生成对抗网络在图像隐写中的应用

针对传统图像隐写方法面临的安全威胁日益严重的问题,按照基于载体修改、载体选择和载体合成的3类方法介绍生成对抗网络(generative adversarial network,GAN)在图像隐写领域的研究进展,根据不同类型隐写方法的特点,分析当前基于GAN的图像隐写方法的基本思路,阐明GAN的作用、模型实现以及特点。最后总结了将GAN应用于图像隐写中的优势及发展趋势,为图像隐写方法的发展提供可借鉴的思路。     

一个高效的无证书盲签名方案

提出了一个高效的无证书盲签名方案.在随机预言机模型下,证明了新方案在适应性选择消息、选择身份攻击下是存在不可伪造的,能够有效抵抗AⅠ攻击者的替换公钥攻击和AⅡ攻击者的KGC攻击.方案中在签名阶段没有任何双线性对运算,在验证阶段只有一个双线性对运算,并且不需要使用映射到点(Map to Point)的特殊哈希函数.与已有方案相比,所提方案在计算量上更具优势.同时方案采用无证书公钥密码体制,解决了基于证书签名方案的证书管理问题和基于身份签名方案的密钥托管问题.     

一种基于三角形区域生长的图像篡改检测方法

针对现有的多数图像篡改检测算法中存在着的对旋转、缩放等篡改失效和计算量大等问题,利用三角形具有抗平移、旋转、尺度缩放的优越特性,提出了一种新的图像篡改检测算法.首先,利用Delaunay三角剖分算法对提取的Harris特征角点进行三角剖分,进行相似三角形的初始匹配.然后,以匹配的相似三角形顶点为种子点,建立三角形组,再进行一次相似三角形的匹配,实现对篡改区域的三角形生长.最后,利用区域面积阈值和数学形态学准确定位出篡改区域.实验结果表明,该算法与同类算法相比不仅能有效地对抗旋转、缩放,噪声等后期处理操作,而且对篡改区域有很好的检测和定位效果并具有计算复杂度低的特点.     

一种快速有效的水印图像几何失真校正算法

为解决水印图像在受到几何攻击后水印无法被有效检测的问题，利用图像的空域不变信息实现对水印图像几何失真的校正，提出一种快速有效的水印图像重同步算法，算法能够有效校正水印图像的旋转失真和放缩失真。实验证明，算法性能良好。     

一种同态密文域可逆隐藏方案

利用Paillier加密的加法同态性质,构造了一个密文域可逆隐写方案。图像拥有者对图像进行预处理,为嵌入消息预留空间,尔后用图像接收者的公钥对图像进行Paillier加密并发送给消息嵌入者;消息嵌入者在接收到密文图像后,利用密钥解密部分信息并将要潜入信息的密文与原图像的密文进行一个同态密文操作;接收者在接收到密文图像后,利用私钥对其进行解密,得到均衡化后的图像,若接收者拥有提取密钥,则可以利用提取算法对消息进行提取并恢复出原始图像。通过MATLAB实验验证了该方案的正确性和良好的嵌入率。     

全局雪崩准则的矩阵表示及其性质

从研究全局雪崩准则的表达方式出发,提出了全局雪崩准则的矩阵表示方法,并证明了布尔函数f(x)与f(x+α)全局雪崩的绝对值指标和平方和指标相同。依据矩阵表示方法得到了全局雪崩准则与布尔函数Walsh谱值的关系,并给出了一个布尔函数同一个仿射函数的互相关全局雪崩准则绝对指标的上、下限。最后,分析了修改序列中的一位对布尔函数全局雪崩准则指标的影响,结合爬山算法设计了一种修改M-M型Bent函数的优化算法,得到的布尔序列在非线性度和全局雪崩准则指标上优于已有的构造。     

一种适用于SM4的改进RSM掩码方案

为了增强SM4算法抵御能量分析攻击,提出了一种改进的循环移位S盒掩码(RSM,rotating S-box masking)算法.该算法采用RSM掩码与固定值掩码相结合的方法,结合SM4算法本身的加密特性,不需要设计者对掩码进行人工操作,就可以起到循环移位S盒的目的,从而有效降低了功率消耗与中间值的关联性.安全性分析表明,本方案可以有效抵御高阶差分能量分析(DPA)攻击,是一个非常匹配SM4算法的掩码方案.     

基于直方图修正的H.264视频加密域可逆信息隐藏

为实现视频加密域的可逆信息隐藏,首先使用随机二进制序列对运动矢量的符号位进行加密,然后通过运动矢量直方图修正进行信息的嵌入。信息嵌入算法是对称的,这样可以保证嵌入过程与提取过程均可分离,这样第三方管理者可以在不进行解密的情况下对存储的视频嵌入各种控制信息,保证了用户信息的隐私性。而视频的所有者在下载了视频后,无论是否进行解密,均可进行信息的提取。实验证明在拥有较大嵌入容量的前提下,实现了信息嵌入提取与视频加解密之间的可分离性,且算法完全可逆。     

基于GAN的视频隐写算法

视频隐写术是一种将视频作为嵌入载体实现隐蔽通信的技术。为了解决视频隐写算法中最优修改概率矩阵生成困难的问题,提高信息传输的隐蔽性,提出了一种基于生成对抗网络(generative adversarial network, GAN)的视频隐写算法,该算法包含两种生成对抗网络,分别生成原始载体与修改概率矩阵,前者能够生成视频的静态后景、动态前景与掩模;后者将前景作为隐写生成器的输入,以提高修改概率矩阵的内容自适应性,并利用Tanh-simulator函数拟合最优嵌入函数,促进梯度的反向传播,基于三维卷积网络的隐写分析器作为隐写判别器,它与隐写生成器进行博弈训练以提高载密样本的抗检测性。实验结果表明,视频生成模块不仅能生成逼真的视频,且前景能够代表视频中的时空特征信息,本算法与经典的S-UNIWARD算法相比,在0.05、0.1、0.3 bpc(bit per channel)的嵌入率下,抵抗彩色隐写分析器SCRM检测的能力提高了0.65%～3.26%。