一种面向深度神经网络的信息隐藏方法技术

本发明专利技术涉及一种面向深度神经网络的信息隐藏方法，属于信息安全领域。方法包括：信息隐藏阶段、触发阶段、隐藏信息提取阶段。信息隐藏阶段包括：隐藏参数位预处理、伪随机选择嵌入层、加密信息、嵌入密文；触发阶段包括：通信双方共享相关参数、获取有效输入、获取目标类别、验证触发目标；隐藏信息提取阶段包括：根据触发目标确定嵌入位置、获取有效参数位、提取信息、解密信息。本发明专利技术解决了直接嵌入神经网络参数的深度神经网络信息隐藏方法无法抵抗剪枝攻击的问题；采用伪随机选择确定隐藏信息嵌入位置并利用触发目标作为密钥对隐藏信息进行加密，在一定程度上能够抵御攻击者知道隐藏信息方法后进行的白盒攻击，提高了方法的安全性。性。性。

【技术实现步骤摘要】
一种面向深度神经网络的信息隐藏方法


[0001]本专利技术属于信息安全领域，涉及一种面向深度神经网络的信息隐藏方法。

技术介绍

[0002]信息隐藏作为保护信息安全的主要方法，其利用人类不可感知的冗余信息将秘密信息隐藏于隐蔽载体中来实现秘密通信。这不仅能够保证秘密信息本身的安全，还能保证秘密信息传输的安全性。然而，现有的信息隐藏方法在所获得的含密载体和所提取的秘密信息质量上都存在失真的问题。并且隐藏信息藏入载体后统计特征的变化对安全性也造成了影响。为了解决上述问题，研究学者将在各个领域取得突破性成果的深度神经网络与隐写术相结合，为信息隐藏提供了新思路。深度神经网络信息隐藏算法通常分为两类：基于输出和基于内在机制的深度神经网络信息隐藏。第一类方法通常是通过嵌入网络调制神经网络的输出，将隐藏信息嵌入其中，再通过提取网络从输出结果中恢复秘密信息。虽然基于输出的深度神经网络信息隐藏方法提高了隐写质量和一定的安全性，但是这类方法的隐藏容量仍然受限于输出载体大小，并且对两个网络进行联合训练需要耗费大量计算资源。而第二类方法通常将隐藏信息编码后直接嵌入神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向深度神经网络的信息隐藏方法，其特征在于：该方法包括以下步骤：步骤a，伪随机选择深度神经网络模型嵌入层，对模型参数进行预处理，设计隐藏信息密钥；步骤b，根据步骤a所得隐藏信息密钥对隐藏信息进行加密，将隐藏信息存储到步骤a所得的深度神经网络模型嵌入层参数中，同时将隐藏信息二次嵌入长度存储到模型嵌入层偏差中；步骤c，隐藏信息通信双方共享相关参数，获取有效输入，目标类别，验证触发目标；步骤d，根据步骤c获得的触发目标确定隐藏信息所在深度神经网络模型层获取有效参数的数位；步骤e，根据伪随机序列确定未选择过的嵌入层，并根据当前层偏差中的值确定隐藏信息二次嵌入长度；然后，通过伪随机序列和二次嵌入长度联合计算来获取提取隐藏信息时的层顺序以及对应层提取隐藏信息时的起始位置；最后，将提取出的秘密信息用密钥进行解密。2.根据权利要求1所述的一种面向深度神经网络的信息隐藏方法，其特征在于：所述步骤a中，根据伪随机数生成器生成伪随机序列R，其表达式如下：R＝{R1,R2,...,R
n
}
ꢀꢀꢀꢀ
(1)根据R进行数据转换后生成密钥K，其表达式如下：K＝{K1,K2,...K
n
}
ꢀꢀꢀꢀ
(2)式中，n为深度神经网络层数。3.根据权利要求2所述的一种面向深度神经网络的信息隐藏方法，其特征在于：在所述步骤b中，将隐藏信息进行数据转换后分成每组16位的多个位段M，其表达式如下：M＝{M1,M2,...,M
m
}
ꢀꢀꢀꢀ
(3)根据伪随机序列R选择确定隐藏信息嵌入层；确定嵌入层后获取其中神经元并判断是否为重要神经元，若为重要神经元，则根据公式(1)将隐藏信息位段用密钥进行加密得到加密文段，其数学表示如下：其中是按位异或，1≤i≤m，表示16位二进制加密密钥段，表示...

【专利技术属性】
技术研发人员：陈龙，陈艳婷，董振兴，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：