CN109818739A - 一种基于对抗网络的生成式图像隐写方法 - Google Patents

Abstract

本发明具体涉及一种基于对抗网络的生成式图像隐写方法，包括步骤：建立规则表，根据规则表将待隐藏秘密信息转换为坐标信息；根据“两点一线”原理，建立成密文生成器，获得密文坐标点信息；发送者随机选择密文坐标点信息，将其替换标签信息，输入到生成器中，生成指定类别的传递图像；接受者接收传递图像后，输入到判别器中，获取类别标签，即可提取密文信息；根据“两点一线”原理，解密得到隐藏的坐标信息；对照规则表，获得隐藏的秘密信息，实现信息提取。本方法能够从根本上抵抗基于统计的隐写分析的检测，提高信息传输的安全性，同时极大增强了抵抗隐写分析的能力。

Description

一种基于对抗网络的生成式图像隐写方法

技术领域

本发明属于信息安全系统领域，具体涉及到一种基于对抗网络的生成式图像隐写方法。

背景技术

随着互联网和通信技术的飞速发展，大量的网络通信都要求以隐蔽的方式传递信息，因此隐写术得到飞速发展，极大解决在传输过程中通信信息的隐蔽性问题。

根据秘密信息的嵌入方法，隐写技术可分为：载体修改、载体选择和载体合成。载体修改是传统信息隐藏最常见的方法，但含密载体总会留有修改痕迹，导致难以从根本上抵抗基于统计的分析算法的检测；载体选择是隐写者根据秘密信息在正常图像库中选择图像发送，不修改原始载体信息，避免了现有隐写分析技术的威胁，但由于该方法的负载量太低，实际应用效果较差；载体合成方法结合了前两种方法的优点，但由于技术的限制，该方法只停留在理论概念，因为大量合成符合自然特性的样本十分困难。

随着运算能力的提高和计算模型的优化，基于数据采样的生成对抗网络已成为人工智能新的研究热点。其最大的优势和特点就是能够对真实样本进行采样，以噪声为驱动生成丰富多样的图像样本，这为载体合成提供了技术支撑。

发明内容

本发明的目的在于提出一种基于对抗网络的生成式图像隐写方法，该方法利用深度学习和对抗网络技术，将对称加密和信息隐藏进行结合，创新性地提出了一种“生成式”的图像隐写方案。与传统信息隐藏方法相比，该方法都不再将秘密消息嵌入到载体中，而是直接以秘密消息为原始信息来“生成”含密载体，避免了对载体的修改，可有效抵抗基于统计的隐写分析的检测。同时，将对称加密与隐写技术结合，为密码学和信息隐藏的发展拓展了新思路。

为了达到上述目的，本发明采用的技术方案如下：

一种基于对抗网络的生成式图像隐写方法，包括如下步骤：

步骤一：建立规则表，根据规则表将待隐藏秘密信息转换为坐标信息；

步骤二：根据“两点一线”原理，建立成密文生成器，获得密文坐标点信息；

步骤三：发送者随机选择密文坐标点信息，将其替换标签信息，输入到生成器中，生成指定类别的传递图像；

步骤四：接受者接收传递图像后，输入到判别器中，获取类别标签，即可提取密文信息；

步骤五：根据“两点一线”原理，解密得到隐藏的坐标信息；

步骤六：对照规则表，获得隐藏的秘密信息，实现信息提取。

进一步地，上述步骤一包括以下具体步骤：

1)建立规则表：

规则表涵盖全部的常用汉字、国家二级汉字、常用词组和特殊符号，选择类别标签组合构建码表字典，每组对应一个汉字单字或词组，构建一个双射的规则表，以任意固定直线做参考线，对任意秘密消息进行编码，对应不同的坐标，实现一一映射关系；

2)接收双方共享密钥K(kx、ky)，平面上的除参考线外的任意点；

3)进行坐标转换：根据规则表，将待隐藏的秘密消息进行编码，得到代表秘密信息的坐标信息。

进一步地，上述步骤二的具体操作为：

1)根据“两点一线”数学原理，由秘密信息转换的坐标点m和密钥K两点确定直线L(m、K)，作为密文生成器，可生成多个不同密文；

2)选择随机数在密文空间进行采样，获得密文坐标点信息。

进一步地，上述步骤三的具体操作为：

1)将密文信息m′编码成对应的类别标签，并添加纠错码，构成一个新的类别标签信息，记为φ(m')；

2)将生成器中的类别标签C直接替换成对应的类别标签φ(m')，把φ(m')和随机噪声Z联合输入到事先训练好的ACGAN中，经过反卷积、正则化操作生成含密图像G(φ(m'),z)进行传递。

进一步地，上述步骤四的具体操作为：

1)接收方接收到含密图像G(φ(m'),z)后，将其输入到事先训练好的判别器中，采取逆过程操作，判别器D输出图像类别的似然对数logits；

2)利用softmax函数将含密图像类别的似然对数logits转变成图像属于各类别的概率；

3)利用argmax函数输出概率最大的类别，提取出类别标签，得到秘密信息φ(m')；

4)秘密信息φ(m')输入到译码器，进行解码，译码后的结果M'；

5)对译码后的结果M'进行校验，校验有误舍弃接收的含密图像，如果校验正确，可认为M'＝m′，即实现提取信息。

与现有技术相比，本发明的有益效果：

1.本方法从载体合成的方向出发，以秘密信息为驱动，直接生成含密图像，对载体不做任何修改，能够从根本上抵抗基于统计的隐写分析的检测，提高信息传输的安全性；

2.与同类图像隐藏方案相比，本发明的生成式图像隐写方法结合对称加密算法，安全性基于密钥，符合Kerckhoffs准则，极大增强了抵抗隐写分析的能力，同时能够拓展维度增加计算复杂度，安全性进一步提高；

3.图像质量方面，基于数据采样的对抗网络技术，生成器生成的含密图像，更加符合自然图像的视觉特征，更好实现不可感知性；

4.效率方面，本发明的生成式图像隐写方法提出的空间坐标化算法能够根据不同的加密级别，进行维度的拓展，加解密计算量呈线性增加，运算效率高，而破译复杂度呈指数增长，攻击难度大。

附图说明

图1是本发明方案隐写过程的流程图。

图2是图1中对称加密算法原理介绍。

图3是图1中图像隐写算法的的隐藏过程。

图4是图1中图像隐写算法的的提取过程。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

本发明的一种基于对抗网络的生成式图像隐写方法，该方法由对称加密算法和图像隐写算法构成。对称加密算法可进行空间坐标化，根据“两点一线”数学原理进行加解密，同时可根据不同的密级进行空间维度的拓展；图像隐写算法基于ACGAN模型，将GAN中的类别标签替换为待嵌入的传递信息作为驱动，直接生成含密图像进行传递，接收者再通过判别器将含密图像中嵌入的传递信息提取出来，实现生成式图像隐写。

首先结合图2简述对称加密算法。加密算法为：m′＝E(m,K)；解密算法为：m＝D(m′,K)，其中m为明文坐标信息，K为共享的密钥(定期更换)，m′为经过加密转换后的坐标信息。以二维平面空间为例介绍加密算法的原理，E(.)和D(.)两者等价，均由L(.)表示。假设接收双方预先商定，建立规则表(任意消息对应不同的X轴坐标的一一映射关系)，也就是说：在平面坐标中x轴上每个坐标点(m，0)代表不同的秘密信息，任意消息均可以被不同的m表示；共享密钥K(k_x,k_y)可以是平面上的任意点(x轴上的点除外)，如图2(a)所示。发送者根据两点一线原理确定直线L(m，K)，如图2(b)所示。直线L作为简单的密文库(密文生成器)，可生成多个不同密文。发送者选择一个随机数r，然后在L上采样获得对应的密文m′(m′_x,m′_y)，即采样点m′(m′_x,m′_y)为待隐藏的传递消息，如图2(c)所示。接收者收到含密图像后提取出m′，通过L(m′,K)和x轴的交点可以很容易地得到m，秘密消息得到恢复，如图2(d)所示。

本发明以服务器S作为发送方，客户端C作为接收方。客户端计算出与服务器数据集合相同的元素，而不能获得或者推测出服务器除交集以外的任何数据信息。方案具体包括下列步骤：

1、发送方和接收方通信前事先训练好生成器G和判别器D，以及建立对应规则表，以上信息是严格保密的。

考虑到计算的复杂度，所构建的规则表首先要能涵盖全部的常用汉字(即国家一级字库中的3755个汉字)，此外还需要尽量涵盖国家二级汉字和一些常用词组及特殊符号，以提高信息隐藏的容量。基于mnist手写体数字集有0-9共10个类别标签，本文方法选定10000个类别标签组合来构建码表字典，即每4个数字为一组(每个数字都可从10个数字中选取)，共10000组，每组对应一个汉字单字或词组，构建一个双射的规则表，同时规则表可由程序随机建立对应关系和在类别标签前添加正负号，以保证随机性，如表1所示。

表1字典举例

2、发送方根据建立好的规则表，将待隐藏秘密信息转换为坐标信息。

对任意秘密消息进行编码，对应不同的X轴坐标，实现一一映射关系(X轴仅为举例，任意固定直线均可作为参考线)。接收双方共享密钥K(kx、ky)可以是平面上的任意点(参考线除外)。

进行坐标转换。标签设置向量长度为40，将待隐藏的传递消息m′进行编码(第1、21位表示正负号，1/0分别表示为正/负号；第2位至第20位表示x坐标；第22位至第40位表示y坐标)，得到的秘密信息。举例m′(-3.124，6.876)进行编码可得如下：

3、根据“两点一线”原理，建立成密文生成器。

(1)根据“两点一线”数学原理，由秘密信息转换的坐标点m和密钥K两点确定直线L(m、K)，作为密文生成器，可生成多个不同密文。

(2)选择随机数在密文空间进行采样，获得密文坐标点信息。

4、发送方将待隐藏的m′坐标点编码成相应的类别标签，联合类别标签和随机噪声Z作为驱动输入到ACGAN中，通过控制类别标签生成指定类别的含密图像进行传递，如图3所示。

(1)将m′坐标编码成对应的类别标签，并添加纠错码，构成一个新的类别标签信息，记为φ(m')；

(2)将生成器中的类别标签C直接替换成对应的类别标签φ(m')，把φ(m')和随机噪声Z联合输入到事先训练好的ACGAN中，经过一系列反卷积、正则化等操作生成含密图像G(φ(m'),z)进行传递。

5、接收者收到含密图像G(φ(m'),z)后，采取逆过程进行隐藏信息的提取。将收到的含密图像输入到ACGAN判别器D中，判别器D并不能直接输出秘密信息φ(m')，而是通过softmax函数输出含密图像中各个类别的概率，再通过argmax函数将图像类别的概率转化为对应的类别标签,由此得到嵌入信息φ(m')，去除纠错码后，即得到含密图像中隐藏的m′坐标信息，如图4所示。

(1)接收方接收到含密图像G(φ(m'),z)后，将其输入到事先训练好的判别器中，采取逆过程操作，判别器D输出图像类别的似然对数logits；

(2)利用softmax函数将含密图像类别的似然对数logits转变成图像属于各类别的概率；

(3)利用argmax函数输出概率最大的类别，提取出类别标签，得到秘密信息φ(m')；

(4)秘密信息φ(m')输入到译码器，进行解码，译码后的结果M'；

(5)由于存在噪声等干扰和其它有意或无意的攻击，因此译码后的结果M'进行校验，校验有误舍弃接收的含密图像。如果校验正确，可认为M'＝m′，即提取出隐藏秘密信息。

6、根据“两点一线”原理，解密得到隐藏的坐标信息。根据“两点一线”逆过程，由提取出的坐标信息和密钥坐标两点恢复这条直线(密文生成器)，再根据参考线和密文生成器的交点即为隐藏的坐标信息。

7、对照规则表，获得隐藏的秘密信息。隐藏的坐标信息根据规则表进行反解码，最终得到隐藏的秘密信息。

本发明结合载体合成的思路，利用机器学习的对抗模型进行图像隐写，有效解决信息隐藏中载体修改会留有修改痕迹、载体选择困难且负载量太低的问题。该方法一方面在对抗模型的基础上，将待隐藏信息作为驱动，直接生成含密图像进行传递，符合载体合成的思想，可有效抵抗基于统计的隐写分析算法的检测；另一方面，安全性依赖于加密算法的密钥，即使截获隐藏的内容，在无密钥的前提下，只会获得无意义的结果。

最后对本发明方案的安全性进行说明。

本发明的安全性依赖于两个方面：第一是提出了一种简单易行的加密算法。根据两点一线数学原理，在无密钥的前提下，单点无法确定直线L(m，K)，即暴力破解是不可行的。也就是说，系统安全性取决于所使用的密钥的保密性，而不是对该算法本身的保密，符合Kerckhoffs准则。同时可根据不同的密级进行空间维度的拓展，当保密级别较高时，增加空间维度，使攻击者破译的可能性大大增加，但加解密运算仍然保持线性关系，计算量小、加密效率高。在定期更换密钥前提下，该算法既容易实现，又难破译；第二是隐藏秘密信息的含密图像是由生成器直接生成的，对载体信息不做任何修改，极大增加抗隐写分析的能力。相比传统的加密和信息隐藏方法，本文提出的方法更难以引起攻击者的怀疑，能更加隐蔽的进行秘密通信。

假设攻击者怀疑传递的图像含有秘密信息，但由于其没有与通信双方相同的生成器和判别器模型，所以很难通过判别器从含密图像中提取出秘密信息。即使截获隐藏的内容，在无密钥的前提下，只会获得无意义的结果，由此保证了隐蔽通信的安全性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于对抗网络的生成式图像隐写方法，其特征在于：包括如下步骤：

步骤一：建立规则表，根据规则表将待隐藏秘密信息转换为坐标信息；

步骤二：根据“两点一线”原理，建立成密文生成器，获得密文坐标点信息；

步骤三：发送者随机选择密文坐标点信息，将其替换标签信息，输入到生成器中，生成指定类别的传递图像；

步骤四：接受者接收传递图像后，输入到判别器中，获取类别标签，即可提取密文信息；

步骤五：根据“两点一线”原理，解密得到隐藏的坐标信息；

步骤六：对照规则表，获得隐藏的秘密信息，实现信息提取。

2.根据权利要求1所述的基于对抗网络的生成式图像隐写方法，其特征在于，所述步骤一包括以下具体步骤：

1)建立规则表：

规则表涵盖全部的常用汉字、国家二级汉字、常用词组和特殊符号，选择类别标签组合构建码表字典，每组对应一个汉字单字或词组，构建一个双射的规则表，以任意固定直线做参考线，对任意秘密消息进行编码，对应不同的坐标，实现一一映射关系；

2)接收双方共享密钥K(kx、ky)，平面上的除参考线外的任意点；

3)进行坐标转换：根据规则表，将待隐藏的秘密消息进行编码，得到代表秘密信息的坐标信息。

3.根据权利要求1所述的基于对抗网络的生成式图像隐写方法，其特征在于，所述步骤二的具体操作为：

1)根据“两点一线”数学原理，由秘密信息转换的坐标点m和密钥K两点确定直线L(m、K)，作为密文生成器，可生成多个不同密文；

2)选择随机数在密文空间进行采样，获得密文坐标点信息。

4.根据权利要求1所述的基于对抗网络的生成式图像隐写方法，其特征在于，所述步骤三的具体操作为：

1)将密文信息m′编码成对应的类别标签，并添加纠错码，构成一个新的类别标签信息，记为φ(m')；

2)将生成器中的类别标签C直接替换成对应的类别标签φ(m')，把φ(m')和随机噪声Z联合输入到事先训练好的ACGAN中，经过反卷积、正则化操作生成含密图像G(φ(m'),z)进行传递。

5.根据权利要求1所述的基于对抗网络的生成式图像隐写方法，其特征在于，所述步骤四的具体操作为：

1)接收方接收到含密图像G(φ(m'),z)后，将其输入到事先训练好的判别器中，采取逆过程操作，判别器D输出图像类别的似然对数logits；

2)利用softmax函数将含密图像类别的似然对数logits转变成图像属于各类别的概率；

3)利用argmax函数输出概率最大的类别，提取出类别标签，得到秘密信息φ(m')；

4)秘密信息φ(m')输入到译码器，进行解码，译码后的结果M'；

5)对译码后的结果M'进行校验，校验有误舍弃接收的含密图像，如果校验正确，可认为M'＝m′，即实现提取信息。