或近似相等，從而使得攻擊者進(jìn)行選擇塊攻擊的難度增加。此外，嵌入位p值的大小也影響算法可靠性的強弱。高位計算，低位嵌入的方法就可能不是多對一的關(guān)系，而可能是一對一的關(guān)系，那么算法就不會產(chǎn)生漏檢，從而可靠性達(dá)到100％。但是考慮到要保證含水印圖像具有較好的圖像質(zhì)量，一般來說取p≤2，即水印嵌入到象素的最低位或最低兩位。
根據(jù)以上的算法原理，下面給出本發(fā)明的一個具體實現(xiàn)。將著重從保真度、篡改檢測定位能力、抗量化攻擊三個方面來說明算法的有效性。本實現(xiàn)在C++Builder6.0編程環(huán)境下進(jìn)行，采用IEEE/ANSI中雙精度浮點數(shù)進(jìn)行運算，根據(jù)標(biāo)準(zhǔn)可知ε＝64，τ＝53，γ＝15～16。擬嵌入水印的圖像是大小為256×256的灰度圖，如圖3所示。
根據(jù)算法置分塊大小m×n＝8×8，分組粒度k＝4，水印嵌入到圖像象素的LSB(Least Signature Bits)中，即p＝1。為簡單起見，對每個圖像塊都使用同樣的密鑰，即向量函數(shù)ξ(·)中有ξ1T(·)=ξ2T(·)=Λ=ξNT(·)]]>成立。
象素值VCT運算(·)原始圖像塊Ii中所有象素的LSB置0；由Ki，l控制Arnold變換(注還可以是其它置亂)的變換次數(shù)，利用Arnold變換對圖像塊Ii進(jìn)行置亂，令Ki，l＝10，得到置亂后的圖像塊 ；將其象素值以4粒度分組并按順序合并，得到如下形式的合并值向量ViVi＝(0.y1y2y3y4，0.y5y6y7y8，Λ，0.y61y62y63y64)T，其中ya表示 中的第a個元素，a＝1，2，Λ，64。
位置信息VCT運算(·)是對塊位置信息向量PiPi＝(Xi，Yi)T(Xi是塊的行信息，Yi是塊的列信息)中的元素進(jìn)行合并LiLi＝0.XiYi，由Ki，2控制合并運算，還可以采用更為復(fù)雜的方式來合并位置信息，如按位插值等。
考慮把象素合并值和位置合并值作為混沌系統(tǒng)的輸入，因此設(shè)計的混沌系統(tǒng)f(·)應(yīng)具有17個輸入(16個象素合并值，1個位置合并值)。并由Ki，3控制16個象素合并值作為初值輸入混沌I～混沌IV輸入排列。本實驗使用順序排列的方式將象素合并值輸入混沌系統(tǒng)(即依次輸入第1個、第2個，直到第16個象素合并值，作為混沌的初值)?；煦缦到y(tǒng)采用如下形式，它由五個4維混沌和一個2維混沌系統(tǒng)級聯(lián)而成，如圖4所示。
對于2維混沌系統(tǒng)，使用Baker映射進(jìn)行迭代。Baker映射的迭代方程如(3)式xu(n+1)=2×xu(n)xu(n)∈
]>其中所有的4維迭代都具有相同的迭代方程和控制參數(shù)。使用的4維迭代方程是由一維Bernoulli映射擴(kuò)展而成。其具體的迭代方程B(xq，xr，xs，xt)如(4)式因為本發(fā)明構(gòu)造的B(xq，xr，xs，xt)是4維映射，故系統(tǒng)的Lyapunov指數(shù)應(yīng)有4個，分別記為λq，λr，λs，λt。由于xq，xr，xs均為一維分段線性混沌映射。根據(jù)文[18]中提供的算法進(jìn)行計算λq=1nlimn→∞Σj=0n-1ln|xq′|=ln1nlimn→∞Σj=0n-1|xq′|=ln2>0.]]>同理可證λr＞0，λs＞0?？梢娪成銪(xq，xr，xs，xt)中至少有3個Lyapunov指數(shù)大于0，因此該映射是一個超混沌系統(tǒng)。
Ki，4控制混沌迭代次數(shù)，根據(jù)級聯(lián)混沌系統(tǒng)的組成，由Ki，4產(chǎn)生6個混沌的迭代次數(shù)。本實現(xiàn)中令4維混沌迭代的次數(shù)分別是5次、13次、40次、31次、33次，每個4維迭代結(jié)束后取xt作為輸出。Baker映射的迭代次數(shù)為19次，取xv作為整個混沌系統(tǒng)的輸出，即水印輸出。
由圖3根據(jù)以上給定的具體算法和參數(shù)產(chǎn)生的含水印圖像如圖5所示保真度使用掩蔽峰值信噪比(MPSNR)來度量圖像的失真，有MPSNR＝10×log10(2552/E2)[dB]，其中E=MNmaxm,nIm,n2/Σm,n(Im,n-Im,n′)2,]]>和N表示了圖像的大小。對圖3、圖4進(jìn)行計算的MPSNR＝49.6422。比較圖3和圖5，可見含水印圖像的保真度較高。
篡改檢測和定位能力圖6是對圖5(含水印圖像)的第100行、第100列象素灰度值減1后得到的圖像；圖7是通過認(rèn)證過程后篡改檢測和定位的結(jié)果，其中篡改定位圖像中黑色的塊表示認(rèn)證通過，白色的塊表示認(rèn)證失敗，即對應(yīng)的含水印圖像中在該塊存在篡改?？梢姳痉桨改軌驒z測出輕微的修改，定位粒度為8×8的圖像塊。
抗量化攻擊圖8～圖13表示了位置信息是否參與水印計算對抗量化攻擊的影響。
1)當(dāng)位置信息參與水印計算時，可以檢測出量化攻擊帶來的塊替換修改。對圖8進(jìn)行量化攻擊(第8行第10列的8×8的塊和第25行第20列的塊互換)得到圖5，圖9表示了使用本方案對圖8進(jìn)行認(rèn)證，得到的篡改定位圖?？梢姳景l(fā)明所提出的方案在抵抗量化攻擊的同時，篡改定位的粒度沒有增大，仍為圖像分塊的大小(8×8的圖像塊)。
2)當(dāng)位置信息不參與水印計算時，圖10～圖13說明了在這種情況下出現(xiàn)了偽認(rèn)證。具體實現(xiàn)如下由于位置信息不參與水印計算，因此級聯(lián)混沌系統(tǒng)剔除Baker映射，混沌系統(tǒng)由混沌I～混沌V組成，水印由混沌V輸出，其它參數(shù)均不變(不需要Baker映射的迭代次數(shù))。圖10是圖3由位置信息不參與水印計算而得到的含水印圖像。圖11是對圖10進(jìn)行認(rèn)證的結(jié)果(由于圖10沒有經(jīng)過攻擊者修改，所以所有的塊全部認(rèn)證通過)。
對圖10進(jìn)行量化攻擊(第8行第10列的8×8的塊和第25行第20列的塊互換)得到圖12。圖13顯示，所有的塊也都通過認(rèn)證，因此出現(xiàn)偽認(rèn)證。
權(quán)利要求
1.基于易碎水印和值合并技術(shù)的安全圖像認(rèn)證方法，其特征在于，它由如下步驟組成(1)使用種子密鑰，經(jīng)密鑰生成函數(shù)產(chǎn)生每個認(rèn)證單元的密鑰信息；(2)構(gòu)造象素值VCT運算，并對每一個認(rèn)證單元，使用其密鑰，產(chǎn)生該單元的象素合并值；(3)構(gòu)造位置信息VCT運算，對每個單元產(chǎn)生其位置信息合并值；(4)在本單元密鑰的控制下，通過水印產(chǎn)生函數(shù)，將(2)、(3)中得到的合并值進(jìn)行計算，得到水印信息，并嵌入本認(rèn)證單元。
2.如權(quán)利要求1所述的安全圖像認(rèn)證方法，其特征在于，所述的嵌入算法為對每個m×n的圖像塊，有如下步驟(1)用戶使用種子密鑰K，經(jīng)密鑰生成函數(shù)ξ(·):ξ(·)=(ξ1T(·),ξ2T(·),Λ,ξCT(·))T]]>產(chǎn)生第i個圖像塊Ii的密鑰Ki:Ki=ξiT(K),]]>C表示圖像I經(jīng)大小為m×n分塊后得到的總塊數(shù)。(2)在密鑰Ki的控制下，使用VCT將Ii的高位象素值進(jìn)行合并，合并方法為a.設(shè)水印嵌入到象素中的低p位平面，因此在計算水印時先將圖像塊Ii中所有象素的低p位置0，得 b.令向量Bi=(I^i1,I^i2,Λ,I^im×n)T,]]>其中 為 中第j個象素值的高8-p位，j＝1，2，Λ，m×n。作象素值VCT運算(·)，使Vi＝(Bi，Ki)。(·)滿足當(dāng)且僅當(dāng)Bi＝Bi′時，(Bi，Ki)＝(Bi′，Ki)。(3)使用VCT對塊Ii的位置信息(Xi，Yi)組成的位置信息向量Pi∶Pi＝(Xi，Yi)T，其中Xi是塊的行信息，Yi是塊的列信息。構(gòu)造位置信息VCT運算φ(·)(φ(·)與(·)具有相同的屬性)，產(chǎn)生位置信息合并值Li∶Li＝φ(Pi，Ki)。(4)使用象素合并值向量Vi和塊位置信息合并值Li，并在密鑰Ki的控制下，通過水印產(chǎn)生函數(shù)f(·)產(chǎn)生水印信息wi∶wi＝f(Vi，Li，Ki)；(5)把水印wi嵌入到Ii中，得到含水印圖像塊Ii′∶Ii′＝Embed(Ii，wi，p)。
3.如權(quán)利要求2所述的安全圖像認(rèn)證方法，其特征在于，所述的認(rèn)證算法為使用與嵌入算法步驟(1)中相同的算法和密鑰，從待測圖像塊Ii″中產(chǎn)生水印信息wi′；從Ii″的低p位提取嵌入的水印wi″；通過檢查wi′和wi″是否相等，從而判別待認(rèn)證圖像塊Ii″是否能通過認(rèn)證。
4.如權(quán)利要求2所述的安全圖像認(rèn)證方法，其特征在于，嵌入算法中的步驟(1)，使用種子密鑰產(chǎn)生各個圖像塊所需的密鑰，在增強系統(tǒng)抗攻擊難度的同時隱含“記住”總分塊數(shù)用于抵抗裁減攻擊。
5.如權(quán)利要求2所述的安全圖像認(rèn)證方法，其特征在于，嵌入算法中的步驟(2)(3)，使用VCT產(chǎn)生合并值和VCT運算的構(gòu)造原則。
6.如權(quán)利要求1所述的安全圖像認(rèn)證方法，其特征在于，嵌入算法中的步驟(4)，把象素合并值和位置信息合并值一起作為水印產(chǎn)生函數(shù)的輸入用于抵抗量化攻擊。
7.如權(quán)利要求1～6中任意一項所述的安全圖像認(rèn)證方法，其特征在于，水印產(chǎn)生函數(shù)應(yīng)使選擇的水印策略滿足|πi|(i＝1，2，Λ，|M|)彼此相等或近似相等，以增加攻擊者進(jìn)行選擇塊攻擊的難度。
全文摘要
本發(fā)明涉及一種基于易碎水印和值合并技術(shù)的安全圖像認(rèn)證方法，它由如下步驟組成(1)使用種子密鑰，經(jīng)密鑰生成函數(shù)產(chǎn)生每個認(rèn)證單元的密鑰信息；(2)構(gòu)造象素值VCT運算，并對每一個認(rèn)證單元，使用其密鑰，產(chǎn)生該單元的象素合并值；(3)構(gòu)造位置信息VCT運算，對每個單元產(chǎn)生其位置信息合并值；(4)在本單元密鑰的控制下，通過水印產(chǎn)生函數(shù)，將(2)、(3)中得到的合并值進(jìn)行計算，得到水印信息，并嵌入本認(rèn)證單元。本發(fā)明對包括特征提取攻擊、量化攻擊等在內(nèi)的偽認(rèn)證攻擊具有很強的抵抗力；安全性分析表明對本發(fā)明進(jìn)行偽認(rèn)證攻擊幾乎不可能成功；同時本發(fā)明對象素灰度值直接進(jìn)行操作，不涉及圖像的正交變換，這使得本發(fā)明具有較快的運算速度，適合高效地對大量圖像進(jìn)行操作。
文檔編號G06T1/00GK101021938SQ200610017419
公開日2007年8月22日 申請日期2006年2月16日 優(yōu)先權(quán)日2006年2月16日
發(fā)明者劉粉林, 張 杰, 高山青 申請人:劉粉林, 張 杰, 高山青