基于经验模式分解的数字高程模型数据伪装方法 - 武汉大学学报·信息 .pdf

第 卷 第 期 武 汉 大 学 学 报 ·信 息 科 学 版 Ｖｏｌ．３３Ｎｏ．６ ３３ ６ 年 月 Ｊｕｎｅ２００８ ２００８ ６ ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔ ｙ 文章编号： （ ） 文献标志码： １６７１８８６０２００８０６０６５２０４ Ａ 基于经验模式分解的数字高程模型数据伪装方法 １ ２ １ 刘水强 陈继业 朱鸿鹏 　 　 （ 邵阳学院网络信息中心，邵阳市邵水西路， ） １ ４２２０００ 　 （ 邵阳学院理学与信息科学系，邵阳市邵水西路， ） ２ ４２２０００ 　 摘 要：提出了一种基于经验模态分解（ＥＭＤ）的数字高程模型数据伪装技术。首先利用 ＳＨＡ２５６单向 　 Ｈａｓｈ函数产生由种子控制的伪随机序列，扩充序列后再用经验模态分解生成用于伪装的ＤＥＭ数据，伪装后 的ＤＥＭ数据具有较高的视觉欺骗性。针对 ＤＥＭ数据提 出了直方图的概念，通过修改直方图，在伪装的 ＤＥＭ数据中可逆地嵌入水印。本文方法可在提取水印后完全恢复伪装 ＤＥＭ数据，以及使用种子可完全还 原秘密ＤＥＭ数据，算法安全性高。 关键词：信息伪装；数字高程模型；经验模态分解；直方图；可逆数字水印 中图法分类号： ； Ｐ２３７．３ Ｐ２３１．５ 在信息安全领域，为了保证具有重要价值的 　　 信息不被非法用户注意和利用，有必要对其进行 １ 基于 犛犎犃２５６和二维 犈犕犇的 　 伪装。传统的信息伪装（ｉｎｆｏｒｍａｔｉｏｎｄｉｓｕｉｓｉｎ） ｇ ｇ 犇犈犕数据生成 ［，］ 通常等同于信息隐藏（ｉｎｆｏｒｍａｔｉｏｎｈｉｄｉｎｇ）１２ 。 本文研究的信息伪装通过将被保护的信息变换成 （ ）是由美国国家 ＳＨＡ ｓｅｃｕｒｅｈａｓｈｓｔａｎｄａｒｄ 　　 可辨识的有意义信息，且整个过程无需引入载体， 标准技术研究所和美国国家安全局联合设计的 从而实现信息的安全存储和传输。 算法。 是 的一类，是 结 Ｈａｓｈ ＳＨＡ２５６ ＳＨＡ ＭＤ 目前国内外有关真正意义上的信息伪装技术 构的迭代 Ｈａｓｈ函数，能将任意长度的消息压缩 的研究处于起步阶段。文献