CN101561922A - 可抗样本对分析的高位空域隐藏方法 - Google Patents

Abstract

可抗样本对分析的高位空域隐藏方法，信息隐藏技术是近年来信息安全领域一个新的研究方向，该技术是将秘密信息隐藏在其他载体中，使人察觉不到，从而保证了秘密信息的安全。在大小为N₁×N₂的载体灰度图像中，找出可以进行高位隐藏的像素点，将大小为M₁×M₂的待隐藏秘密图像转换成二进制信息流，通过逻辑斯蒂(－音译Logistic)混沌映射判断将这些二进制信息流隐藏在载体图像的第几位，Logistic混沌映射公式为Z_n+1＝4Z_n(1－Z_n)，其中Z_n∈(0，1)，若秘密信息和该位信息相同，不进行替换，若不相同，进行替换，并进行必要的补偿算法，使像素点变化的范围控制在4个像素之内，重复此过程，直到所有信息都隐藏结束。本发明用于信息隐藏技术。

Description

可抗样本对分析的高位空域隐藏方法

技术领域：

本发明涉及一种高位空域隐藏方法，尤其涉及一种抗样本对分析的高位空域隐藏方法。

背景技术：

信息隐藏技术是近年来信息安全领域一个新的研究方向，该技术是将秘密信息隐藏在其他载体中，使人察觉不到，从而保证了秘密信息的安全。在图像隐藏算法中，按嵌入域分类可分为空域和变换域隐藏。在基于空间域的图像信息隐藏技术中，最低有效位(LSB)算法隐藏容量大、易于实现，但是隐藏位置不可靠，鲁棒性很差，以至于近年来出现了很多针对LSB隐藏的分析方法，如经典的SPA(样本对分析)和RS等分析方法。而后人们提出了基于图像最高有效位的HB算法，与LSB算法相比其鲁棒性有了较大提高，但隐藏量只能达到载体图像的30％；2005年，朱从旭在提出将各水印比特随机嵌入到像素点的某一中间比特位，并采用最小化像素改变量的优化策略，使鲁棒性有了更大的提高，但即使是优化之后的像素值仍然与原图像可能存在较大变化，在视觉上会产生一定的影响。2007年，本案发明人于晓洋提出了一种图像空域最重要比特位隐藏的HSBH方法，该方法将高4位作为隐藏对像，经过优化算法之后使像素值的变化量小于4，从而保证视觉效果，并且嵌入信息量最大可达图像大小的50％，同时鲁棒性没有降低，是一种较好的空域高位隐藏算法。但是HSBH算法实际上并不能抵抗SPA分析，用SPA分析方法可以准确地判断出图像是否含有信息，同时可以准确地判断其隐藏容量。

发明内容：

本发明的目的是提供一种可抵抗SPA分析的高位空域信息隐藏方法，该方法是对HSBH算法的改进。在保证图像质量的同时，可以有效抵抗SPA分析，使SPA分析无法检测出图像是否含有秘密信息。

上述的目的通过以下的技术方案实现：

可抗样本对分析的高位空域隐藏方法，

(1)在大小为N₁×N₂的载体灰度图像中，找出可以进行高位隐藏的像素点，将大小为M₁×M₂的待隐藏秘密图像转换成二进制信息流，通过逻辑斯蒂(Logistic)混沌映射判断将这些二进制信息流隐藏在载体图像的第几位，Logistic混沌映射公式为Z_n+1＝4Z_n(1-Z_n)，其中Z_n∈(0，1)，若秘密信息和该位信息相同，不进行替换，若不相同，进行替换，并进行必要的补偿算法，使像素点变化的范围控制在4个像素之内，重复此过程，直到所有信息都隐藏结束；

(2)为了抵抗样本对分析，对隐藏有秘密图像的载体图像动态选取区域，区域中的奇数像素值减1，偶数像素值加1，使X′_2m+1与Y′_2m+3中的样本对互换，即在修改后的修改域中，|X″_2m+1|＝|Y′_2m+3|，|Y″_2m+3|＝|X′_2m+1|，所以修改后，图像的|X″_2m+1|值减小，|Y″_2m+1|值增大，这样可消除|X′_2m+1|与|Y′_2m+1|的偏离度。

所述的可抗样本对分析的高位空域隐藏方法，步骤2中X_2m+1表示原始图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中偶数较大的集合，Y_2m+3表示原始图像中样本对两像素值的差的绝对值等于2m+3，且两像素值中奇数较大的集合，X′_2m+1表示隐藏有信息的载密图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中偶数较大的集合，Y_2m+1表示载密图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中奇数较大的集合，Y′ _2m+3表示载密图像中样本对两像素值的差的绝对值等于2m+3，且两像素值中奇数较大的集合。|X′_2m+1|表示X′_2m+1的势；|X″_2m+1|表示改进后图像X″_2m+1的势；|Y′_2m+1|表示Y′_2m+1的势；|Y″_2m+1|表示Y″_2m+1的势；|Y′_2m+3|表示Y′_2m+3的势；|Y″_2m+3|表示Y″_2m+3的势；

所述的可抗样本对分析的高位空域隐藏方法，高位隐藏代表像素值的5、6、7、8位，即高4位。

所述的可抗样本对分析的高位空域隐藏方法，所述的必要的补偿算法是当某像素点在某一位隐藏信息而改变像素值时，保持该隐藏位不变，调节其他7位，使像素值的变化范围控制在4个像素以内。

所述的可抗样本对分析的高位空域隐藏方法，所述步骤(1)的通过Logistic混沌映射判断将秘密信息二进制流隐藏在载体图像的第几位，是通过给定Logistic映射的序列初值Z₀，使Logistic映射迭代M₁×M₂×8次。Logistic映射依次迭代得到Z_n，n∈[1，M₁×M₂×8]。Z_n＜0.25时，k＝5；0.25 ≤Z_n＜0.5时，k＝6；0.5≤Z_n＜0.75时，k＝7；0.75≤Z_n＜1时，k＝8。

所述的可抗样本对分析的高位空域隐藏方法，所述步骤(2)的区域选择应该使|∪_m＝i ^jX″_2m+1|与|∪_m＝i ^jY″_2m+1|的差值尽可能的小，越小越能使载密图像统计特性接近自然图像，其中1≤i≤m≤j≤2⁷-1，|∪_m＝i ^jX″_2m+1|表示|X″_2m+1|在[i，j]范围的一个并集，|∪_m＝i ^jY″_2m+1|表示|Y″_2m+1|在[i，j]范围的一个并集。

这个技术方案有以下有益效果：

1.高位空域隐藏在保证抗攻击能力的同时，可以提高隐藏容量。

2.本发明方法可以抵抗SPA分析的攻击，具有技术上的突破。

3.本发明将信息隐藏在像素点的高位，相比与低位隐藏具有更强的鲁棒性。在遭受到剪切或噪声等攻击的时候，隐藏在低位的信息有可能被剪切掉或者被修改，而隐藏在高位的信息就不会受到干扰。

4.本发明空域隐藏相比于频域隐藏具有更大的隐藏容量。而隐藏容量是衡量隐藏算法的一个重要指标。

5.本发明当信息隐藏时，虽然对像素值进行一定的修改，但是修改后的图像没有发生明显变化，在视觉上是不能觉察到的。

6.本发明通过对载密图像进行奇偶像素值的加减1操作，使隐藏后的图像接近于正常图像的统计特性，这可以有效抵抗SPA分析的检测。

附图说明：

附图1是抗SPA分析的高位空域隐藏方法的流程图；

附图2是对HSBH算法进行SPA分析的8幅原始图像；

附图3是原始图象；

附图4是对HSBH算法进行SPA分析的秘密图像；

附图5是原始载体图像；

附图6是秘密图像；

附图7是经过HSBH隐藏后的图像；

附图8是经过改进后的可抵抗SPA分析的图像。

具体实施方式：

图1是抗SPA分析的高位空域隐藏方法的流程图；本发明的抗SPA分析的高位空域隐藏方法包括以下步骤：

(1).选取载体灰度图像F＝{f(i，j)1≤i≤N₁，1≤j≤N₂}，其中(i，j)代表图像的像素点坐标，f(x，y)代表相应位置的像素值；找出可以进行隐藏的像素点。能隐藏的点就是像素点的灰度值在如下的15个区间，[12，19]，[28，35]，[44，51]，[60，67]，[76，83]，[92，99]，[108，115]，[124，131]，[140，147]，[156，163]，[172，179]，[188，195]，[204，211]，[220，227]，[236，243]。只有在这些区间上的点，隐藏之后通过补偿算法才可以使像素值的变化控制在4个像素以内，在视觉上观察不到；

(2).将秘密信息图像W＝{w(i，j)1≤i≤M₁，1≤j≤M₂}转换成二进制形式；

(3).Logistic混沌映射公式为Z_n+1＝4Z_n(1-Z_n)，其中Z_n∈(0，1)；给定Logistic混沌映射的初值Z₀，使Logistic映射迭代M₁×M₂×8次。Logistic映射依次迭代得到Z_n，由Z_n确定该位信息隐藏到第几位k：Z_n＜0.25时，k＝5；0.25≤Z_n＜0.5时，k＝6；0.5≤Z_n＜0.75时，k＝7；0.75≤Z_n＜1时，k＝8并求出f(x，y)的第k比特位。

(4).隐藏有信息的载密图像记为F′＝{f′(i，j)1≤i≤N₁，1≤j≤N₂}，若w(i，j)_n＝f(x，y)的第k位，则取f′(x，y)＝f(x，y)；否则在相应的灰度区间内调整。例如：将w(1，1)＝1隐藏到f(1，1)＝128(即二进制1000 0000)的第五位，可知f(1，1)的第五位为0不等于w(1，1)，所以将f′(1，1)的第五位变为1，改变f′(1，1)的其他7位，使f′(1，1)与f(1，1)的差值最小，最后f′(1，1)改写为127。通过这样的补偿算法之后像素点的变化范围不超过4个像素；依次进行隐藏直到秘密信息全部嵌入为止。

SPA算法是由Sorina Dumitrescu等人提出的，该算法通过分析载体信号样本对在LSB信息隐藏下的状态转移情况估算信息的嵌入率。

用连续的样本S1，S2，……，SN表示图像的像素值(下标表示样本在图像中的位置)，P＝{(si，sj)|1≤i，j≤N}是样本对的集合，这里0≤si，sj≤2^b-1，其中b是每个样本值的比特数，且si，sj是两个相邻的像素值。还有一些具体的集合和参数分别为：

D_n＝{(u，v)∈P||u-v|＝n}，D_n是P的子多重集，表示样本对两像素值的差的绝对值等于n的集合，其中0≤n≤2^b-1。

X_2m+1是D_2m+1的子多重集，表示样本对两像素值的差的绝对值等于2m+1，且两像素值中偶数较大的集合。

Y_2m+1是D_2m+1的子多重集，表示样本对两像素值的差的绝对值等于2m+1，且两像素值中奇数较大的集合。

X_2m是D_2m的子多重集，表示样本对两像素值的差的绝对值等于2m，且两像素值都是偶数的集合。

Y_2m是D_2m的子多重集，表示样本对两像素的值差的绝对值等于2m的集合，且两像素值都是奇数的集合。

|X_2m+1|，|Y_2m+1|，|X_2m|，|Y_2m|分别表示自然载体图像多重集X_2m+1，Y_2m+1，X_2m，Y_2m的势，势是属于这些多重集样本对的数目。

|X′_2m+1|，|Y′_2m+1|，|X′_2m|，|Y′_2m|分别表示嵌入信息后，载密图像多重集X′_2m+1，Y′_2m+1，X′_2m，Y′_2m的势。

对自然图像而言，D_2m-1中的样本对的奇分量大的概率为1/2，即有式(1)的假设：

E{|X_2m+1|}＝E{|Y_2m+1|}    (1)

当有秘密信息嵌入时，|X_2m+1|与|Y_2m+1|的差值将增大，SPA分析方法基于假设(1)，对样本对之间的转移关系进行统计，以嵌入率作为未知量建立方程，通过统计待检测图像中样本对之间的一些特征量，得到嵌入率，将隐藏的比率与设定的门限值进行比较来做出图像是否隐藏信息的判断。

下面用多幅图像对HSBH算法改进前后的进行SPA分析比较。

应用HSBH算法进行信息嵌入时，选用如图2所示的8幅512×512常用图像，对每幅图像嵌入25％的信息，如图3所示，对其进行SPA检测，结果检测的百分比分别为26.79，29.89，29.94，23.06，25.04，20.75，26.60，23.61；对每幅图像嵌入40.28％的信息，如图4所示，对其进行SPA检测，结果检测的百分比分别为42.24，51.32，45.74，40.68，43.35，34.36，42.73，38.74。从数据上可以看出估算出的嵌入率都非常接近真实值。所以HSBH算法无法抵抗SPA的分析，对其进行改进是十分必要的。

用SPA方法进行检测时，由于检测得到的估计值随着偏离度 ${\mathrm{\δ}}_{i,j}=\frac{\left|{\∪}_{m=i}^j{Y^{\′}}_{2m+1}\right|-\left|{\∪}_{m=i}^j{X^{\′}}_{2m+1}\right|}{\left|{\∪}_{m=i}^j{Y^{\′}}_{2m+1}\right|+\left|{\∪}_{m=i}^j{X^{\′}}_{2m+1}\right|}$ 的减小而减小，所以当|∪_m＝i ^jY′_2m+1|-|∪_m＝i ^jX′_2m+1|越趋于0，得到的估计值也越小，越能抵抗SPA方法的检测。改进的目的就是使|∪_m＝i ^jX′_2m+1|和|∪_m＝i ^jY′_2m+1|尽可能的接近。由于HSBH隐藏信息后，|∪_m＝i ^jX′_2m+1|大于|∪_m＝i ^jY′_2m+1|，所以需要进行调整，使|∪_m＝i ^jX′_2m+1|值减小，|∪_m＝i ^jY′_2m+1|值增大，本发明采用的方法是对载密图像动态选取区域，区域中的奇数像素值减1，偶数像素值加1，使X′_2m+1与Y′_2m+3中的样本对互换，即在修改后的修改域中，|X″_2m+1|＝|Y′_2m+3|，|Y″_2m+3|＝|X′_2m+1|，所以修改后，图像的|X″_2m+1|值减小，|Y″_2m+1|值增大，这样可消除|X′_2m+1|与|Y′_2m+1|的偏离度，区域的选择应该使|∪_m＝i ^jX″_2m+1|与|∪_m＝i ^jY″_2m+1|的差值尽可能小，越小越使载密图像统计特性与自然图像一样。

图5是原始载体图像，图6是秘密图像，图7是经过HSBH隐藏后的图像，图8是经过改进后的可抵抗SPA分析的图像。通过实验数据进行分析，当嵌入率为12.50％时，改进前和改进后的估算比例分别为13.83％和0.058％；当嵌入率为25％时，改进前和改进后的估算比例分别为26.79％和0.23％；当嵌入率为40.28％时，改进前和改进后的估算比例分别为42.24％和0.28％。从实验结果上看，改进后的方法可以有效抵抗SPA的分析。

Claims (6)

1.一种可抗样本对分析的高位空域隐藏方法，其特征是：

(1)在大小为N₁×N₂的载体灰度图像中，找出可以进行高位隐藏的像素点，将大小为M₁×M₂的待隐藏秘密图像转换成二进制信息流，通过逻辑斯蒂混沌映射判断将这些二进制信息流隐藏在载体图像的第几位，Logistic混沌映射公式为Z_n+1＝4Z_n(1-Z_n)，其中Z_n∈(0，1)，若秘密信息和该位信息相同，不进行替换，若不相同，进行替换，并进行必要的补偿算法，使像素点变化的范围控制在4个像素之内，重复此过程，直到所有信息都隐藏结束；

(2)为了抵抗样本对分析，对隐藏有秘密图像的载体图像动态选取区域，区域中的奇数像素值减1，偶数像素值加1，使X′_2m+1与Y′_2m+3中的样本对互换，即在修改后的修改域中，|X″_2m+1|＝|Y′_2m+3|，|Y″_2m+3|＝|X′_2m+1|，所以修改后，图像的|X″_2m+1|值减小，|Y″_2m+1|值增大，这样可消除|X′_2m+1|与|Y′_2m+1|的偏离度。

2.根据权利要求1所述的可抗样本对分析的高位空域隐藏方法，其特征是：步骤2中X_2m+1表示原始图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中偶数较大的集合，Y_2m+3表示原始图像中样本对两像素值的差的绝对值等于2m+3，且两像素值中奇数较大的集合，X′_2m+1表示隐藏有信息的载密图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中偶数较大的集合，Y′_2m+1表示载密图像中样本对两像素值的差的绝对值等于2m+1，且两像素值中奇数较大的集合，Y′_2m+3表示载密图像中样本对两像素值的差的绝对值等于2m+3，且两像素值中奇数较大的集合。|X′_2m+1|表示X′_2m+1的势；|X″_2m+1|表示改进后图像X″_2m+1的势；|Y′_2m+1|表示Y′_2m+1的势；|Y″_2m+1|表示Y″_2m+1的势；|Y′_2m+3|表示Y′_2m+3的势；|Y″_2m+3|表示Y″_2m+3的势。

3.根据权利要求1所述的可抗样本对分析的高位空域隐藏方法，其特征是：高位隐藏代表像素值的5、6、7、8位，即高4位。

4.根据权利要求1所述的可抗样本对分析的高位空域隐藏方法，其特征是：所述的必要的补偿算法是当某像素点在某一位隐藏信息而改变像素值时，保持该隐藏位不变，调节其他7位，使像素值的变化范围控制在4个像素以内。

5.根据权利要求1所述的可抗样本对分析的高位空域隐藏方法，其特征是：所述步骤(1)的通过Logistic混沌映射判断将秘密信息二进制流隐藏在载体图像的第几位，是通过给定Logistic映射的序列初值Z₀，使Logistic映射迭代M₁×M₂×8次，Logistic映射依次迭代得到Z_n，n∈[1，M₁×M₂×8]，Z_n＜0.25时，k＝5；0.25≤Z_n＜0.5时，k＝6；0.5≤Z_n＜0.75时，k＝7；0.75≤Z_n＜1时，k＝8。

6.根据权利要求1所述的可抗样本对分析的高位空域隐藏方法，其特征是：所述步骤(2)的区域选择应该使|∪_m＝i ^jX″_2m+1|与|∪_m＝i ^jY″_2m+1|的差值尽可能的小，越小越能使载密图像统计特性接近自然图像，其中1≤i≤m≤j≤2⁷-1，|∪_m＝i ^jX″_2m+1|表示|X″_2m+1|在[i，j]范围的一个并集，|∪_m＝i ^jY″_2m+1|表示|Y″_2m+1|在[i，j]范围的一个并集。

Images