專利名稱：：基于混沌系統(tǒng)的抗統(tǒng)計(jì)分析圖像lsb信息隱藏方法
技術(shù)領(lǐng)域：
：本發(fā)明屬通信與信息安全
技術(shù)領(lǐng)域：
，具體是基于混沌系統(tǒng)的抗統(tǒng)計(jì)分析圖像信息隱藏方法。
背景技術(shù)：
：信息隱藏是信息安全領(lǐng)域的重要研究課題之一，它通過(guò)把信息嵌入到圖像、視頻、聲音或其它數(shù)字媒體中進(jìn)行傳輸，以達(dá)到秘密通信的目的。在眾多圖像信息隱藏方法中，LSB(LeastSignificantBits，最低有效位)隱藏以其隱蔽性好、信息隱藏量大且易于實(shí)現(xiàn)等優(yōu)點(diǎn)而被廣泛采用。很多公開的信息隱藏軟件如S-Tools、EZStego和Steganos等都采用了這種方法。近年來(lái)出現(xiàn)了一些針對(duì)圖像空域LSB隱藏的分析方法，能夠比較精確地判斷圖像中是否含有LSB隱藏信息，比較重要的有χ2-分析方法[1]、RQP分析方法(RawQuickPairsMethod)[2]、RS分析方法(RegularandSingularGroupsMethod)[3]、SPA分析方法(SamplePairsAnalysis)[4]等。其中，χ2-分析方法對(duì)信息順序嵌入的圖像，能提供比較可靠的檢測(cè)結(jié)果。文[5]指出如果把該思想運(yùn)用到圖像中更小的部分時(shí)，還能檢測(cè)隨機(jī)離散的信息。RS分析方法通過(guò)統(tǒng)計(jì)圖像中正則組和奇異組的數(shù)量來(lái)估計(jì)嵌入長(zhǎng)度，適合于彩色或灰度圖像，當(dāng)信息非順序嵌入時(shí)可以比較精確地估計(jì)隱藏長(zhǎng)度。SPA方法基于樣本對(duì)進(jìn)行統(tǒng)計(jì)分析，當(dāng)嵌入在LSB上的信息的比例大于3％時(shí)，該方法能以相當(dāng)高的精度估計(jì)出隱藏信息的長(zhǎng)度。文[6][7]通過(guò)大量的實(shí)驗(yàn)評(píng)估了RS和SPA等分析方法的可靠性，指出在眾多LSB隱藏分析方法中，RS方法和SPA方法是目前出現(xiàn)的LSB隱藏分析方法中，檢測(cè)效果最好的兩種方法，并對(duì)這三種方法給出了多種改進(jìn)方案。文[14]提出了一種基于圖像差分直方圖的LSB信息隱藏檢測(cè)方法，該方法也是一種重要的統(tǒng)計(jì)分析方法，其性能和RS分析方法相當(dāng)。為了抵抗現(xiàn)有分析技術(shù)的攻擊，進(jìn)行安全的信息隱蔽傳輸，需要研究安全性更高的隱藏方法。事實(shí)上，上述方法中大多數(shù)方法都是基于某些自然圖像滿足的統(tǒng)計(jì)假設(shè)。正因?yàn)檫@些假設(shè)對(duì)自然圖像來(lái)說(shuō)是成立的，從而為隱藏者避免上述方法的檢測(cè)提供了可能。事實(shí)上，隱藏者為了避免隱藏行為被攻擊者發(fā)現(xiàn)，可以有意識(shí)地對(duì)嵌入信息后的圖像進(jìn)行調(diào)整，使得載密圖像仍然滿足那些重要的假設(shè)條件。針對(duì)RS分析方法，文[8]給出了一種SES方法，通過(guò)對(duì)載體圖像置亂后像素值隨機(jī)加1或減1來(lái)嵌入秘密信息，并利用圖像未嵌入信息的部分來(lái)調(diào)節(jié)RS統(tǒng)計(jì)度量。采用該方法時(shí)，用來(lái)調(diào)整RS統(tǒng)計(jì)度量的像素越多，能被RS檢測(cè)出來(lái)的可能性就越小，換言之，隱藏的信息量不能過(guò)大，作者推薦應(yīng)當(dāng)有超過(guò)50％的像素被用來(lái)調(diào)整RS統(tǒng)計(jì)度量，遺憾的是作者沒有給出任何有關(guān)調(diào)整的細(xì)節(jié)知識(shí)，同時(shí)我們對(duì)SES方法進(jìn)行了實(shí)驗(yàn)，發(fā)現(xiàn)如果不進(jìn)行補(bǔ)償，抗RS分析的效果不甚理想。文[9]通過(guò)選擇適當(dāng)?shù)那度胛恢靡步o出了一種抵抗RS攻擊的隱寫算法，但其嵌入率至多為20％。文[10]首先采用偽隨機(jī)游走的方式將秘密信息的每一比特對(duì)應(yīng)于原始圖像的一個(gè)像素。如果信息比特與載體像素灰度值的最低有效位相同，則不作改動(dòng)；如果不同，則要加1或減1以保證隱寫后的像素灰度值的最低有效位與信息比特相同。文[10]對(duì)嵌入率為10％的圖像進(jìn)行了實(shí)驗(yàn)，結(jié)果表明該方法可以有效抵抗RS和χ2-統(tǒng)計(jì)等方法的攻擊。由于該方法抵抗RS分析的能力強(qiáng)弱依賴于像素值加減1的比率的選取，如果選取的不恰當(dāng)，該方法可能不能有效抵抗RS分析方法的攻擊。
發(fā)明內(nèi)容本發(fā)明的目的是基于RS方法的前提假設(shè)，提供一種可抵御RS等統(tǒng)計(jì)分析方法的動(dòng)態(tài)補(bǔ)償LSB隱藏方法，簡(jiǎn)記為RRS(theResist-RSmethod)。為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為該方法首先基于混沌系統(tǒng)產(chǎn)生的隨機(jī)序列選擇嵌入位置，然后進(jìn)行空域LSB隨機(jī)嵌入，并對(duì)嵌入后的圖像進(jìn)行動(dòng)態(tài)補(bǔ)償，補(bǔ)償后的圖像即使在嵌入比率接近于100％的情況下，仍然能夠抵御RS的分析。進(jìn)行像素值補(bǔ)償?shù)膮^(qū)域位置和形狀可以是任意的，例如矩形、圓形或者三角形區(qū)域。將混沌系統(tǒng)的初值和圖像補(bǔ)償區(qū)域的選擇參數(shù)作為隱藏系統(tǒng)密鑰的一部分，提高了系統(tǒng)的安全性。最后我們采用一個(gè)混沌系統(tǒng)的具體實(shí)例實(shí)現(xiàn)信息LSB嵌入，并通過(guò)行掃描、平均方塊間隔這兩種方式對(duì)載密圖像進(jìn)行了動(dòng)態(tài)補(bǔ)償實(shí)驗(yàn)。結(jié)果表明即使圖像中嵌入比率接近于100％時(shí)，本方法也能有效抵抗RS方法的攻擊。本發(fā)明具有較大的嵌入容量和較高的安全性，能夠抵抗多種經(jīng)典統(tǒng)計(jì)分析方法的檢測(cè)。同時(shí)，該方法實(shí)現(xiàn)起來(lái)較為容易，具有較強(qiáng)的實(shí)用性。圖1是RS曲線示意圖；圖2(a)是原始Lena圖像；圖2(b)是偏離度對(duì)檢測(cè)結(jié)果的影響曲線圖；圖3是RSS方法模型方框原理圖；圖4是紅色分量255修改為0后的情形(彩色Lena圖像)；圖5(a)、5(b)、5(c)、5(d)分別是載體圖像、秘密信息、嵌入信息后的圖像和提取出的信息示意圖；圖6(a)、6(b)分別是平均間隔法選取圖像補(bǔ)償區(qū)域和Lena圖像采用平均間隔法補(bǔ)償前后RS檢測(cè)結(jié)果示意圖。具體實(shí)施例方式1、RS分析方法原理文獻(xiàn)[3]給出了RS分析方法的原理。假定載體圖像中像素取值屬于一個(gè)集合V。如對(duì)于8-bit灰度圖像，V＝{0，1，Λ，255}。利用描述函數(shù)f來(lái)考察圖像空間相關(guān)性，f表示一個(gè)實(shí)數(shù)f(v1，Λ，vn)和由n個(gè)空間上連續(xù)的像素組成的像素組G＝(v1，Λ，vn)之間的對(duì)應(yīng)關(guān)系。例如用f(v1,v2,Λ,vn)=Σi=1n-1|vi+1-vi|---(1)]]>來(lái)衡量G的平滑度，G中的噪聲越多，判別函數(shù)f的值越大。LSB嵌入信息增加了圖像的噪聲，f的值也將隨之增加。LSB位嵌入過(guò)程可以用翻轉(zhuǎn)函數(shù)F1∶01，23，Λ，254255描述。同理定義一個(gè)LSB偏移翻轉(zhuǎn)函數(shù)F-1-10，12，Λ，253254，255256，F(xiàn)0為恒等變換F0(v)＝v，v∈V。這三類翻轉(zhuǎn)函數(shù)構(gòu)成了翻轉(zhuǎn)函數(shù)的集合F＝{F1，F(xiàn)0，F(xiàn)-1}。對(duì)一組像素G＝(v1，Λ，vn)，若f(F(G))＞f(G)，稱G是正則的；若f(F(G))＜f(G)，稱G是奇異的；若f(F(G))＝f(G)，稱G是不變的。這里F(G)是指將F運(yùn)用到向量G＝(v1，Λ，vn)的各個(gè)分量中。RS方法要對(duì)G中不同的像素應(yīng)用不同的變換，因此引入掩碼(mask)M，M也是一個(gè)值為-1，0，1的n元組，其形為[M(1)，M(2)，Λ，M(n)]，則基于M的交換組FM(G)為(FM(1)(v1)，(FM(2)(v2)，Λ，F(xiàn)M(n)(vn))(2)用RM表示FM作用后正則組的比率，SM表示FM作用后奇異組的比率，R-M表示F-M作用后正則組的比率，S-M表示F-M作用后奇異組的比率。這里-M由M中的各個(gè)元素變反得到。如M＝(0，1，1，0)，則-M＝(0，-1，-1，0)。RS方法根據(jù)對(duì)大量圖像的統(tǒng)計(jì)的結(jié)果，用直線模擬R-M和S-M，用二次曲線模擬RM和SM。RS算法同時(shí)還給出了兩個(gè)假定以提高估計(jì)精度(1)假設(shè)RM與R-M的交點(diǎn)和SM與S-M的交點(diǎn)有相同的X坐標(biāo)；(2)RM(1/2)＝SM(1/2)。設(shè)待檢測(cè)圖像嵌入比率為p，經(jīng)過(guò)線性變換z=x-p/21-p,]]>將X坐標(biāo)變?yōu)閆坐標(biāo)，利用統(tǒng)計(jì)方法確定RM，SM，R-M，S-M在p/2，1/2和(1-p/2)處的值。如圖1所示，圖中X軸表示圖像中進(jìn)行了LSB翻轉(zhuǎn)的像素占整個(gè)圖像像素的比率，Y軸表示在掩碼M和-M下正則組和奇異組的相關(guān)數(shù)量(百分比)，M＝，建立如下方程2(d1+d0)z2+(d-0-d-1-d1-3d0)z+d0-d-0＝0(3)其中，d0＝RM(p/2)-SM(p/2)，d1＝RM(1-p/2)-SM(1-p/2)，d-0＝R-M(p/2)-S-M(p/2)，d-1＝R-M(1-p/2)-S-M(1-p/2)解方程得到信息嵌入比率p＝z/(z-1/2)，其中，z是方程(3)中絕對(duì)值較小的根。2、RRS算法原理RRS方法首先利用混沌系統(tǒng)產(chǎn)生的隨機(jī)序列選取嵌入位置，進(jìn)行LSB嵌入，然后對(duì)嵌入后的圖像采取先進(jìn)行像素值補(bǔ)償，再通過(guò)公開信道傳送。補(bǔ)償后的圖像對(duì)于攻擊者而言，采用RS分析方法仍將能保證RM≈R-M、SM≈S-M且RM＞SM、R-M＞S-M，從而做出圖像中不含有LSB隱藏信息的錯(cuò)誤判斷。具體分析如下從RS分析方法的原理可以看出，F(xiàn)1為2i與2i+1之間的互翻轉(zhuǎn)操作，而F-1，為2i-1與2i之間的互翻轉(zhuǎn)操作，LSB隱寫就相當(dāng)于對(duì)圖像的部分像素應(yīng)用了F1操作。通常，LSB嵌入會(huì)使判別函數(shù)值增大，這樣正則組的數(shù)量就大于奇異組的數(shù)量。RS首先將待檢測(cè)圖像分為很多大小相等的圖像塊，再對(duì)每個(gè)小圖像塊中的部分像素進(jìn)行F1操作，然后利用式(1)計(jì)算其不平滑程度是否增加，并計(jì)算不平滑度增加的圖像塊在所有圖像塊中的比例RM和不平滑度減小的圖像塊在所有圖像塊中的比例SM，然后應(yīng)用F-1，操作在每個(gè)小圖像塊中進(jìn)行類似的處理，得到不平滑度增加和減小的圖像塊的比例，即RM和S-M。如果待檢測(cè)圖像沒有經(jīng)過(guò)LSB隱寫，那么無(wú)論應(yīng)用F1操作還是應(yīng)用F-1操作，從統(tǒng)計(jì)上來(lái)說(shuō)，會(huì)同等程度地增加圖像塊的混亂度，即RM≈RM、SM≈S-M，且有RM＞SM、R-M>S-M。如果待檢測(cè)圖像是經(jīng)過(guò)LSB隱寫的，則應(yīng)用F1操作和應(yīng)用F-1操作的結(jié)果就會(huì)有所不同。應(yīng)用F-1操作對(duì)不平滑度的增加要大于應(yīng)用F1操作對(duì)不平滑度的增加，因此會(huì)出現(xiàn)RM＜R-M和R-M-S-M＞RM-SM的結(jié)果。RS分析方法正是基于如下假設(shè)對(duì)自然圖像存在E{RM}＝E{R-M}，E{SM}＝E{S-M)(4)則通過(guò)統(tǒng)計(jì)圖像中的RM、SM、R-M、S-M，并比較它們的關(guān)系來(lái)判斷圖像中是否含有隱密信息。文獻(xiàn)[4]中定義了兩類特殊的多重集X和YX=Yi=12b-1Xi,]]>Y=Yi=12b-1Yi---(5)]]>其中Xi和Yi都是由一系列二元組(u，v)構(gòu)成的多重集，這里u和v是兩個(gè)相鄰像素的值，0≤u≤2b-1，0≤v≤2b-1，b是表示每個(gè)樣本值的比特?cái)?shù)。Xi和Yi都包含樣本對(duì)(u，v)，|u-v|＝i，其中較大的元素值為偶數(shù)的樣本對(duì)屬于X，較大的元素值為奇數(shù)的樣本對(duì)屬于Y。文獻(xiàn)[4]指出(4)式等價(jià)于E{|X|}＝E{|Y|}(6)本文中|*|表示多重集*的勢(shì)。一般地，圖像在LSB隱寫后，|X|與|Y|的大小將發(fā)生偏離，本文中用來(lái)表征嵌入信息后|Y|和|X|的偏離度，記為δ。圖2(b)給出了使用RS分析方法時(shí)，δ的變化對(duì)原始圖像Lena圖像(見圖2(a))檢測(cè)結(jié)果的影響。進(jìn)行LSB嵌入后的圖像δ的值將變大，由圖2(b)可以看出，檢測(cè)得到的估計(jì)值隨著偏離度δ的增大而增大。換言之，δ越小，得到的長(zhǎng)度估計(jì)值也越小。若想使第三方用RS方法檢測(cè)得到的估計(jì)值為一個(gè)低于判決門限的較小值，則應(yīng)使δ值盡量小。RRS方法就是通過(guò)對(duì)載密圖像進(jìn)行像素值補(bǔ)償來(lái)校正|X′|與|Y′|的偏離，使得補(bǔ)償后的圖像的|X″|與|Y″|(從分析者的角度看，為|X′|和|Y′|)仍然十分接近，從而使RS方法檢測(cè)失效。3、完整RRS算法記載體圖像為I，嵌入信息為S，嵌入信息后得到的圖像為I′，對(duì)I′進(jìn)行像素值補(bǔ)償后得到的圖像為I″。設(shè)圖像的寬和高分別為W＝M，H＝N，其中M，N分別為圖像水平和垂直方向上的像素的數(shù)量。通常整個(gè)LSB信息隱藏系統(tǒng)可分為信息嵌入過(guò)程和信息提取過(guò)程，這兩個(gè)過(guò)程分別在通信的雙方，即發(fā)送方和接收方完成。本文首先進(jìn)行LSB信息的嵌入，然后對(duì)圖像的部分區(qū)域進(jìn)行整體像素值補(bǔ)償，即對(duì)隱藏后的圖像的統(tǒng)計(jì)參量|X″|和|Y″|進(jìn)行補(bǔ)償。為了補(bǔ)償?shù)男枰谶M(jìn)行補(bǔ)償之前需要對(duì)載密圖像進(jìn)行簡(jiǎn)單的預(yù)處理。RRS方法的結(jié)構(gòu)示意圖如圖3下面對(duì)分別對(duì)嵌入算法、補(bǔ)償算法和提取算法進(jìn)行闡述。3.1嵌入算法在圖像中嵌入信息，通常有順序嵌入和隨機(jī)嵌入兩種方式。為了和RS分析方法一致，本文也僅討論隨機(jī)嵌入的情況，使用混沌系統(tǒng)產(chǎn)生的隨機(jī)數(shù)發(fā)生器把秘密消息隨機(jī)地?cái)U(kuò)散到載體圖像中。輸入原始載體圖像I；待嵌入信息比特流m1，Λ，m1，l為嵌入信息的長(zhǎng)度，mi＝0或1，1≤i≤l；初始密鑰K。輸出載密圖像I′。步驟1.圖像索引。將載體圖像I的像素按由左及右、由上至下的順序進(jìn)行索引，記為c1，c2，Λ，cM×N；2.生成隨機(jī)序列。依據(jù)初始密鑰K，利用加擾數(shù)字混沌系統(tǒng)生成一個(gè)隨機(jī)序列k1，Λ，kM×N；3.選擇嵌入位置。采用具有如下索引位置的像素來(lái)進(jìn)行信息嵌入j1＝k1ji＝(ji-1+ki)i≥2即對(duì)載體圖像中的索引為cji的像素點(diǎn)的像素值的LSB位與信息比特mi進(jìn)行替換。4.嵌入LSB信息。嵌入所有信息比特，最終得到載密圖像I′。3.2補(bǔ)償算法3.2.1補(bǔ)償預(yù)處理由于在補(bǔ)償算法中要將部分圖像的像素值加1，圖像中像素值為255的像素其像素值加1后為256，這超出了8位比特所能表示的范疇。一種策略是將255加1后的像素值記為0，但這樣處理一方面會(huì)導(dǎo)致圖像的局部將變得不平滑，出現(xiàn)亮斑，如圖4所示(帽子后沿和鼻尖區(qū)域)。因此，需要對(duì)含有值為255的像素的圖像進(jìn)行預(yù)處理。具體操作為掃描載體圖像的所有像素，像素值為255的修改為253。顯然，這樣的修改對(duì)圖像的影響很小，不會(huì)引起視覺上的差異，同時(shí)既保證了相鄰像素對(duì)之間差值的奇偶性不變，又不影響提取信息的正確性。若采用對(duì)像素值減1的方法對(duì)圖像進(jìn)行補(bǔ)償，則應(yīng)進(jìn)行相應(yīng)的預(yù)處理，使用于嵌入的載體不含0值像素。3.2.2理想狀態(tài)下的補(bǔ)償用|*′|表示嵌入信息后的圖像中多重集*的勢(shì)，|*″|表示嵌入信息后的圖像進(jìn)行補(bǔ)償后多重集*的勢(shì)。圖像進(jìn)行LSB嵌入信息后|Y′|和|X′|的偏離度將變大，補(bǔ)償算法的目的是消除這種變化。為了便于理解，我們首先假設(shè)像素值的差為i的相鄰像素對(duì)在嵌入信息后的圖像中是均勻分布的，那么將載密圖像的一半緊密相連的像素的值均加上1，像素值的差為i的相鄰像素對(duì)的總數(shù)量幾乎不變(只在分界線附近有相當(dāng)微小的變化)，而由于像素值整體加1，像素值的奇偶性發(fā)生互換。對(duì)整幅圖像中的|Yi′|而言，其大小減少了約但增加了約因此修改像素值后得到的|Yi′′|≈|Yi′|2+|Xi′|2.]]>同理，|Xi′′|≈|Yi′|2+|Xi′|2.]]>因此修改一半圖像的像素值后，|Yi″|≈|Xi″|。這樣，|Yi″|-|Xi″|的值約為0，|Y″|-|X″|的值也約為0，RS方法利用方程(3)得到的p的估計(jì)值也將約為0。3.2.3動(dòng)態(tài)補(bǔ)償方法上述假設(shè)是理想的情況，實(shí)際上圖像在嵌入信息后，尤其是嵌入的信息量比較大時(shí)，像素值的差為i的相鄰像素對(duì)的分布可能變得不均勻。如果仍然對(duì)一半的圖像的像素值進(jìn)行整體加1操作，得到的|Y″|和|X″|的大小仍將有較大差異，由此RS方法仍可能得到一個(gè)較大的估計(jì)值，如果估計(jì)值大于設(shè)定的判決門限，那么RS方法仍能做出圖像中含有隱藏信息的正確判斷。如表1所示表1理想狀態(tài)下的補(bǔ)償結(jié)果<tablesid="table1"num="001"><tablewidth="633">隱藏比率5％90％比較參數(shù)δpδp補(bǔ)償前RS估計(jì)結(jié)果0.01074.96％0.187391.77％補(bǔ)償后RS估計(jì)結(jié)果0.00130.09％0.00945.02％</table></tables>上表中，當(dāng)Lena圖像中隱藏了5％的信息時(shí)，|Y′|和|X′|的偏離度δ＝0.0107，用RS方法得到的估計(jì)值p＝4.96％。通過(guò)對(duì)圖像的一半?yún)^(qū)域內(nèi)的像素進(jìn)行像素值補(bǔ)償操作，|Y′|和|X′|的偏離度δ＝0.0013，RS方法得到的估計(jì)值為p＝0.09％。通常RS方法的判決門限為2％或4％，即使對(duì)于2％的門限，RS分析也將判定圖像中不存在隱藏信息，從而隱藏系統(tǒng)達(dá)到了不被RS方法檢測(cè)的目的。而當(dāng)Lena圖像中隱藏了90％的信息后，得到的偏離度δ＝0.1873，RS方法得到的估計(jì)值p＝91.77％。通過(guò)修改一半圖像的像素值，得到的偏離度δ＝0.0094，RS方法得到的估計(jì)值為p＝5.02％，該結(jié)果仍然比判決門限大，因此仍將得到該圖像中含有隱藏信息的結(jié)論。這意味著直接將圖像一半的像素值簡(jiǎn)單地加1是不夠的，必須根據(jù)具體的圖像對(duì)其補(bǔ)償范圍進(jìn)行動(dòng)態(tài)選擇。一個(gè)簡(jiǎn)單的選擇方法是行遍歷。設(shè)圖像的補(bǔ)償范圍為0～j行，1≤j≤N-2(當(dāng)j為N-1時(shí)，整個(gè)圖像的像素值均加1，只是Xi和Yi發(fā)生了交換，但偏離度將不發(fā)生變化)。J從1開始，對(duì)從第0～j行內(nèi)的所有像素值加1，統(tǒng)計(jì)并計(jì)算相應(yīng)的δj，然后j依次遞加1，得到N-2種情況下的δj，選取最小的偏離度minδ，則圖像的補(bǔ)償范圍為minδ對(duì)應(yīng)的從0～j行的范圍。顯然，圖像的補(bǔ)償區(qū)域的選擇可以是任意的，比如可以是隨機(jī)選取的矩形，也可以在圖像的中間選擇一塊其它形狀的區(qū)域。動(dòng)態(tài)補(bǔ)償?shù)哪康氖潜ＷC得到某種補(bǔ)償方式下最小的δ，從而使RS分析得到一個(gè)較小的隱藏信息比率估計(jì)值p，我們稱這種尋找最小δ的補(bǔ)償為最佳補(bǔ)償。含有90％的LSB嵌入信息的圖像Lena經(jīng)過(guò)最佳補(bǔ)償后，在i＝241時(shí)找到最小的偏離度為2.3736×10-4，用RS方法進(jìn)行分析得到的嵌入比率值p＝0.64％，該值遠(yuǎn)小于判決門限值2％，因此RS分析將做出Lena圖像中不存在隱藏信息的錯(cuò)誤判斷。對(duì)于含有100％LSB隱藏信息的Lena圖像，經(jīng)過(guò)上述方式下的最佳動(dòng)態(tài)補(bǔ)償后，使用RS方法得到的檢測(cè)值為0.83％，也小于判決門限。注文中為了便于描述原理，給出了一種簡(jiǎn)單的圖像補(bǔ)償范圍的選擇方式，事實(shí)上可以以圖像中任意位置為起始點(diǎn)，選擇補(bǔ)償作用的范圍，選擇的范圍可以是規(guī)則的，也可以是不規(guī)則的，補(bǔ)償范圍的不確定性使得整個(gè)隱藏系統(tǒng)具有更高的安全性。另外，如果要獲得最佳的補(bǔ)償效果，最好是挑選那些圖像中不含有像素值為254和255的圖像作為載體圖像，這樣進(jìn)行LSB嵌入后圖像中不含有值為255的像素。3.3提取算法提取過(guò)程是補(bǔ)償過(guò)程和嵌入過(guò)程的逆過(guò)程。首先根據(jù)補(bǔ)償密鑰K′，將相應(yīng)范圍內(nèi)的圖像的像素值進(jìn)行減1操作，從而將圖像I″恢復(fù)為補(bǔ)償前的圖像I′(不計(jì)圖像傳遞過(guò)程中的噪聲影響)，然后將圖像I′的像素按由左及右、由上至下的順序索引為c1，c2，Λ，cM×N，再根據(jù)嵌入密鑰K，利用本文中給出的混沌系統(tǒng)生成相應(yīng)的隨機(jī)序列k1，Λ，kM×N，然后在圖像中找到和隨機(jī)序列中相應(yīng)位置的像素，并從它們的LSB位上提取出嵌入的信息。提取算法相對(duì)比較簡(jiǎn)單，且不是本文討論的重點(diǎn)，此處不再詳述。4、實(shí)驗(yàn)結(jié)果與分析RRS方法首先利用數(shù)字混沌產(chǎn)生的隨機(jī)序列確定進(jìn)行LSB嵌入的像素位置。實(shí)驗(yàn)中我們采用文獻(xiàn)[11]中提出的一種加擾數(shù)字混沌系統(tǒng)。該系統(tǒng)采用加擾和擴(kuò)散的方法來(lái)改善數(shù)字化混沌系統(tǒng)的動(dòng)力學(xué)特征退化，具有長(zhǎng)周期、隨機(jī)性好等較好的動(dòng)力學(xué)特性，采用該系統(tǒng)使得隱藏系統(tǒng)具有更高的安全性。該混沌系統(tǒng)簡(jiǎn)單描述如下考慮如下一個(gè)具有四個(gè)子區(qū)間的一維分段線性混沌映射g(x)=4x0≤x<a2-4xa≤x≤b4x-2b≤x<1-a-4x1-a≤x≤1---(7)]]>選擇對(duì)g(x)定義區(qū)間的第3子區(qū)間c3＝[b，1-a)進(jìn)行擴(kuò)散，將片斷c3按照e∶1-e的比例分成兩段c31=[b,b+er),]]>c32=[b+er,1-a],]]>e為擴(kuò)散系數(shù)，r為常量，x為初值。取a＝0.25，b＝0.5，r＝4，按照選擇性擴(kuò)散的擾動(dòng)算法形成新的分段線性混沌映射f(x)=g(x)x∉c3g(42e(x-0.5))x∈c31g(x-(0.5+e4)1-e+0.75)x∈c32---(8)]]>其中，e∈(0，1)為擴(kuò)散系數(shù)，x∈(0，1)，其初值為x0。算法中e和x的取值均為實(shí)數(shù)。構(gòu)造混沌序列時(shí)，根據(jù)初始密鑰K即可得到x0和e。對(duì)映射區(qū)間進(jìn)行A等份劃分后，可隨機(jī)得到0～A-1區(qū)間內(nèi)的數(shù)，這些數(shù)構(gòu)成一個(gè)序列，為了方便本文嵌入算法的需要，對(duì)該序列各值加1，顯然該序列仍是隨機(jī)的。實(shí)驗(yàn)中，根據(jù)具體嵌入容量來(lái)選擇A的大小。4.1隱藏與提取實(shí)驗(yàn)我們對(duì)圖像Peppers進(jìn)行實(shí)驗(yàn)，如圖5所示，可以看出采用RRS方法嵌入信息前后Lena圖像視覺效果良好，且能正確提取出嵌入信息。4.2RRS方法用于典型圖像的實(shí)驗(yàn)為了驗(yàn)證RRS方法的可靠性，本文首先對(duì)一些典型的圖像進(jìn)行了隱藏與分析實(shí)驗(yàn)。實(shí)驗(yàn)用圖共24幅標(biāo)準(zhǔn)灰度圖像。每幅圖像考慮嵌入比率為3％，5％，10％，20％，…，90％等多種情況，所有圖像中采用本文給出的LSB嵌入和加1補(bǔ)償算法，動(dòng)態(tài)補(bǔ)償中圖像的補(bǔ)償范圍采用4.2.3節(jié)中的方法選擇。表2給出了這24幅含有LSB隱藏信息的圖像動(dòng)態(tài)補(bǔ)償前后，利用RS方法進(jìn)行分析得到的嵌入比率的平均估計(jì)值。表2動(dòng)態(tài)補(bǔ)償對(duì)RS分析方法的結(jié)果影響由表2可知，按照4.2.3描述的方法選擇圖像補(bǔ)償范圍后，利用RS方法得到的圖像中含隱藏信息的比率估計(jì)值大大減小，RS的檢測(cè)結(jié)果均值最大僅為0.13％，遠(yuǎn)小于判決門限值2％，因此可以有效抵御RS方法的分析。我們另外對(duì)2000幅來(lái)自于數(shù)碼相機(jī)拍攝的1024×768大小的圖像嵌入90％的LSB信息，并進(jìn)行了類似的實(shí)驗(yàn)，結(jié)果2000幅載密圖像沒有1幅被RS方法檢測(cè)出，而采用SES方法，在相同的門限下，仍然有16％左右的圖像被錯(cuò)斷為含有隱藏信息。4.3平均方塊間隔選擇補(bǔ)償區(qū)域?qū)RS方法性能的影響當(dāng)圖像的補(bǔ)償范圍是隨機(jī)選擇時(shí)，會(huì)對(duì)檢測(cè)結(jié)果有何影響呢？本文對(duì)此進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)圖像采用和5.2中相同的圖像組，圖像的補(bǔ)償范圍采用平均方塊間隔方法，在圖像中選擇若干塊i×i區(qū)域作為圖像的補(bǔ)償范圍，其中32≤i≤128，如圖6(a)所示。i的大小根據(jù)補(bǔ)償后得到的各個(gè)偏離度中最小的偏離度minδi來(lái)確定。圖6(b)給出了采用平均間隔方法選擇圖像補(bǔ)償范圍后對(duì)RS方法的影響。由圖6(b)可以看出，補(bǔ)償區(qū)域采用平均間隔塊的方式，即使在嵌入比率高達(dá)90％的情況下，進(jìn)行像素補(bǔ)償后，RS分析得到的隱藏比率仍然是一個(gè)接近于0的較小的值，仍能抵御RS方法的分析。4.4RRS方法對(duì)多種分析方法的抵御能力實(shí)驗(yàn)為了進(jìn)一步檢測(cè)本方法抵抗χ2-統(tǒng)計(jì)攻擊、DIH、SPA方法以及RS和SPA方法的各種改進(jìn)方法的能力，我們用200幅圖像(來(lái)自數(shù)碼相機(jī))進(jìn)行了實(shí)驗(yàn)。首先在這些圖像中以隨機(jī)嵌入的方式嵌入10％，50％和90％的LSB信息，然后對(duì)這三組圖像進(jìn)行動(dòng)態(tài)補(bǔ)償，對(duì)補(bǔ)償后的圖像利用上述各種分析方法分別進(jìn)行檢測(cè)。這里，χ2-攻擊方法采用來(lái)自于文[5]的可檢測(cè)隨機(jī)嵌入的改進(jìn)版本，RS和SPA的改進(jìn)方法來(lái)自于文獻(xiàn)[6]，[7]，[12]，[13]或[14]，這些方法采用了相關(guān)差分、優(yōu)化掩碼或最小二乘等手段，檢測(cè)精度和可靠性比傳統(tǒng)方法有一定的提高。檢測(cè)結(jié)果如表3所示表3多種分析方法在補(bǔ)償前后的檢測(cè)結(jié)果列表注表中*表示在統(tǒng)計(jì)過(guò)程中采用了像素重疊統(tǒng)計(jì)的方式；方法5采用的掩碼為；表中的判決門限值統(tǒng)一設(shè)為0.03。由表3可以看出，RRS方法能夠有效地抵抗上述這些方法的分析。本文首先基于一個(gè)改進(jìn)的混沌系統(tǒng)產(chǎn)生隨機(jī)數(shù)，利用該隨機(jī)數(shù)完成信息LSB嵌入，然后通過(guò)對(duì)簡(jiǎn)單的空域LSB隱藏信息后的圖像進(jìn)行像素值動(dòng)態(tài)補(bǔ)償，得到了一種可有效抵御RS分析的LSB信息隱藏方法?；煦缦到y(tǒng)的初值和動(dòng)態(tài)補(bǔ)償區(qū)域的選擇參數(shù)作為密鑰的一部分，進(jìn)一步提高了隱藏系統(tǒng)的安全性。實(shí)驗(yàn)表明，本文的方法同時(shí)對(duì)χ2-統(tǒng)計(jì)攻擊、SPA方法以及RS和SPA方法的多種改進(jìn)方法也有較強(qiáng)的抵御能力，下一步我們將對(duì)其他一些重要的隱藏分析方法進(jìn)行研究，以建立安全性較高的隱藏系統(tǒng)。本說(shuō)明書中的參考文獻(xiàn)為[1]A.WestfeldDetectinglowembeddingrates.InProc.InformationHidingWorkshop.SpringerLNCS2578，2002，pp.324-339.J.Fridrich，R.Du，andL.Meng，“SteganalysisofLSBEncodinginColorImages，”InProc.IEEEInternationalConferenceonMultimediaandExpo，NewYork，July2000，vol.3，pp.1279-1282.J.Fridrich，M.Goljan，“PracticalSteganalysisofDigitalImages-StateoftheArt”，InDelpIII，E.J.，Wong，P.W.，eds.SecurityandWatermarkingofMultimediaContents.SPIE4675，vol.IV，2002，pp.1-13.SorinaDumitrescu，XiaolinWu，andZheWang，“DetectionofLSBSteganographyviaSamplePairAnalysis”，IEEETransactionsonSignalProcessing，vol.51，No.7，July2003，pp.1995-2007.N.Provos，“DefendingAgainstStatisticalSteganalysis”，10thUSENIXSecuritySymposium，Washington，DC，2001，pp.323-335.AndrewD.Ker，“ImprovedDetectionofLSBSteganographyinGrayscaleImages”，InProc.the6thInformationHidingWorkshop.SpringerLNCS3200，2004，pp.97-115[7]AndrewD.Ker，“SteganalysisofLSBMatchinginGrayscaleImages”，IEEESignalProcessingLetters，vol.12，No.6，June，2005，pp.441-444.JeongJaeYu，JaeWonHanandet.al.ASecureSteganographicSchemeagainstStatisticalAnalyses，IWDW2003，LNCS2939，2004，pp.497-507.呂述望，陳慶元，劉振華等.對(duì)RS攻擊的分析及抗RS攻擊的隱寫算法，第五屆全國(guó)信息隱藏學(xué)術(shù)研討會(huì)論文集[C]，中山大學(xué)學(xué)報(bào)，第43卷，2004增刊(2)，pp.5-9.張新鵬，王朔中，張開文.抗統(tǒng)計(jì)分析的LSB密寫方案，中國(guó)圖像圖形學(xué)報(bào)，8(9)，2003，pp.1055-1060.劉鑌，張永強(qiáng)，劉粉林.一種新的數(shù)字化混沌擾動(dòng)方案[J]，計(jì)算機(jī)科學(xué)，32(4)，2005，pp.71-74.XiangyangLuo，BinLiuandFenlinLiu.“ImprovedRSMethodforDetectionofLSBSteganography”，InProc.the2005InternationalConferenceonComputationalScienceandItsApplications，SpringerLNCS3481，2005，pp.508-516.PeizhongLu，XiangyangLuoandQingyangTang.“AnImprovedSamplePairsMethodforDetectionofLSBEmbedding”，InProc.the6thInformationHidingWorkshop.SpringerLNCS3200，2004，pp.116-128.ZhangTao，PingXijian.“ReliableDetectionofLSBSteganographyBasedontheDifferenceImageHistogram”，ProceedingofIEEEICSAAP，PartIII，pp.545-548，2003.權(quán)利要求基于混沌系統(tǒng)的抗統(tǒng)計(jì)分析圖像LSB信息隱藏方法，其特征在于一是采用混沌系統(tǒng)產(chǎn)生隨機(jī)序列，并基于此系列實(shí)施信息的LSB嵌入；二是采用動(dòng)態(tài)補(bǔ)償技術(shù)，對(duì)嵌入信息后的圖像在傳輸前先進(jìn)行動(dòng)態(tài)補(bǔ)償。全文摘要本發(fā)明屬通信與信息安全
技術(shù)領(lǐng)域：
，具體是基于混沌系統(tǒng)的抗統(tǒng)計(jì)分析圖像信息隱藏方法。本發(fā)明通過(guò)對(duì)隱藏信息后的圖像進(jìn)行動(dòng)態(tài)補(bǔ)償，提出了一種基于混沌系統(tǒng)嵌入的、可抵御多種統(tǒng)計(jì)分析的安全LSB信息隱藏方法。該方法首先基于混沌系統(tǒng)產(chǎn)生的隨機(jī)序列選擇嵌入位置，并進(jìn)行LSB隨機(jī)嵌入，然后對(duì)嵌入后的圖像進(jìn)行動(dòng)態(tài)補(bǔ)償。實(shí)驗(yàn)表明補(bǔ)償后的圖像即使在嵌入比率接近于100％的情況下，RS、SPA和DIH等經(jīng)典統(tǒng)計(jì)分析方法仍將得到一個(gè)較小的估計(jì)值，從而做出錯(cuò)誤的判決。同時(shí)，將混沌系統(tǒng)的初值和動(dòng)態(tài)補(bǔ)償?shù)年P(guān)鍵參數(shù)作為隱藏系統(tǒng)密鑰的一部分，可進(jìn)一步提高隱藏系統(tǒng)的安全性。文檔編號(hào)G06T1/00GK101022332SQ200610017420公開日2007年8月22日申請(qǐng)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,羅向陽(yáng),蘆斌申請(qǐng)人:劉粉林,羅向陽(yáng),蘆斌