基于小波域HMT模型隐写信息移除攻击.docVIP

基于小波域HMT模型隐写信息移除攻击 　　摘要：分析了隐写图像的移除攻击模型，考虑图像采样间的相关性，提出了基于小波域HMT（隐马尔可夫树）模型的移除攻击方案。实验结果表明，性能优于图像处理中常用的高斯滤波和维纳滤波。 　　关键词：信息隐藏;移除攻击;小波域HMT模型 　　中图分类号：TP393.02 　　文献标志码：A 　　文章编号：1001－3695(2008)06－1815－02 　　 　　信息隐藏是信息安全学科的一个重要分支，是集多学科理论与技术于一身的新兴技术领域，它包括隐藏和隐藏分析两个方面。隐藏技术通过在载体（图像、视频或音频文件）上嵌入秘密信息以达到隐藏信息的目的。它的一个重要特性就是不可感知性，即载体中嵌入了机密信息，但是并不影响载体的视觉或听觉效果。隐藏分析技术就是研究如何通过某种检测方法发现隐藏于载体的信息，目的是破坏信息隐藏系统。对隐藏系统的移除攻击就是通过对含密图像进行分析和处理，以达到部分或完全移除隐藏的秘密信息的目的。 　　?ゴ邮?字通信的角度看,秘密信息的嵌入可以理解为在一个宽带信道(原始图像)上传输一个窄带信号。尽管嵌入的信号具有一定的能量，但分布到信道中各频率分量上的能量是难以检测到的。由于盲检测相当于在强噪声中检测微弱信号，检测器算法的设计在很大程度上依赖于“信道”的统计模型，即基于宿主载体的统计模型来设计检测器。因此，如何准确描述信道(原始图像)统计模型,对提高检测性能至关重要。 　　?サ鼻埃?一般对秘密信息假定为服从0均值的独立且分布（i.i.d）高斯随机序列[1,2] 。但是，对原始图像的统计描述则有多种模型，常用的有高斯分布[3]、拉普拉斯分布[4]和广义高斯分布[5]等。这些模型都是假定原始图像采样（如像素值、DCT系数和DWT系数）是独立同分布的，忽略了采样间的统计相关性。但是，采样间却是统计相关的，一些研究者已经做出了有益的探索。Sidorov使用MC（马尔可夫链）模型和MRF（马尔可夫随机场）模型来描述像素间的相关性，并用于LSB替换隐藏算法的分析[6]；Sullivan使用MC模型用于SS（扩频）类和QIM（量化索引模型）类隐藏算法的分析[7] 。本文使用小波域HMT[8]模型来描述小波系数间的相关性，并将之应用到信息隐藏的移除攻击。 　　 　　??1隐写图像的移除攻击 　　 　　?ゼ俣ㄇ度氲拿孛苄畔⑹歉咚乖肷?信号w，且独立于载体图像x。则隐藏信息后的图像y为 　　 　　??z和s分别是y和x的小波系数。所以问题转换为尽可能精确地估计出s，这是一个典型的估计理论问题。如果不知道载体图像和秘密信息的先验概率分布，可以使用最大似然（ML）估计方法。如果事先知道概率分布，可以采用MAP（最大后验概率）估计方法来解决。 　　 　　??4实验结果 　　 　　?ケ疚氖褂萌?幅标准图像Lena、pepper和airplane进行实验，来验证所提方案的有效性。这三幅图像都是512×512大小的八位灰度图像，分别采用最低位平面替换、DCT域中频替换和DWT域中频替换隐写算法嵌入秘密信息，得到预处理的实验图像。在MATLAB7平台上对这些图像进行处理，并分别计算处理前后与标准图像的PSNR（峰值信噪比）。其中高斯滤波和维纳滤波参数采用系统默认值。实验结果分别如表??1~3所示。 　　?ナ笛榻峁?表明，本文提出的方案能有效地移除图像中嵌入的秘密信息，尤其对小波域隐写的攻击效果更明显，比常用的图像去噪方法（高斯滤波和维纳滤波）性能更好。 　　 　　??5结束语 　　 　　?ケ疚脑诳悸峭枷癫裳?间统计相关性的基础上，采用小波域HMT模型来描述小波系数间的相关性，设计并实现了一个隐写图像移除攻击的方案。该方案能有效地破坏图像中隐藏的秘密信息。本文所提的方法是采用图像去噪理论进行攻击，以达到破坏隐藏系统的目的，假定嵌入的秘密信息是高斯白噪声信号，其具有一定的局限性。因此，研究和采用更加精确的载体和噪声模型是提高攻击性能的一个重要方向。 　　 　　参考文献： 　　[1]CHANDRAMOULI R. A mathematical framework for active steganalysis[J]. Multimedia Systems,2003, 9(3):303－311. 　　[2]HARMSEN J J, PEARLMANA W A. Steganalysis of additive noise modelable information hiding[C] //Proc of SPIE/IS T Volume 5020. Santa Clara, CA: SPIE, 2003:131－142. 　　[3]TRIVEDI S, C