發(fā)布時(shí)間：所屬分類：計(jì)算機(jī)職稱論文瀏覽：1次
摘 要： 摘 要：網(wǎng)絡(luò)信息有 3 類，分別用于描述客觀世界、記錄人類行為、描述虛擬世界. 現(xiàn)有信息隱藏技術(shù)大多以第 1 類信息為載體，以輕微修改載體數(shù)據(jù)的方式進(jìn)行隱蔽通信，并保證感知逼真與統(tǒng)計(jì)逼真. 該文在總結(jié)載體修改式信息隱藏的基礎(chǔ)上，重點(diǎn)探討以后兩類信息為偽裝的非載
摘 要：網(wǎng)絡(luò)信息有 3 類，分別用于描述客觀世界、記錄人類行為、描述虛擬世界. 現(xiàn)有信息隱藏技術(shù)大多以第 1 類信息為載體，以輕微修改載體數(shù)據(jù)的方式進(jìn)行隱蔽通信，并保證感知逼真與統(tǒng)計(jì)逼真. 該文在總結(jié)載體修改式信息隱藏的基礎(chǔ)上，重點(diǎn)探討以后兩類信息為偽裝的非載體修改式的新型信息隱藏方法，介紹了適合于特定載體類型的半構(gòu)造式信息隱藏、完全構(gòu)造式信息隱藏及行為信息隱藏的基本形式與代表性方法. 信息隱藏的形態(tài)在新的網(wǎng)絡(luò)環(huán)境下將不斷發(fā)展變化，各種信息媒介均可作為秘密信息的偽裝，因此努力開展新型信息隱藏研究將大大有助于占據(jù)新時(shí)期信息戰(zhàn)的主動(dòng)地位.
關(guān)鍵詞：信息隱藏;隱寫;半構(gòu)造式信息隱藏;構(gòu)造式信息隱藏;行為信息隱藏
機(jī)密信息的安全傳遞是信息戰(zhàn)及保密通信的核心任務(wù). 作為信息安全傳遞的重要方式，信息隱藏(information hiding，或稱隱寫steganography) 將機(jī)密信息偽裝為不引人注意的普通信息而達(dá)到隱蔽傳輸或隱蔽存儲(chǔ)的目的，對(duì)國(guó)家安全與信息安全具有重要意義. 有時(shí)人們將用于版權(quán)保護(hù)的數(shù)字水印及其他分支也歸為信息隱藏技術(shù)，而本文主要關(guān)注以偽裝方式進(jìn)行隱蔽通信的信息隱藏技術(shù).
當(dāng)前的信息隱藏技術(shù)大多以輕微修改載體數(shù)據(jù)(數(shù)字圖像、視音頻)的方式將秘密信息嵌入載體，將含密載體作為秘密信息的偽裝. 個(gè)人計(jì)算機(jī)的普及與互聯(lián)網(wǎng)上多媒體數(shù)據(jù)的泛濫為實(shí)施信息隱藏提供了便利條件，使信息隱藏得到了迅速發(fā)展，但近年來的發(fā)展速度有所放緩. 主要原因如下：1)在信息隱藏發(fā)展的同時(shí)，針對(duì)隱蔽信息的檢測(cè)技術(shù)——又稱隱寫分析(steganalysis)——也得到了迅速發(fā)展. 該技術(shù)根據(jù)信息嵌入引起的載體數(shù)據(jù)統(tǒng)計(jì)異常來判斷秘密信息是否存在，已對(duì)信息隱藏構(gòu)成嚴(yán)重威脅;2)目前主流信息隱藏方法在修改載體數(shù)據(jù)時(shí)遵循“經(jīng)驗(yàn)性地設(shè)定風(fēng)險(xiǎn)(失真)指標(biāo)”再“利用編碼方法最小化隱寫總風(fēng)險(xiǎn)(失真)”的框架，鮮有突破性成果;3)相對(duì)而言，信息隱藏的理論研究顯得滯后，不能為技術(shù)發(fā)展提供強(qiáng)有力的支撐.
隨著信息技術(shù)的不斷革新及網(wǎng)絡(luò)環(huán)境的不斷變化，只有不斷突破信息對(duì)抗的固有模式并開拓新形態(tài)的信息作戰(zhàn)方式，才能在網(wǎng)絡(luò)空間中占據(jù)主動(dòng)地位. 網(wǎng)絡(luò)信息可以分為3大類：1)描述客觀世界的信息，2)記錄人類行為的信息，3)描述想象世界(虛構(gòu)世界)的信息. 第1類信息曾經(jīng)是網(wǎng)絡(luò)信息的主流，而以感知逼真與統(tǒng)計(jì)逼真為要求的傳統(tǒng)信息隱藏也正是以第1類信息(例如多媒體數(shù)據(jù))為載體的，但隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、社交網(wǎng)絡(luò)、虛擬現(xiàn)實(shí)等技術(shù)的發(fā)展，后兩類信息也必然飛速增長(zhǎng)，必須積極探討以后兩類信息為偽裝的信息隱藏新方式：行為信息隱藏與構(gòu)造式的信息隱藏.
1 信息隱藏研究現(xiàn)狀
信息隱藏研究始于20世紀(jì)90年代中期，并于21世紀(jì)得到了迅速發(fā)展，主要通過修改載體數(shù)據(jù)來實(shí)現(xiàn)信息隱藏. 與此同時(shí)，針對(duì)信息隱藏的檢測(cè)技術(shù)(隱寫分析)也不斷進(jìn)步. 該技術(shù)根據(jù)載體數(shù)據(jù)的統(tǒng)計(jì)異常察覺秘密信息，進(jìn)而估計(jì)秘密數(shù)據(jù)量、隱藏方式及密鑰，是信息隱藏的主要威脅. 本節(jié)簡(jiǎn)述信息隱藏研究的現(xiàn)狀.
早期的信息隱藏與檢測(cè) 早期的信息隱藏方法大多能保證BMP、JPEG、GIF 等格式載體圖像的視覺質(zhì)量，但對(duì)載體數(shù)據(jù)統(tǒng)計(jì)特性考慮不多，如最不重要位 (LSB)替換隱寫、最佳奇偶分配(OPA)隱寫等. 檢測(cè)者可根據(jù)直方圖異常、JPEG分塊效應(yīng)、調(diào)色板奇異顏色等異�，F(xiàn)象有效擊破這些早期的隱藏方法或工具(SecureEngine、Jsteg、JPHS、OutGuess 等) [1-2] . 隨后，研究者提出了一些可維持某些統(tǒng)計(jì)特征無異常的信息隱藏方法，但安全性仍不令人滿意. 例如，LSB 匹配方法避免了統(tǒng)計(jì)不對(duì)稱性和直方圖異常，但檢測(cè)者可根據(jù)直方圖Fourier域質(zhì)心位置的變化[3]、最低兩層位平面的統(tǒng)計(jì)特征變化[4]或解壓圖像的噪聲特征異常[5]來察覺秘密信息;Model-Based 方法可維持原始分布模型[6]，但與理想模型的過分吻合反而引起懷疑[7] . 檢測(cè)者還可進(jìn)一步估計(jì)秘密信息嵌入量[8]，且準(zhǔn)確性不斷提高[9] . 可同時(shí)檢測(cè)多種隱藏方法的隱寫分析被稱為通用分析或盲檢測(cè). 通用分析不再依據(jù)少量敏感統(tǒng)計(jì)特性判斷載體是否含密，而是從大量原始樣本與含密載體樣本中提取特征向量再訓(xùn)練分類器，然后區(qū)分原始載體與含密載體[10] . 早期用于隱寫分析的特征有圖像質(zhì)量測(cè)度[11]、DCT與馬爾科夫特征[12]、高階統(tǒng)計(jì)特征[13]等，分類方法包括神經(jīng)網(wǎng)絡(luò)[14]、支持向量機(jī)[15]、幾何模型[16]等.
信息隱藏安全性 理想的信息隱藏應(yīng)使含密載體在整個(gè)載體空間的分布與原始載體分布完全一致. 兩種分布之間的差異程度可用KL散度(KL divergence)度量，該指標(biāo)也可用于衡量信息隱藏系統(tǒng)安全性[17] . 然而，載體空間異常巨大，研究者往往在簡(jiǎn)化數(shù)據(jù)統(tǒng)計(jì)模型后再討論安全性，如假定載體采樣數(shù)據(jù)服從獨(dú)立同分布[18]、或?qū)⑤d體數(shù)據(jù)空間投射為統(tǒng)計(jì)特征空間[19] . 與KL divergence 相比，最大均值差異(maximum mean discrepancy, MMD)更易于計(jì)算，且在高維空間比較穩(wěn)定，也可作為安全性指標(biāo)[20];研究者們還利用Fisher信息量給出了安全嵌入容量并對(duì)其進(jìn)行優(yōu)化[21-23] . 當(dāng)隱藏者知曉隱寫分析方法時(shí)，可采取相應(yīng)措施使隱寫分析失效，如文獻(xiàn)[24] 利用凸集投影法獲得失真小且高階特征無異常的含密圖像，對(duì)抗文獻(xiàn)[13] 中的隱寫分析方法;文獻(xiàn)[25] 將圖像數(shù)據(jù)分為兩部分：一部分用于隱藏秘密信息，另一部分用于校正隱藏引起的統(tǒng)計(jì)特征變化，可抵抗文獻(xiàn)[12] 中利用274維特征的隱寫分析方法. 然而，信息隱藏必然引起載體數(shù)據(jù)變化，如選用其他統(tǒng)計(jì)特征進(jìn)行分析，仍可察覺秘密信息. 文獻(xiàn)[25] 討論了統(tǒng)計(jì)特征完備性對(duì)隱寫分析的幫助.
隱寫編碼 隱寫編碼可用更少的改動(dòng)嵌入同等數(shù)據(jù)量的秘密信息，是提高安全性的重要手段. 根據(jù)線性分組碼可反向構(gòu)造一系列隱寫編碼方法[26]，并發(fā)展快速算法[27];根據(jù)卷積碼可構(gòu)造動(dòng)態(tài)游動(dòng)方式的隱寫編碼方法[28-29] . 當(dāng)載體數(shù)據(jù)變化方向也用于負(fù)載秘密信息時(shí)，編碼性能可進(jìn)一步提高[30-32]，文獻(xiàn)[33] 給出了隱寫編碼在一定失真條件下的性能理論極限. 濕紙編碼是另一類信息隱藏手段，隱藏者可自由選擇嵌入位置，而接收方不必知曉嵌入位置也可提取秘密信息[34] . 文獻(xiàn)[35] 結(jié)合濕紙編碼與隱寫編碼，構(gòu)造了雙層隱寫編碼方法，并證明了雙層編碼結(jié)構(gòu)在性能提升方面可達(dá)到理論極限[36] . 集中多種編碼方法的優(yōu)勢(shì)還可以提高總體性能[37] . 文獻(xiàn)[38] 利用低密度生成矩陣構(gòu)造了性能接近理論極限的二元編碼方法，文獻(xiàn)[39] 提出了一種新的編碼結(jié)構(gòu)，可由文獻(xiàn)[38] 中的少數(shù)優(yōu)質(zhì)方法派生出一族性能優(yōu)異的隱寫編碼方法，所得結(jié)果的性能目前最接近二元嵌入的理論極限[40-41] . 學(xué)術(shù)界對(duì)載體數(shù)據(jù)調(diào)整幅度為2或3時(shí)的隱寫編碼方法也進(jìn)行了研究[42] .
STC 框架 隱寫編碼提升安全性的策略是“改得少”，而安全隱藏不但要改得少，還要改得好，即基于載體內(nèi)容自適應(yīng)地選擇修改位置及修改方式. 早期PVD方法在差值較大的像素對(duì)中嵌入更多信息[43-45]，就是一種自適應(yīng)的隱藏方法，但直方圖異常會(huì)暴露秘密信息[46] . 上文提及的濕紙編碼也支持秘密信息的自適應(yīng)嵌入[34,47] . 作為隱寫編碼和濕紙編碼的拓展，F(xiàn)iller與Fridrich 于2010年提出了基于STC (Syndrome-Trellis codes) 的信息隱藏框架[48] . 該框架中定義了一般形式的失真函數(shù)，并在嵌入秘密信息的條件下最小化失真函數(shù)值. STC主要有兩方面的貢獻(xiàn)：一是使用了卷積碼的校驗(yàn)陣，從而使上述極小化問題可以在二元嵌入條件下快速求解，二是構(gòu)造了一種雙層二元嵌入方法來快速實(shí)現(xiàn)±1嵌入，并推向?qū)嶋H應(yīng)用. STC 框架將信息隱藏分解為兩部分：一是設(shè)計(jì)失真函數(shù)，以合理度量載體數(shù)據(jù)變換引起的失真(風(fēng)險(xiǎn));二是利用編碼技術(shù)實(shí)現(xiàn)總失真的最小化. 由于STC 方法較好地解決了第2部分問題，設(shè)計(jì)基于圖像內(nèi)容的自適應(yīng)隱藏方法變得非常方便，從而使信息隱藏研究進(jìn)入了一個(gè)新階段. 這個(gè)階段主要集中在失真代價(jià)函數(shù)的設(shè)計(jì)，如HUGO、WOW、UNIWARD、HILL等[49-54] . 與經(jīng)驗(yàn)地設(shè)計(jì)失真代價(jià)函數(shù)不同，文獻(xiàn)[55] 將安全性度量指標(biāo)KL divergence 表征為失真代價(jià)的函數(shù)，進(jìn)而尋找最優(yōu)失真代價(jià)的設(shè)計(jì)方法以期優(yōu)化隱寫安全性度量，并給出了合理選擇失真代價(jià)函數(shù)的理論依據(jù)和未來的探索方向. 此外，文獻(xiàn)[56] 考慮了更加通用的失真函數(shù)以期將相鄰像素點(diǎn)之間的協(xié)同變化對(duì)載體的影響也考慮在內(nèi)，但只能得到次優(yōu)解而并沒有真正解決該問題. 后續(xù)實(shí)驗(yàn)也表明，基于文獻(xiàn)[56] 的工作沒有得到比STC 更好的隱寫方法[57] . 文獻(xiàn)[58] 進(jìn)一步拓展了文獻(xiàn)[55] 的方法，并提出一種改進(jìn)的圖像模型參數(shù)估計(jì)方法用于隱寫設(shè)計(jì)，其性能略優(yōu)于 HILL[53]. STC 框架也使JPEG圖像信息隱藏研究大為改觀，與早期較為成功的JPEG信息隱藏方法(如F5、PQ及其改進(jìn)、nsF5、YASS 及其改進(jìn))不同，目前主流JPEG信息隱藏方法是在DCT系數(shù)上應(yīng)用STC，其核心問題也是合理設(shè)計(jì)失真代價(jià)函數(shù)[59-64] .
相關(guān)知識(shí)推薦：論文質(zhì)量報(bào)告怎么弄
隱寫分析的發(fā)展 隱寫分析技術(shù)隨著信息隱藏的發(fā)展而發(fā)展，當(dāng)前主流隱寫分析都是先進(jìn)行特征提取再利用訓(xùn)練集進(jìn)行學(xué)習(xí)分類. JPEG圖像隱寫分析特征從23維DCT域特征[65]、18維二元相似性度量特征[66]發(fā)展到193維擴(kuò)展DCT特征[67]、324維Markov特征[68]、432維小波系數(shù)幅度和相位特征[69] . 研究表明，小波系數(shù)的特征函數(shù)矩特征的性能更好[70] . 利用笛卡爾校準(zhǔn)方法[71]對(duì)Markov特征和擴(kuò)展DCT特征進(jìn)行校準(zhǔn)，分別構(gòu)造了648維的CC-SHI 特征和548維的CC-PEV特征. 在空域中根據(jù)像素差分平面計(jì)算一階二階的條件概率，分別提取578維和686維的SPAM 特征[72] . 文獻(xiàn)[73] 在DCT系數(shù)平面上計(jì)算差分相鄰系數(shù)的聯(lián)合密度，據(jù)此設(shè)計(jì)出216維特征，在大大降低特征維數(shù)的同時(shí)保持了性能上的優(yōu)勢(shì). 隱寫分析在分類時(shí)往往選擇成熟的分類器，如神經(jīng)網(wǎng)絡(luò)、SVM 等. 這些分類器通過非線性變換對(duì)特征空間進(jìn)行高維映射，顯著增加了計(jì)算復(fù)雜性，因此常用于低維特征. 隱寫分析特征的高維化是近年來重要的發(fā)展趨勢(shì)，如將CC-PEV特征和SPAM 特征合并構(gòu)造交叉域的1 234維特征[74] . 文獻(xiàn)[75] 利用共生矩陣構(gòu)造了7 850維的CFstar特征，其檢測(cè)性能超越了以往任何方法. 文獻(xiàn)[76] 根據(jù)DCT系數(shù)聯(lián)合分布的多個(gè)子模型構(gòu)造出11 255 維的DCT域特征，利用笛卡爾校準(zhǔn)模型構(gòu)造22 510維的變換域富模型(rich model, RM)特征. 文獻(xiàn)[77] 在空域中分別利用線性和非線性計(jì)算量化圖像的噪聲殘差，并聯(lián)合各個(gè)子模型得到了34 671 維的空域富模型特征. 為解決高維特征帶來的計(jì)算量激增問題，可選擇簡(jiǎn)單分類(如Fisher線性分類器)進(jìn)行集成判決，還可通過降維[78]、分類結(jié)果的加權(quán)集成[79]進(jìn)一步提高分析準(zhǔn)確率. 文獻(xiàn)[80] 通過64個(gè)三角函數(shù)濾波器將隱寫變化體現(xiàn)在不同尺度的差分信息中，形成 8 000 維DCTR特征用于隱寫分析，并說明了DCTR與CC-JRM 的異構(gòu)融合特征比單一特征集性能更好. 文獻(xiàn)[81-86] 使用“圖像建模+假設(shè)檢驗(yàn)”的方法進(jìn)行隱寫分析，該類方法先驗(yàn)地假設(shè)載體圖像滿足某個(gè)統(tǒng)計(jì)分布，然后根據(jù)具體的嵌入方法建立含密圖像所滿足的統(tǒng)計(jì)模型，最后利用所假設(shè)的檢驗(yàn)理論中的似然比檢驗(yàn)方法建立最優(yōu)檢測(cè)子，以實(shí)現(xiàn)隱寫分析. 與此前的隱寫分析工作有很大不同，該類方法保證了統(tǒng)計(jì)意義下檢測(cè)子的最優(yōu)性，并經(jīng)實(shí)驗(yàn)證明能提升隱寫分析性能.
多載體信息隱藏與聯(lián)合分析 如果秘密信息量較大，隱藏者不可避免地利用多個(gè)載體負(fù)載秘密信息，而檢測(cè)者則要判斷一批載體中是否含有秘密信息. 這類問題被稱作多載體信息隱藏/批量隱藏(batch steganography, BS)和聯(lián)合分析(pooled steganalysis, PS). Ker研究了可疑載體計(jì)數(shù)分析、平均聯(lián)合分析、廣義似然率測(cè)試3種不同策略下的情況[87]，以及可疑載體計(jì)數(shù)分析中關(guān)于閾值選取的博弈均衡[88]，并證明了多載體安全嵌入容量正比于載體數(shù)量的平方根而非載體數(shù)量[89]，單載體安全嵌入容量正比于載體大小的平方根[90-91]，進(jìn)而給出最小化KL divergence 的多載體隱藏策略[92-93] . 文獻(xiàn) [94] 嘗試解決多參與者的聯(lián)合分析問題，利用最大均值差異(MMD) 方法度量特征集之間的距離，通過層級(jí)聚類識(shí)別隱藏者. 文獻(xiàn)[95] 以局部異常因子(local outlier factor)代替層級(jí)聚類，所得檢測(cè)結(jié)果更準(zhǔn)確. 文獻(xiàn)[96-97] 給出了最大貪婪、最大隨機(jī)、線性、均值、平方根等5種嵌入策略以提高對(duì)抗聯(lián)合分析的能力. 近期亦有學(xué)者將聯(lián)合分析用于社交網(wǎng)絡(luò)圖像[98] .
基于載體選擇與合成的信息隱藏 上述方法都是通過修改載體數(shù)據(jù)進(jìn)行信息隱藏，而其他方式的信息隱藏非常少見. 文獻(xiàn)[99] 討論了基于載體選擇與合成的信息隱藏方式：在載體選擇的信息隱藏方式中，隱藏者根據(jù)秘密信息在正常圖像庫中選擇圖像發(fā)送，接收者計(jì)算圖像Hash 得到秘密信息，這種方法因負(fù)載量太低而無法推廣到實(shí)際應(yīng)用中;在載體合成的信息隱藏方式中，隱藏者根據(jù)秘密信息將圖像局部?jī)?nèi)容的不同曝光版本拼成含密圖像，接收者計(jì)算圖像局部Hash 得到秘密信息. 由于實(shí)際場(chǎng)景中很難獲得一個(gè)信號(hào)的多次采樣(曝光版本)，這種方法也不實(shí)用[100] . 文獻(xiàn)[101]提出了一種不需原始載體的文本信息隱藏方法，利用mimic函數(shù)將秘密信息偽裝成類似垃圾郵件的文本，但也容易引起檢測(cè)者的警覺.
文獻(xiàn)[102-105]對(duì)信息隱藏進(jìn)行了深入而系統(tǒng)的研究，所獲成果具有重影響，已從10余年前的“跟跑”發(fā)展為近年來的“并跑”，并對(duì)突破修改式的信息隱藏發(fā)展瓶頸有許多有益的探索. 本文作者將另文專述對(duì)抗檢測(cè)、理論研究和突破STC 框架等問題，下面重點(diǎn)討論非修改方式的信息隱藏.
2 半構(gòu)造式信息隱藏
構(gòu)造式信息隱藏，是指在不預(yù)先指定原始載體的情況下，由秘密信息按照一定規(guī)則直接生成含密載體，而含密載體可以不表示真實(shí)的客觀世界，但與正常內(nèi)容相比應(yīng)具有不可區(qū)分性. 已有的半構(gòu)造式信息隱藏方法往往事先給出載體構(gòu)造的預(yù)設(shè)條件，然后根據(jù)秘密信息并遵循一定的構(gòu)造規(guī)則生成含密載體. 含密載體屬于特定類型，如圖1所示.
2.1 紋理合成信息隱藏
紋理合成技術(shù)可由一小塊樣本紋理圖像生成大幅紋理圖像[106-109]，紋理合成信息隱藏即在紋理合成的過程中實(shí)施信息隱藏，最終生成的大幅紋理圖像是與秘密信息有關(guān)的. Otrori和Kuriyama最先提出在紋理合成過程實(shí)現(xiàn)數(shù)據(jù)嵌入的思路[110-111]，該方法首先在樣本圖像中選擇若干彩色點(diǎn)，然后使用LBP 碼(local binary pattern)來映射二值數(shù)據(jù)和彩色點(diǎn)之間的關(guān)系，接著根據(jù)秘密信息內(nèi)容預(yù)先確定若干位置的彩色點(diǎn)，最后從樣本圖像中尋找合適內(nèi)容合成大幅紋理圖. 圖2是一個(gè)示例，其中圖(a)為樣本圖像，圖(b)是根據(jù)秘密信息在白紙上描繪的LBP 碼對(duì)應(yīng)的彩色點(diǎn)，其中包含25 byte的秘密數(shù)據(jù)，圖(c)是由圖(b)生成的大幅紋理圖像.
文獻(xiàn)[112]指出Otrori和Kuriyama的方案有容量低和提取誤碼的局限，于是提出了新的解決方案，可實(shí)現(xiàn)大容量無誤碼的信息隱藏. 該方法在樣本圖像中逐點(diǎn)移動(dòng)獲得多個(gè)候選塊，將每一個(gè)候選塊分為內(nèi)核(kernel)和外圍(border)兩部分，比較每一個(gè)候選塊的外圍與其他候選塊外圍之間的匹配程度，由大到小建立直接與二進(jìn)制數(shù)據(jù)相映射的索引表. 在紋理合成時(shí)用候選塊填充大幅圖像的空白部分，具體選取哪個(gè)候選塊取決于秘密數(shù)據(jù)，最終可得到一幅由秘密數(shù)據(jù)決定的紋理圖像. 最新研究表明，該方法仍然存在安全漏洞[113] . 因?yàn)樯傻暮芗y理圖像完整地保存了原始樣本圖像的所有分塊，所以攻擊者可通過分析含密圖像中塊與塊之間的縫補(bǔ)(quilting)關(guān)系重建原始樣本紋理圖案，進(jìn)而重建候選塊索引并提取秘密信息.——論文作者：張新鵬， 錢振興， 李 晟
