文摘

为了提高信息隐写术的安全性和鲁棒性算法在严格控制的环境下,一个新的modification-free算法基于图像隐写术和大数据介绍了。在该算法中,映射之间的关系构造热图像熵和秘密信息和有效载荷映射关系所表达的信息。同时,介绍了涡轮代码以提高鲁棒性,热图像来自互联网图像大数据,建立了热图像和图书馆。该算法的性能进行了分析使用仿真实验。由于其none-modifying载体图像,实验结果表明,该算法可以实现良好的性能鲁棒性分析,尺寸缩放攻击,和旋转攻击。特别是,在测试的尺寸缩放攻击和旋转攻击,数据恢复的速度可以超过95%。该算法可以非常有价值的秘密通信需要高安全性和低体积,例如,对称加密系统的密钥交换。

1。介绍

目前,重要数据安全通信的传播主要依赖于加密。加密技术是针对加密数据以确保它的安全,从而使它难以理解的对手。然而,加密技术已经不可避免的存在短缺,它清楚地表明重要的数据,然后很容易吸引攻击者的注意力。

另一方面,隐写术试图提供一个秘密两党之间的通信通道。一类常见的隐写算法嵌入的秘密信息在封面作品如图像、视频、音频或文本。盖的结合工作和秘密信息被称为隐藏工作和所有的隐写算法的目标是确保细微,健壮性、能力和安全性。广泛应用于数字图像作为重要载体信息隐写术。目前隐写术取得了大量的研究成果,主要是在空间和频域的图像1- - - - - -7]。LSB(最低有效位)替换算法(1]。的作者(2)提出了一个算法基于灰度修正和多级加密,提高了图像质量的载体和隐写式密码解密提出了更大的挑战。在文献[3),提出了一种基于运行长度的速记式加密算法。该算法具有良好的性能,以避免检测LSB。一些文献[4- - - - - -10讨论了频域的隐写术。在文献[5),作者结合了混沌序列和信息隐藏提出DCT(离散余弦变换)基于逻辑映射和域方法取得了较好的鲁棒性。信息隐藏的算法研究基于离散小波变换(6]。尽管上面的隐写术的研究取得了一些不错的属性,有一个致命的缺陷,如果对手获得原始图像,他们可以判断载体图像已修改,然后检测参考讨论的秘密信息,因为所有的算法必须修改原始图像根据其原则。

摘要modification-free速记式加密算法基于图像信息熵(MFSA, modification-free速记式加密算法),提出了大数据集和涡轮的编码技术。MFSA建立图像特性和载荷之间的关系的信息。通过收集、过滤和净化网络大数据的图像,这些图像被分成不同的类根据图像的内容的相关性,比如风景,汽车,和小动物。分类的目的是为了避免非合作的问题。然后,我们提取所选图像的熵,建立熵矩阵。最后,随机神秘信息映射到图像按照一定的算法,以构建一个完整的特征库;因此,我们可以进行秘密通信而无需修改原始图像。因为所选图像热,高度相对,他们不会引起非合作的一方的注意,和一个真正的安全,就可以实现秘密通信。同时,MFSA还使用纠错编码,进一步提高保密通信系统的鲁棒性。

剩下的纸是组织如下。部分2提出MFSA算法,阐述了该算法的原理和过程特征库的建立和信息提取,分别。部分3包括实验和讨论MFSA算法的性能,无法感知,健壮性和安全性进行了讨论,分别。最后,结论部分5。

2。该算法

由于缺乏听不清但健壮的速记式加密算法,该算法采用一种不同的方法实现隐写术。随机数字可视化表示系统的总体框图如图1,其中包括一个完整的发送方处理流程,通信信道和接收机处理流程。

发送端是加密的随机数对应的密文信息。因为噪音可能会影响到的信息在传输的过程中,这将导致错误的二进制信息,涡轮纠错编码技术用于修正系统中。然后turbo编码信息序列将发送方的业务信息。大数据采集系统基于Java环境是一个系统,从网络获得热图像,使用网络爬虫(11)大数据搜索和筛选。该算法是基于一种混合的热图像特征提取机制。构造一个完整的图像特征库;后续过程只需要更新特征库的时候。所选图像集是变成了一个视觉动画按照控制信息;动画是通过公共通信发送到接收机,和接收方得到完整的秘密信息将通过使用图像分辨率,控制信息提取,算法分析,涡轮解码、解密和其他操作。映射算法模块是整个系统的核心部分之一。modification-free隐写算法基于信息熵的图像不仅具有很高的安全性和鲁棒性的特点,但也建立一个映射图像的特点和安全之间的关系数据。基于zero-steganography秘密通信的概念,算法考虑了图像信息熵作为出发点和实现的网格描述图像,提取的熵,熵的减少矩阵,量化和一系列的数学操作为了建立图像之间的映射关系和秘密通信的安全数据。使用这种混合方法的特征矩阵的生成提供了一个像样的常见攻击的鲁棒性以及足够的能力。 The following section will focus on the principles and implementation of MFSA algorithm.

假设一个图像的容量位;图像的数量需要构建一个完整的图像库 。负载信息的长度位,每次发送的图片数量 (上传四舍五入),每个图像的大小(MB)和完整的图像库的能力 (MB)。在本文实验中,参数的值是32;考虑计算能力和实际应用,参数的值是16和参数的值是0.1。

2.1。MFSA算法的原则

有一些图像的特性如颜色、亮度,柱状图,和熵;通过提取和量化,某些图片可以表达一些二进制比特序列。然而,柱状图等图像特征空间维数高、抗噪声能力差。图像信息熵是一个定量描述图像的特征。从信息理论可以看出,信息熵可以表示图像中包含的信息量。从图像的角度信息熵,熵和负载之间的映射关系信息构建在这篇文章中,图像的信息熵是用来代表负载信息,和zero-steganography秘密通信。后,图像信息熵矩阵的施工方法是详细介绍了算法的基本原理和实现将讨论。

信息熵定义为随机变量的数学期望在一组 。其数学表达式所示

被称为信息熵;发生的概率是 。在灰度图像,每个像素可以被视为一个论点(0 - 255)。整个图像的像素可以被看作是一个集合 , 的概率密度点的灰度值在哪里吗 ,和图像信息熵的表达式可以获得,见

代表像素的灰度值, ,代表了概率密度出现在整个图像的像素值。

在(2),讨论了图像的信息熵是指全球信息熵特征统计分布的整个图像的所有像素。图像像素的空间分布是不考虑;这将导致不同的图像具有相同的概率分布具有相同的信息熵。为了解决这个问题,使用空间的图像信息,介绍了单元熵的概念。介绍了网格描述符和图2显示一个网格尺寸16的描述,将原始图像映射到网格,因此,任何图像在不同大小变成了 ( )方阵。每个网格单元图的信息熵2通过使用公式(2);最后,我们得到一个16×16熵矩阵 ,所示公式(3)。

的 熵矩阵需要降维以减少冗余,并减少了特征值向量 是获得。由于得到的特征值向量是一个浮点数,我们可以得到二进制比特序列量子化之后。该指数是二进制向量图像实际上可以表达载体。

2.2。MFSA算法的实现

部分2。1描述了该算法的基本原理,扮演着一个重要的角色在建设完整的特征库,如图1。算法的实现流程图如图3。选择一张图片的大小不会超过100 kb和选定的格式采用网络中最流行的JPEG图像。和相关的测量根据图像的分形特征的图像分类算法(12)用于选择所需的图像。算法可以分类景观图片,人工绘制图像和计算机生成图像,实现所需的图像高度的相关性,提供一种很自然的感觉。指的是流程图如图3以下步骤操作,过滤图片获取随机数需要表达。

(1)图像映射到网格分辨率为1616 ( ),熵矩阵是通过使用公式(2)。

(2)导出熵矩阵的特征值,并采取八大价值观得到特征值向量 。

(3)量化特征值向量来获取随机数 。所示的量化公式 的方程,代表了一致行动,代表了舍入操作,代表整数转换为矢量操作,代表特征值向量,代表一个4比特行向量,最后行向量 。

(4)提取的随机数相比于随机数被表达。如果他们匹配,毫无形象,能够表达完整的随机数库,添加图像完整的特征库。如果不匹配,图像被丢弃,然后重新选择一个图像的算法从图像缓冲库重复上述操作,直到完成建立一个完整的特征库。一旦建立完整的特征库,调用过程中我们要做的是不时更新它,而不是创建一个。

3所示。涡轮纠错编码

一般来说,秘密通信实现传输的帮助下公共网络链接。尽管MFSA算法本身具有很高的欺骗性和隐蔽,因为它的特点modification-free隐写术,该算法结合了涡轮纠错编码技术来进一步提高系统的鲁棒性考虑到安全与公共关系的复杂性。

涡轮的代码是用来提高系统的鲁棒性性能和降低传输的比特误码率由于其出色的纠错性能。涡轮是一种高性能纠错代码。涡轮码的编码原理和性能的详细描述(13,14]。为了使涡轮代码适用于系统更好,本文改进了QPP(二次多项式排列)交织使用涡轮的涡轮和给出了一些参数编码。

这个方程 的置换多项式排列吗 。的导数是 。所选的的置换多项式结构可以应用于涡轮交织,通过选择合适的代码和多项式系数 。在这个系统中,我们选择 ,由此产生的多项式 。为常数项在二次多项式只影响交织和不工作的转变对解码性能, 可以进一步减少 为了简化计算。

的QPP交织使用一些特殊的二次多项式,使它们满足一定条件下,成为QPP结构。所以最关键的问题是要解决多项式系数和 。多项式的系数和的系统感到满意和长度交织的可以获得使用计算机技术,如表所示1。表2显示使用的涡轮编码器和别人的操作参数。

4所示。实验和分析

众所周知,原始载体的统计分析是一个安全风险的秘密通信,和鲁棒性的载体在安全通信也是一个重要因素。所以本文设计了三个实验和分析;antistatistical分析能力,防垢剂干扰能力,和抗扭MFSA算法的攻击能力测试,分别。这个MFSA算法的安全性能进行了分析。在实验中,MFSA算法使用一个16×16网格描述符的大小。图像的基本特征主要集中在5到8大特征值,其中包含的信息占总数的90%以上特征值向量。所以实验需要较大的8个特征值;量化后,二元向量的长度,可以映射到一个图像是32位。

4.1。实验1

在实验1中,免疫CSFA之间统计分析测试算法和该算法在文献[15已知的前提下,原来的“航母。结果显示在图4。数据4(一)和4 (b)分别是原始载体图像和直方图。自从MFSA算法本文没有在原始图像中嵌入数据,数据4(一)和4 (b)是“航母”MFSA算法的图像和直方图;数据4 (c)和4 (d)是秘密载体及其直方图;文学的嵌入算法(15]。

由于小载荷,从视觉的角度来看,数据之间没有差异被发现4(一)和4 (c)。但在数据有了细微的变化4 (b)和4 (d)。图中红色箭头所示。图的左边的箭头4 (d)表明,统计值小于图中相应的位置4 (b)和右边的箭头表明统计值大于相应的位置在图4 (b)。其他的细微差别用肉眼不能直接发现。

原始图像和秘密图像的矩阵在文献[15可以表示为和 ,见

因为文学的本质(15仍然是替代方法,可以通过执行数学运算获得嵌入的秘密信息和 。根据公式(6),元素可以获得“1”的位置和数量;我们可以得到的长度和位置嵌入秘密信息。

然而,MFSA算法是基于的想法没有零修改通过映射方法来表达的秘密信息。因为它不进行任何更改,它是非常有效的在antistatistical分析中,特别是已知向量的统计分析。此外,由于没有嵌入信息,原始图片不显示任何变化,所以它不会由于视觉异常引起的不合作的警惕。

4.2。实验2

在实验2中,MFSA算法免疫攻击规模进行了测试。如图5,图5 (b)是最初的“载体”的形象,分辨率大小是512×512,和不同尺度图像给出如下:图吗5(一个)是原始图像放大两倍的图像,分辨率变成了1024×1024;图5 (c)是原始图像的图像缩小两倍等等。攻击来自改变图像比例尺。

MFSA算法用于demapping不同程度的原始图像和图像缩放攻击,尽可能恢复它所代表的随机数。32位随机向量数量从图(b)中恢复过来 ;数据5(一个),5 (c),5 (d)是相似的。比特误码率作为其评价。方程(7)给出了解决方案的误比特率(的比特误码率不是添加到涡轮纠错编码;是增加涡轮的错误率纠错代码)的随机数如图5(一个)。取代与和 ,分别;我们能找到的误比特率和图(c)和(d)。

代表的比特总数, ,和代表了随机数向量来自图像数据5(一个)和5 (b)。最初的“载体”的形象受到100种不同尺度缩放攻击,平均100次试验的结果。最终结果如表所示3;的比特误码率不添加到涡轮纠错编码。是添加涡轮纠错代码的出错率。

从图可以看出5,尽管最初的规模“载体”的形象已经被攻击,图像的主要内容是没有改变。图像的空间位置信息和统计分布信息的像素值没有改变。从表的统计结果3,尽管最初的“载体”图像大小发生了巨大的变化,正确的demapping复苏率也在95%左右,和纠错编码可以进一步提高demapping的准确率。因此可以得出结论,MFSA对攻击防御算法有很好的效果。

4.3。实验3

在实验3中,MFSA算法不受旋转攻击测试。如图6,攻击来自图像旋转,水平翻转,水平镜子,镜子和垂直的原始图像。

执行100个独立的测试在不同的“载体”图像;根据该方法在实验2中,原文的逆映射“载体”的形象受到不同角度旋转攻击后图像。统计分析的结果如表所示4。

从表中,最初的“航母”形象受到不同程度的旋转攻击可以看到,demapping数据恢复,数据比特误码率仍在95%左右。特别是,如图6 (c),图像水平镜像和垂直镜像和随机数可以通过demapping 100%恢复。因为“载体”的形象遭受了不同程度的基本特征没有改变旋转攻击后,图像的统计数据并不改变。所以特征矩阵及其特征值向量基本上保持不变。这表明MFSA算法具有良好的抗扭的攻击。

4.4。MFSA算法的安全性能分析

提出MFSA算法是基于零修改承运人的形象和它表达安全信息通过使用映射关系而不是嵌入方法,而隐藏秘密的存在沟通和决定性影响避免助理的怀疑和监控。此外,MFSA算法本身具有一定程度的安全。

MFSA算法的安全性能是由两个键:6-bit表达算法控制变量,控制何时选择什么样的随机数算法表达式;是20位量化系数,这决定了相关参数的量化过程。提取图像的特征时,有必要将浮点类型的数量添加到量化系数,然后将其转换为整数。一方面,如果助理获得密钥只是,他们不会打破MFSA算法。助理不能通过迭代计算获得二进制向量量化。另一方面,即使助理获得密钥和 ,他们仍然无法获得安全的信息,因为参数和公式之间的共享密钥只发送和接收端。

5。结论

基于零的想法修改载体图像,本文MFSA算法;图像信息熵和信息之间的映射关系是用来表达安全信息。和网络图片搜索引擎用来获取大数据的“适当”的形象形象;较大的数据并行处理方法作为技术支持。数学推理和实验的结果证明该MFSA算法具有良好的性能在免疫和一些统计分析攻击。Turbo编码技术提高了系统的鲁棒性和安全性;仿真结果显示噪声免疫的方法,该方法可以抵抗的规模和旋转攻击。裂缝的秘密通信通道,即使助理沟通“载体”拦截,助理不能判断“载体”秘密图像和无法沟通的内容。非常适合与小秘密沟通能力和高安全级别,如安全系统的传输密钥,关键人物,时间,地点,和其他信息传输。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持由中国自然科学基金会和中国通用技术研究所(U1736121)。