CN1625096A - 以一类pdf文本作为掩体的信息隐写方法 - Google Patents

Abstract

一个以一类PDF文档的正文文本作为掩体的信息隐写方法。方法以两端对齐的英文WORD文档转化生成的PDF文档，文本中的每一个字符各自精确定位的正文文本作为掩体。利用该类PDF文档正文文本中存在的隐密信道，在保证透明性的基础上，采用以一定的冗余换取安全性的策略选取部分“数字”n(1≤n≤16)来隐写可盲提取的信息。实验和分析表明：当冗余度参数为10％时，可隐写率约为：20％。另外，本发明方法的安全性遵守Kerckhoffs原理；隐写容量是可估计的；具备对嵌入信息数据完整性的保证机制以及支持盲提取等特点，这些特点提高了本发明方法的实用性。本方案可用于构建网络环境下的信息隐藏技术应用。

Description

以一类PDF文本作为掩体的信息隐写方法

技术领域

本发明涉及计算机网络信息通信安全技术领域，特别是一种以一类PDF文本作为掩体的信息隐写方法。

背景技术

信息加密是保证通讯安全的重要方式，但是在实际应用中仅仅使用加密通常是不够的。尽管现代密码术已经发展成为一门比较成熟的学科，但在许多需要秘密通信的应用中仍然倾向于对信息进行加密后再进行隐写，以不引起人们的注意。由于经过加密方法处理所生成的密文具有随机性，因而很容易引起监控者的注意，并可以以此为依据展开对密文的破译或对发送者和接收者的攻击，而如果发送的是一条表面上可以被任何人读取的信息，那么就可以减少人们对它产生怀疑并试图寻找秘密信息的可能性。因此，通信安全的研究不仅包括密码术的研究，还包括信息隐藏技术的研究，而隐写技术是信息隐藏技术的重要分支。与密码术保护信息内容的目的不同，隐写技术是为了隐蔽信息存在的事实或信息存在的位置，即将重要信息隐藏在其它信息之中，使得人们觉察不到它的存在，或者知道它的存在，但未经授权者无法确定它的位置。

PDF文件是Portable Document Format的缩写，意为可携式文件格式，是由Adobe公司在1992年发表的。现在它已经成为跨平台的通用格式，可畅通无阻地在几乎任意平台上显示与阅读，已成为世界上通用的电子信息传递及在网络出版印刷中常用的标准格式文件，是网上电子杂志等最热门的传递方式之一。PDF格式文件以PostScript页面描述语言中确立的二维矢量图形成像方法作为基本的成像模型。

作为格式文档，PDF格式页面元素不仅包括正文文本图元，还包括图形图元和图像图元等，对在图形图像图元中的信息隐写方法可参考现有文献(如：Proceedings of the First-Sixth Information Hiding Workshop，Spinger-Verlag，1996-2004等)。本发明仅研究以PDF文档的正文文本作为掩体的信息隐写方法，考虑到PDF文档的多样性，本发明以两端对齐的英文WORD文档转化生成的PDF文档(文本中的每一个字符各自精确定位)为例。与音，视频等数据不同，文本数据中含有很少的可用来进行秘密通信的冗余信息，以文本作为掩体与以音，视频作为掩体的信息隐写方法不尽相同。现有的在格式文档中隐写信息的方法不多(如：Brassil J.et a1.Electronic Marking and Identification Techniques to Discourage DocumentCopying”.Proceeding of INFORCOM’94，1994，1278-1287和Low S.H.et al.Document Identification for Copyright Protection Using Centroid Detection.IEEE Transaction on Communications，Vol.46，No.3，1998，372-383等)，典型的做法是将信息存储在行间距或列间距中以及采用字形特征编码等隐写单位为1Bit的方法。现有的以格式文档为掩体的信息隐写方法有如下不足：A.可隐写的信息量很小；B.可隐写的信息量难以估计；C.易被隐写分析攻破等。这些不足制约了隐写方法的实用性。

发明内容

为了克服目前以格式文档为掩体的信息隐写方法的不足，本发明针对当前最热门的网络传递文档类型之一的PDF文档，在其正文文本中隐写较大可估计信息量的信息，支持盲提取，做到简单实用，且发明的方法本身遵守Kerckhoffs原理：通信的安全性不依赖于对所使用方法本身的保密性，而仅依赖于隐写密钥。

技术方案

本发明所采用的总体技术方案是：由于从两端对齐的英文WORD文档转化生成的PDF文档，文本中的每一个字符各自精确定位作为掩体，利用该类掩体TJ操作符中的“数字”具有的不确定性提供的隐密信道来隐写信息，正文文本TJ操作对象的数字中存在着隐密信道，利用显示操作符TJ的页面描述机理，可在保证透明性的基础上，在TJ操作对象中有策略地选取部分“数字”n(1≤n≤16)来隐写可盲提取的信息。隐写方法的嵌入过程和提取过程按如下方案设计：“数字”n的选取采用以一定的冗余换取安全性的策略，只选取部分，冗余度参数可调“数字”来隐写信息，选取算法的安全性依赖于伪随机数发生器的迭代初值，由隐写密钥生成，另外，还利用了单向散列函数SHA算法来保证嵌入信息的数据完整性。

具有的优点、特点

本发明方法的隐写容量是可估计的。本发明由于采用了1～16(0～15数字加1)的数字来隐写信息，故一个数字可表示4Bit的隐写信息，这比较上述将信息存储在行间距或列间距中以及采用字形特征编码的方法(隐写单位为1Bit)将能隐写较大的信息量。图1为选取PDF参考手册(AdobeSystems Incorporated.Portable Document Format Reference Manual.Version1.3.http：//www.Adobe.com.March，1999.)的Chapter1.1～2.3.1的内容生成的PDF掩体文件PDFCoverFile.pdf，共6页，包含24026个字符；图2为4668字节的嵌入信息(经处理的Lena图片)；图3为经过本发明方法处理的隐写了图2的隐写文件PDFStegoFile.pdf；当选取90％(冗余度参数为10％)的1～16“数字”来隐写信息(1～16“数字”减1)时，明显地，隐写文件PDFStegoFile.pdf保持了显示的透明性，且可隐写率(隐写信息字节数/英文正文文本字符数)为： $\frac{4668}{24026}\×100\%\≈19.43\%.$ 本发明对不同排版格式(如：单列，双列等)的PDF掩体以及对含有各类文本(数学公式等)，图形，图像等页面元素的PDF掩体都是完全适用的。另外，本发明方法的安全性遵守Kerckhoffs原理；具备对嵌入信息数据完整性的保证机制以及支持盲提取等特点，这些特点提高了本发明方法的实用性。

1.PDF文档正文文本的页面描述机理

PDF把对文本的操作封装起来构成文本对象，每一个文本对象都包含有自己的字符编码、文本状态参数和坐标操作符。PDF将文本字符看作图像模型，每个字符对应一个特定的图形(glyph).字符图形以字体(font)方式编组，一个字体包含了一组特定的字符码和图形，并且定义了字符码和图形之间的对应关系。程序执行时，每个字体生成带有名称的一个字典(font dictionary)，对每一个需要绘制的字符，程序首先寻找到含有该字符的字典名(fontname)，从字典中得到字符码，再根据字符码取得字符图形。

PDF文档的正文文本对象Text Object：以BT操作符开始，以ET操作符结束，其中包含了显示文本字符或字符串、移动文本状态、设置文本状态以及其它的一些参数信息。PDF文档中包括如下操作符：文本状态操作符Tf，文本定位操作符Tm，文本定位操作符Td/TD和文本显示操作符TJ/Tj等。

文本状态操作符Tf：Tf的第1个参数为字体信息。

文本定位操作符Tm：文本矩阵Tm的操作数为[Sx 0 0 Sy Tx Ty]其中，Tx和Ty是将原坐标系在x轴和y轴方向转化成的长度。新坐标系x轴和y轴方向的1个单位相当于原坐标系的Sx个单位和Sy个单位。字号与换行信息：字号信息可由Tm的第1个操作数体现出来。值越大，说明字号越大，反之越小。Tm的第6个操作数的值基本体现行的位置。由于字体的不同，同一行的Tm的第6个操作数可能有微小差别，但其差远小于1。

文本定位操作符Td/TD：Td/TD的两个操作数为Tx，Ty。Td操作符是移动到下一行，并且距当前行首位置的偏移量为(Tx，Ty)。TD操作符除了做与Td相同的工作外，还要设置leading文本状态参数。通过Td/TD定位后，当前行的文本矩阵Tm做相应的修改，详细内容请见：AdobeSystems Incorporated.Portable Document Format Reference Manual.Version1.3.http：//www.Adobe.com.March，1999。

PDF页面描述中与字符间距有关的文本状态参数和操作符为：字符间距参数Tc、字间距参数Tw和显示操作符TJ，其中Tw主要是针对英文设计的，它只应用于空格符号(空格在英文中为单词分隔符)。操作符TJ执行时，若遇到字符，则按参数Tc(或Tw)显示该字符；若遇到数字，设该数字数值为n，则n将从当前的“坐标中减去当前字符单位的n/1000。所谓字符单位，是指某号字的标准长度，例如，对于12点阵的字符，字符单位即为12点的长度。更为详细的内容请见：Adobe Systems Incorporated.Portable Document Format Reference Manual.Version 1.3.http：//www.Adobe.com.March，1999。由TJ的页面描述机理以及实验结果表明：当改变数字数值n，若n值较小时，如：小于16，将保持PDF文档在阅读器中显示的透明性。显示操作符TJ的应用实例见图8。

为使PDF文档具备完全的设备无关性。文本中的每一个字符各自精确定位的PDF英文文档的文本中不采用参数Tc和Tw，仅在TJ显示操作符中用字符间的整数来精确定位每一个字符的坐标。图9为从一个两端对齐的英文WORD文档转化生成的文本中的每一个字符各自精确定位PDF文档(掩体文件)当中的某一TJ操作对象，设为CoverTJObj；图10为嵌入信息后隐写文件中对应CoverTJObj的TJ操作对象，设为StegoTJObj。图9，图10中每个“<>”中的内容为一个字符码。

2.隐密信道的存在

对于普遍采用的两端对齐排版方式的英文WORD文档(正文文本中不采用参数Tc和Tw，仅在TJ显示操作符中用字符间的数字来精确定位每一个字符的坐标)，每行文本字符的水平坐标定位通常是由操作符Tf、Tm、TD/Td中的参数和TJ操作符中的“数字”共同作用的结果。由于两端对齐的排版约束，在文档的每一行内，字符间距往往本身就具有不确定性，字符间距的不确定性导致了TJ操作符中“数字”的不确定性，而具有不确定性的TJ操作符中的“数字”序列给我们提供了一个可供隐写信息的隐密信道。

3.以一定的冗余换取安全性的策略

本发明方法在PDF掩体文件的TJ操作对象中有策略地选取部分“数字”n(1≤n≤16)来隐写可盲提取的信息。“数字”n的选取采用以一定的冗余换取安全性的策略，只选取部分(冗余度参数可调)1～16“数字”来隐写信息(0～15“数字”加1)，选取方法的安全性依赖于伪随机数发生器的迭代初值，而此迭代初值由隐写密钥生成。采用以上策略使得本发明方法的安全性遵守Kerckhoffs原理。图11表示了TJ操作对象中的″数字″，作为隐密信道的1～16″数字″和实际隐写信息的1～16″数字″之间的关系。

4.隐写信息完整性的保证机制

由图6和图7，以及附图具体实现步骤说明，可知：本发明利用了单向散列函数SHA方法及MOD运算来生成FlagStr1串和FlagStr2串。嵌入的“0～15数字库”由FlagStr1串，嵌入信息转化成的“0～15数字”串以及FlagStr2串组成，嵌入的顺序也依此“0～15数字库”的组成次序，如图12。这样不仅使本发明方法支持盲提取，也保证了嵌入信息的数据完整性，可有效验证经提取方法提取的嵌入信息的正确性，从而提高了本发明方法的实用性。

信息嵌入的顺序为：嵌入信息经SHA及MOD(16)运算生成的20个“0～15数字”串；读取嵌入信息，每4Bit转化成一个“0～15数字”串；隐写密钥经SHA及MOD(16)运算生成的20个“0～15数字”串。

5.隐写容量估计

设cm表示PDF文本的字符总数；假设文本中包含sk％的放宽和紧缩字符对(如：AV，wa等)；设在TJ操作对象中有se％的整数的绝对值在大于等于1且小于等于16.另外，我们设冗余度参数为pr％.那么，我们有如下隐写容量估计式：

Capacity＝((cm-cm×sk％)×se％)×(1-pr％)，设ed表示嵌入数据的字节数，当 $\mathrm{Capacity}>(\frac{\mathrm{ed}\&times;8}{4}+40)$ 时，则嵌入数据可隐写到PDF文本中。

这里，cm，sk％和se％对不同的PDF文本具有不同的值，而pr％是由我们依具体情况而定。

大量的实验和分析表明：当冗余度参数为10％时，可隐写率(隐写信息字节数/PDF文档文本字符数)约为：20％。另外，本发明对不同排版格式(如：单列，双列等)的PDF掩体以及对含有各类文本(数学公式等)，图形，图像等页面元素的PDF掩体都是完全适用的。本发明方法的安全性遵守Kerckhoffs原理；隐写容量是可估计的；具备对嵌入信息数据完整性的保证机制以及支持盲提取等特点，这些特点提高了本发明方法的实用性。本方案可用于构建网络环境下的信息隐藏技术应用。

附图说明

下面结合附图对本发明作进一步说明。

图1为选取PDF参考手册的的内容生成的PDF掩体文件图。

图2为4668字节的嵌入信息(Lena图片)图。

图3为经过本发明方法处理的隐写了图2的隐写文件PDFStegoFile.pdf图。

图4是以PDF文档为掩体的隐写方法的嵌入过程；

图5是隐写方法的提取过程。

图6对嵌入过程的具体实现的流程图。

图7对提取过程的具体实现的流程图。

图8显示操作符TJ的应用实例图。

图9为从一个两端对齐的英文WORD文档转化生成的文本图。

图10为嵌入信息后隐写文件中对应CoverTJObj的TJ操作对象图。

图11 TJ操作对象中的″数字″图。

图12嵌入的顺序也依此“0～15数字库”的组成次序图。

具体实施方式

图4中的掩体文件为：从两端对齐的英文WORD文档转化生成的PDF文档(正文文本中不采用参数Tc和Tw，仅在TJ显示操作符中用字符间的数字来精确定位每一个字符的坐标)；另外，本发明方法为对称隐写方法，故隐写密钥和提取密钥需经过另外的安全信道传递；

图5是隐写方法的提取过程。具体过程在图7中详述。

下面结合图6对嵌入过程的具体实现步骤作详细说明。

S6-1.生成包括如下内容的“0～15数字库”；

A.嵌入信息经SHA及MOD(16)运算生成的20个“0～15数字”，设为标识串FlagStr1；

B.读取嵌入信息，每4Bit转化成一个“0～15数字”；

C.隐写密钥经SHA及MOD(16)运算生成的20个“0～15数字”，设为标识串FlagStr2；

S6-2.在标识串FlagStr2前加“0.”，生成(0 1)间的实数作为下述混沌序列密码生成器的迭代初值ChaoKey；

S6-3.构造两个Logistic混沌序列密码生成器Chao1和Chao2，均以ChaoKey为迭代初值，设迭代值分别为Chao1Num，Chao2Num；

S6-4.遍历掩体文件所有TJ操作对象中的数字，若遇到的数字的绝对值在1到16之间，而且如果Chao2Num大于“冗余度参数”(如：10％)，则顺序取Step1生成的“0～15数字库”中的一个数字，加“1”得到1～16数字，替换此TJ操作对象中的1～16数字；否则，如果Chao2Num小于等于“冗余度参数”(如：10％)，则把由Chao1Num转化成的0～15数字加“1”得到1～16数字替换此TJ操作对象中的数字；若掩体文件TJ操作对象中遇到的数字的绝对值大于16，则保持此数字不变；

S6-5.由Chao1和Chao2迭代生成Chao1Num，Chao2Num，若“0～15数字库”已取完，则由Chao1Num转化成的0～15数字各自加“1”得到1～16数字替换TJ操作对象中遇到的绝对值在1到16之间的数字；否则，若“0～15数字库”未取完，则转Step4；

S6-6.最终把已完全嵌入信息的掩体文件转成隐写文件。

下面结合图7对提取过程的具体实现步骤作详细说明。

S7-1.把提取密钥经过SHA及MOD运算生成20个“0～15数字”，各自再加“1”得到20个1～16数字，设为标识串FlagStr；

S7-2.在标识串FlagStr前加“0.”，生成(0 1)间的实数作为下述混沌序列密码生成器的迭代初值ChaoKey；

S7-3.构造Logistic混沌序列密码生成器Chao2，以ChaoKey为迭代初值，设迭代值为Chao2Num；

S7-4.遍历隐写文件所有TJ操作对象中的数字，若Chao2Num大于“冗余度参数”(如：10％)，则顺序取出PDF隐写文件TJ操作对象中遇到的绝对值在1到16之间的数字；

S7-5.若已完全取得标识串FlagStr，则对已取得的“1～16数字”长串，执行Step5.1-Step5.2；否则，若已遍历隐写文件的TJ操作对象中的所有数字，则报错：可能是提取密码不正确等，否则，转Step4.

S7-5.1把开头的20个“1～16数字”作为数据完整性验证码，设为CheckStr；

S7-5.2把第21个“1～16数字”至倒数第21个“1～16数字”，还原成欲提取的嵌入信息，并写成文件，设为EmbeddedFile；

S7-6.对文件EmbeddedFile经SHA及MOD运算生成20个“1～16数字”，若与CheckStr完全相同，则嵌入信息已成功提取；否则，报错：可能是隐藏文件已遭恶意修改等原因，使提取的嵌入信息不可用。

Claims (7)

1.一种以一类PDF文档的正文文本作为掩体的信息隐写方法，主要针对网络环境下的信息隐藏技术应用，其特征是：以两端对齐的英文WORD文档转化生成的PDF文档的正文文本，文本中的每一个字符各自精确定位作为掩体，利用该类掩体TJ操作符中的“数字”具有的不确定性提供的隐密信道来隐写信息，隐写方法的嵌入过程和提取过程按如下方案设计：“数字”的选取采用以一定的冗余换取安全性的策略，只选取部分，冗余度参数可调“数字”来隐写信息，选取算法的安全性依赖于伪随机数发生器的迭代初值，由隐写密钥生成，另外，还利用了单向散列函数SHA算法来保证嵌入信息的数据完整性。

2.根据权利要求1所述的方案，其特征是：选取TJ操作符中的“数字”n(1≤n≤16)来隐写信息，整数“数字”n的选取范围可以是其它。

3.根据权利要求1所述的方案，其特征是：采用以一定的冗余换取安全性的策略选取部分“数字”来隐写信息，冗余度参数可调。

4.根据权利要求1所述的方案，其特征是：利用单向散列函数SHA方法及MOD运算来保证嵌入信息的数据完整性。

5.根据权利要求1所述的方案，其特征是：信息嵌入的顺序为：嵌入信息经SHA及MOD(16)运算生成的20个“0～15数字”串；读取嵌入信息，每4Bit转化成一个“0～15数字”串；隐写密钥经SHA及MOD(16)运算生成的20个“0～15数字”串。

6.根据权利要求1的以一类PDF文档的正文文本作为掩体的信息隐写方法，其特征在于，嵌入过程的具体步骤如下：

S6-1.生成包括如下内容的“0～15数字库”：

A.嵌入信息经SHA及MOD(16)运算生成的20个“0～15数字”，设为标识串FlagStr1；

B.读取嵌入信息，每4Bit转化成一个“0～15数字”；

C.隐写密钥经SHA及MOD(16)运算生成的20个“0～15数字”，设为标识串FlagStr2；

S6-2.在标识串FlagStr2前加“0.”，生成(01)间的实数作为下述混沌序列密码生成器的迭代初值ChaoKey；

S6-3.构造两个Logistic混沌序列密码生成器Chao1和Chao2，均以ChaoKey为迭代初值，设迭代值分别为Chao1Num，Chao2Num；

S6-4.遍历掩体文件所有TJ操作对象中的数字，若遇到的数字的绝对值在1到16之间，而且如果Chao2Num大于“冗余度参数”，则顺序取Step1生成的“0～15数字库”中的一个数字，加“1”得到1～16数字，替换此TJ操作对象中的1～16数字；否则，如果Chao2Num小于等于“冗余度参数”，则把由Chao1Num转化成的0～15数字加“1”得到1～16数字替换此TJ操作对象中的数字；若掩体文件TJ操作对象中遇到的数字的绝对值大于16，则保持此数字不变；

S6-5.由Chao1和Chao2迭代生成Chao1Num，Chao2Num，若“0～15数字库”已取完，则由Chao1Num转化成的0～15数字各自加“1”得到1～16数字替换TJ操作对象中遇到的绝对值在1到16之间的数字；否则，若“0～15数字库”未取完，则转Step4；

S6-6.最终把已完全嵌入信息的掩体文件转成隐写文件。

7.根据权利要求1的以一类PDF文档的正文文本作为掩体的信息隐写方法，其特征在于，提取过程的具体步骤如下：

S7-1.把提取密钥经过SHA及MOD运算生成20个“0～15数字”，各自再加“1”得到20个1～16数字，设为标识串FlagStr；

S7-2.在标识串FlagStr前加“0.”，生成(01)间的实数作为下述混沌序列密码生成器的迭代初值ChaoKey；

S7-3.构造Logistic混沌序列密码生成器Chao2，以ChaoKey为迭代初值，设迭代值为Chao2Num；

S7-4.遍历隐写文件所有TJ操作对象中的数字，若Chao2Num大于“冗余度参数”，则顺序取出PDF隐写文件TJ操作对象中遇到的绝对值在1到16之间的数字；

S7-5.若已完全取得标识串F1agStr，则对已取得的“1～16数字”长串，执行Step5.1-Step5.2；否则，若已遍历隐写文件的TJ操作对象中的所有数字，则报错：可能是提取密码不正确等，否则，转Step4.

S7-5.1把开头的20个“1～16数字”作为数据完整性验证码，设为CheckStr；

S7-5.2把第21个“1～16数字”至倒数第21个“1～16数字”，还原成欲提取的嵌入信息，并写成文件，设为EmbeddedFile；

S7-6.对文件EmbeddedFile经SHA及MOD运算生成20个“1～16数字”，若与CheckStr完全相同，则嵌入信息已成功提取；否则，报错：可能是隐藏文件已遭恶意修改原因，使提取的嵌入信息不可用。

Images