一种自适应免疫隐写图像构建方法技术

本发明专利技术公开了一种基于人工免疫系统的免疫隐写图像构建方法，用于数字图像信息隐藏处理，通过构建基于人工免疫系统的信息隐藏模型来以减小载体图像和载密图像残差之间的距离为目标自动地优化修改载密图像，以生成免疫隐写图像，从而有效地增强隐写算法的安全性。本发明专利技术方法具有通用性，适用于任何最小化失真的隐写方法，保证了修改隐写图像不会导致秘密消息提取失败且不引入额外的可检测伪影，进一步提升现有隐写算法的安全性能，具有实用价值。具有实用价值。具有实用价值。

【技术实现步骤摘要】
一种自适应免疫隐写图像构建方法


[0001]本专利技术涉及多媒体安全领域，特别是一种基于人工免疫系统的免疫隐写图像构建算法，在确保隐藏数据准确提取的同时，提高抵抗隐写分析的安全性。

技术介绍

[0002]隐写术是秘密通信的技术和科学，旨在将秘密信息隐藏到看似自然的数字媒体中，而不引起隐写分析者的怀疑。它通常是通过修改载体来实现的，如空间域图像的像素值和JPEG图像的DCT系数。隐写分析作为游戏的对手，是通过寻找数据嵌入引起的异常工件来揭示隐写媒体中秘密信息存在的基本任务。在所有的隐写技术中，图像隐写在隐蔽通信中起着重要作用，近年来引起了越来越多的关注。目前，最先进的自适应图像隐写方案是利用失真最小化框架设计的，以最小化隐写分析的统计可检测性。
[0003]当前的自适应隐写算法，如HUGO(Using high
‑
dimensional image models to perform highly undetectable steganography,InternationalWorkshop onInformationHiding,2010,pp.161
‑
177)，S
‑
UNIWARD(Digital image steganography using universal distortion,Proceedings of the first ACM Workshop on Information Hiding and Multimedia Security,2013,pp.59
‑
68)，HILL(A new cost function for spatial image steganography,2014 IEEE International Conference on Image Processing(ICIP),2014,pp.4206
‑
4210)，MIPOD(Content
‑
adaptive steganography by minimizing statistical detectability,IEEE Transactions on Information Forensics and Security,2016,vol.11,no.2,pp.221
‑
234)和UT
‑
GAN(An embedding cost learning framework using GAN,IEEE Transactions on Information Forensics and Security,2020,vol.15,pp.839
‑
851)都是通过设计失真代价函数，计算每一个像素点的失真代价，使得数据嵌入后的隐写图像的总体失真最小。然而，它们均没有考虑到秘密消息嵌入后，对载密图像进行免疫处理可以提升隐写的安全性，而且随着越来越强大的隐写分析器的出现，这些仅仅只依靠设计失真函数的隐写方案的安全性越来越低。由于目前最先进的隐写分析器主要基于图像的残差进行分析，因此通过修改隐写图像来减小或消除载体图像残差与隐写图像残差之间的距离以抵抗隐写分析是合理的。然而，简单地修改隐写图像可能导致秘密消息提取失败和引入额外的可检测伪影。人工免疫系统是一种自学习和自适应类型的智能计算方法，通过构建免疫进化来获得最优解，本专利技术基于人工免疫系统提出了一种自适应免疫隐写图像构建方法，以进一步增强现有隐写术的安全性。

技术实现思路

[0004]本专利技术的目的在于解决上述问题，提供一种基于人工免疫系统的免疫隐写图像构建算法，该算法利用人工免疫系统自动地修改嵌入秘密消息后的载密图像以最小化载体图像和修改后的载密图像的残差共生矩阵特征之间的欧氏距离来生成免疫隐写图像，从而有
效地提升现有隐写算法的安全性能。
[0005]实现本专利技术目的的技术方案如下：
[0006]一种基于人工免疫系统的免疫隐写图像构建方法，用于数字图像信息隐藏处理，基于人工免疫系统对现有隐写方法获得的载密图像进行免疫处理，以形成免疫隐写图像，从而有效地增强隐写算法的安全性；其包括如下步骤：
[0007]步骤1，利用基本的隐写算法产生载密图像；
[0008]步骤2，对步骤1产生的载密图像执行免疫处理，以形成免疫隐写图像。
[0009]上述步骤1的具体内容为：
[0010]步骤1
‑
1，使用现有隐写方法来计算载体X
i
中的元素的代价矩阵C
i
；
[0011]步骤1
‑
2，利用STCs根据失真代价矩阵C
i
将秘密消息嵌入到载体X
i
，形成含有秘密消息的载密图像Y
i
。
[0012]上述步骤2的具体内容为：
[0013]步骤2
‑
1，载密图像Y
i
被编码为初始抗体Ab
i
，形成初始抗体种群Pop(0)；
[0014]步骤2
‑
2，计算每个抗体的亲和度Fit(Ab
i
)，评估它是否被免疫选择；
[0015]步骤2
‑
3，根据亲和力大小，选择比例为d1的抗体进行克隆，根据设定的克隆率Ncl，对选择的抗体进行克隆，以形成克隆池。
[0016]步骤2
‑
4，利用变异算子对所有克隆的抗体进行突变，以生成新的抗体。
[0017]步骤2
‑
5，用亲和度高的突变抗体代替父本抗体，形成抗体群Pop
new
(t)；
[0018]步骤2
‑
6，以形成初始抗体的方式生成d2个新的抗体替换抗体群的相同数量的抗体，产生新的抗体种群Pop(t+1)；
[0019]步骤2
‑
7，重复步骤2
‑
2到2
‑
7，直到满足设定的结束条件，输出具有最高亲和力的最佳抗体Ab
best
，即免疫隐写图像Z
best
。
[0020]上述步骤2
‑
1的具体内容为：
[0021]步骤2
‑
1A，采用如下的编码方式，将载密图像编码为抗体Ab
i
：
[0022][0023]其中，Ab
i
是被编码为抗体的Y
i
，ab
q
(ab
q
＝y
i,j
)表示的第q(q＝(i
‑
1)
×
w+j)个元素，h和w是图像的高度和宽度。
[0024]步骤2
‑
1B，给定初始种群大小为n，复制n个Ab
i
，然后利用变异算子对抗体进行变异，以获得初始抗体种群Pop本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应免疫隐写图像构建方法，用于数字图像信息隐藏处理，基于人工免疫系统对现有隐写方法获得的载密图像进行免疫处理，以形成免疫隐写图像，从而有效地增强隐写算法的安全性；包括如下主要步骤：步骤1，利用基本的隐写算法产生载密图像Y
i
；步骤2，对步骤1产生的载密图像执行免疫处理，以形成免疫隐写图像Z
best
，具体实现方式如下：步骤2
‑
1，载密图像Y
i
被编码为初始抗体Ab
i
，形成初始抗体种群Pop(0)；步骤2
‑
2，计算每个抗体的亲和度Fit(Ab
i
)，评估它是否被免疫选择；步骤2
‑
3，根据亲和力大小，选择比例为d1的抗体进行克隆，根据设定的克隆率Ncl，对选择的抗体进行克隆，以形成克隆池；步骤2
‑
4，利用变异算子对所有克隆的抗体进行突变，以生成新的抗体；步骤2
‑
5，用亲和度高的突变抗体代替父本抗体，形成抗体群Pop
new
(t)；步骤2
‑
6，以形成初始抗体的方式生成d2个新的抗体替换抗体群的相同数量的抗体，产生新的抗体种群Pop(t+1)；步骤2
‑
7，重复步骤2
‑
2到2
‑
7，直到满足设定的结束条件，输出具有最高亲和力的最佳抗体Ab
best
，即免疫隐写图像Z
best
。2.如权利要求1所述的一种基于人工免疫系统的免疫图像构建方法，其特征在于，步骤2.1的具体方式实现如下：采用如下的编码方式，将载密图像编码为抗体Ab
i
：其中，Ab
i
是被编码为抗体的Y
i
，ab
q
(ab
q
＝y
i,j
)表示的第q(q＝(i
‑
...

【专利技术属性】
技术研发人员：王宏霞，李万杰，陈奕静，
申请(专利权)人：郑州信大先进技术研究院，
类型：发明
国别省市：