使用重建信息归属的无载体图像隐写方法、存储介质及电子装置

本申请涉及数字取证，特别涉及一种使用重建信息归属的无载体图像隐写方法、存储介质及电子装置。

背景技术：

1、在这个数字信息时代，随着pc网络创新领域的发展，隐藏数据的探索也在迅速发展。数字媒体通过不可信的(互联网)通信渠道移动的同时也面临着被更改的风险。因此，数据安全技术对于安全地传播信息以及捕获企图和破译任何非法的秘密交换是很重要的。隐写密码术、水印和隐写术是常见的数据隐藏策略。密码学设法将明文转换成无法破译的密文。密码术主要包括两种计算——加密和解码。在发送端，利用加密计算从明文内容中传递密文。在接收端，使用解密计算从密文中解码出明文。隐写隐写“无载体隐写”是指在载体图像没有任何变化的情况下传播秘密信息。无载体隐写并不意味着不需要任何载体，而是载体图像不被修改，秘密信息根据载体图像的特征来建立对应关系。从本质上来说，基于图像的无载体隐写是一种图像特征的编码方法。近年来提出了基于图像选择的无载体图像隐写术(cis)。基于图像选择的cis首先需要构造图像数据集，然后根据秘密信息通过映射规则直接从图像数据集中选择出载体图像。为了简洁起见，用于cis的构造的数据集被称为无载体图像数据集(cid)。在这样的选择过程中，载体图像没有被修改，因此基于图像选择的cis可以从根本上抵抗隐写分析工具的分析。

2、现有技术中，zhou等人在第一届国际会议云计算与安全上首次提出了无载体隐写隐写的概念。该方法通过bow模型提取视觉词(vw)来代表图像中的秘密信息，从而达到在图像中隐藏秘密信息的目的。虽然使用多级倒索引方法从大型数据库中搜索合格的图像，但这个过程是耗时的。同时，图像的shift特征作为视觉词，在提取图像的shift特征时会花费大量的时间。

3、zou等人提出了一种基于子图像平均像素值的汉语句子无载体无载体隐写方法。与上述zhou方法相比，减少了图像特征提取的时间，提高了隐藏能力。然而，在此文中，秘密信息的对象相对单一，局限于一些常规的汉语句子。没有明确的句子结构，它无法隐藏汉语句子。此外，此文的隐藏容量相对较低，为每载波80位。

4、2019年，zhou等人设计了一个新的鲁棒的图像无载体隐写系统，使用快速区域卷积神经网络(faster-rcnn)。使用faster-rcnn来检测和定位图像中的对象，并利用这些对象的标签来表达秘密信息。由于该方法使用未经任何修改的原始图像作为隐写图像，因此可以有效地抵抗隐写分析，不会引起攻击者的怀疑。

5、大多数基于图像选择的cis只关注容量和鲁棒性，而忽略了cid的成功构建。事实上，构建相应的cid对于上述cis方法是一个具有挑战性的问题。在这种方法的映射过程中，图像特征和秘密消息的长度被限制为相等。因此，不同的秘密消息和图像特征序列的数量是相同的。为了隐藏所有秘密消息，构造的cid需要包含所有特征序列。因此导致很难构建一个包含所有相应的图像特征的cid，特别是当秘密消息的长度是很大时。例如，当秘密消息的长度为32时，构造的cid所包含的不同图像特征的数量必须为232，这在实际应用中是非常困难的。即使在某些情况下，它们也无法隐藏16位秘密消息，因为没有足够的图像来索引和用于构建cid。此外，由于伪装图像的应用，需要从发送方到接收方共享cid。这加剧了发送方和接收方之间的通信压力，并且可能带来传输期间cid泄漏的潜在风险，从而影响隐蔽通信的安全性。

6、为了降低cid构造的难度，亟需一种新的隐写算法以解决上述现有技术存在的问题。

7、本文提出了一种基于高效无载体图像数据集构造的无载体图像隐写算法。与大多数现有的基于图像本身特征构建cis的方法不同，本文提出的方法在图像本身特征的基础上再进行重新归属，建立新的映射规则，在保证不同特征的基础上能够包含所需要的特征数量。具体而言，采用faster-rcnn来获取图像中的高级语义特征。然后，将图片本身的高级语义特征通过本文设计的归属信息重新分配的映射规则，这使得更容易构建全覆盖的cid。

技术实现思路

1、本申请各示例性实施例提供一种使用重建信息归属的无载体图像隐写方法、存储介质及电子装置，以至少实现在图像本身特征的基础上再进行重新归属，建立新的映射规则，在保证不同特征的基础上能够包含所需要的特征数量，将图片本身的高级语义特征通过本文设计的归属信息重新分配的映射规则，更易构建全覆盖的cid的技术效果。

2、本申请各示例性实施例提供一种使用重建信息归属的无载体图像隐写方法，包括如下步骤：

3、对目标图片进行预处理，采用识别算法基于语义特征检测数据集中的所有图像，通过检测到的标签列表逐一获得其原生特征值ki，并形成所述目标图片的原生特征集合k；

4、确定所述目标图片的归属重建算法，确定第n层算法hn，设定为n层，每一层拥有空间大小qn，将所述目标图片的原生特征值ki从第一层代入算法h1，得到h1(ki)；再依次代入下一层，则其最后值为hn(k)，根据每张所述目标图片所走过的路径作为其所承载的秘密信息；

5、将所述秘密信息嵌入所述目标图片，得到含秘图片，并传送给接收方；

6、所述接受方接收到所述含秘图片，在双方拥有共享相同的整套算法、识别模型以及图片数据集来源，所述识别模型训练得出的标签映射字典mt、以及关键字映射字典mk相同，将所述含秘图片代入所述识别模型进行所述秘密信息的提取。

7、在本申请的另一个方面，还提出了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

8、在本申请的另一个方面，还提出了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

9、本申请具有如下有益效果：为了降低cid构造的难度，本文提出了一种基于高效无载体图像数据集构造的无载体图像隐写算法。与大多数现有的基于图像本身特征构建cis的方法不同，本文提出的方法在图像本身特征的基础上再进行重新归属，建立新的映射规则，在保证不同特征的基础上能够包含所需要的特征数量。具体而言，采用faster-rcnn来获取图像中的高级语义特征。然后，将图片本身的高级语义特征通过本文设计的归属信息重新分配的映射规则，这使得更容易构建全覆盖的cid。利用散列表对图片归属属性建立映射关系的无载体隐写方法。不论哪一张图片，都拥有归属信息。再根据对应的路径建立映射字典m，在传递秘密信息时，对于接收者而言，需要提前知道各层的算法以及空间值q，将图片信息重新归属，之后可以自行建立映射字典m，再将载体放入第一级算法中，依次往下级算法递增，根据其判定路径解码秘密信息。此方法首先可以提高载体图片的容量，其次对于在载体库中寻找目标载体花费的时间也得益于多级判别得到减少，另外对载体的要求并不在于载体本身，而是在于散列表中的算法，因此对载体并没有特定要求，也有利于cid的构建。

技术特征：

1.一种使用重建信息归属的无载体图像隐写方法，其特征在于，包括如下步骤：

2.如权利要求1所述的使用重建信息归属的无载体图像隐写方法，其特征在于，所述对目标图片进行预处理，采用识别算法基于语义特征检测数据集中的所有图像，通过检测到的标签列表逐一获得其原生特征值ki，并形成所述目标图片的原生特征集合k的步骤包括：

3.如权利要求2所述的使用重建信息归属的无载体图像隐写方法，其特征在于，所述确定所述目标图片的归属重建算法，确定第n层算法hn，设定为n层，每一层拥有空间大小qn，将所述目标图片的原生特征值ki从第一层代入算法h1，得到h1(ki)；再依次代入下一层，则其最后值为hn(k)，根据每张所述目标图片所走过的路径作为其所承载的秘密信息的步骤包括：

4.如权利要求3所述的使用重建信息归属的无载体图像隐写方法，其特征在于，所述将所述秘密信息嵌入所述目标图片，得到含秘图片，并传送给接收方的步骤包括：

5.如权利要求4所述的使用重建信息归属的无载体图像隐写方法，其特征在于，所述最后通过cid将秘密信息嵌入载体内，以及对应的提取方法的步骤为：

6.如权利要求1所述的使用重建信息归属的无载体图像隐写方法，其特征在于，所述识别模型为faster-rcnn模型。

7.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。

8.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。

技术总结
本申请提供了一种使用重建信息归属的无载体图像隐写方法、存储介质及电子装置，主要包括以下步骤：对目标图片进行预处理，采用识别算法基于语义特征检测数据集中的所有图像，通过检测到的标签列表逐一获得其原生特征值Ki，并形成所述目标图片的原生特征集合K；确定所述目标图片的归属重建算法，将所述秘密信息嵌入所述目标图片，得到含秘图片，并传送给接收方；所述接受方接收到所述含秘图片，将所述含秘图片代入所述识别模型进行所述秘密信息的提取。在图像本身特征的基础上重新归属，建立新的映射规则，在保证不同特征的基础上能够包含所需要的特征数量，将图片本身的高级语义特征通过归属信息重新分配的映射规则，更易构建全覆盖的CID。

技术研发人员：张小瑞,陈春辉,孙伟,原春霖,任勇军
受保护的技术使用者：南京信息工程大学
技术研发日：
技术公布日：2024/4/8