在本文中,作者通過在隱寫圖片中引入逆向加性噪聲,使隱寫分析器對隱寫信道的前提假設(shè)無效化,從而提高隱寫信道的安全性。作者還提出了一種基于網(wǎng)絡(luò)流的最優(yōu)隱寫算法,其實驗結(jié)果表明,可在不增大掩體圖片與隱寫圖片間海明距離(Hamming Distance)的情況下有效降低信息嵌入帶來的統(tǒng)計性失真,且該算法支持全局交互的失真函數(shù)。
本文為信道中存在被動態(tài)監(jiān)聽者的隱寫通信系統(tǒng)給出了一種提高隱寫安全性的新策略。這種防御性隱寫系統(tǒng)引入了一種能夠打破檢測函數(shù)對信道前提假設(shè)的逆向加性噪聲,使檢測函數(shù)無效化,從而提高隱寫通訊的安全性。批處理隱寫分析并未在本文中被考慮。相反,本文中所有的檢測函數(shù)都假設(shè)為是獨立且無記憶的。除了分析Cachin定義的隱寫安全的局限性,LSB匹配嵌入被作為特例用來具體討論本文提出的防御性隱寫策略。其實驗結(jié)果表明,通過打破檢測函數(shù)對隱寫信道的前提假設(shè),隱寫系統(tǒng)的安全性可被有效提高,雖然該過程可能增加掩體與隱寫圖片間的相對熵。作者提出的另一種基于網(wǎng)絡(luò)流的最優(yōu)隱寫算法根據(jù)罰函數(shù)修正嵌入操作,以實現(xiàn)統(tǒng)計性失真的最小化。實驗結(jié)果表明,該方法能夠在不同的嵌入率下,將失真保持在相對穩(wěn)定的水平。
第十二屆“挑戰(zhàn)杯”作品 三等獎
本申報作品英文原稿"Defensive Steganography: A Novel Way against Steganalysis"以及作者其他4篇相關(guān)論文已被相應(yīng)會議錄用,將分別由Springer LNCS, IEEE, IEEE CS, AMR出版,并被EI, ISTP 檢索。