一种基于隐写测评的隐写分析方法技术

本发明专利技术公开了一种基于隐写测评的隐写分析方法，本方法为：1)建立一包含若干隐写特征的基准特征集；2)采用待分析的隐写算法对一组原文{Xi}进行隐写，生成相应的一组隐文{Yi}；3)在基准特征集中选取部分特征作为考察特征，计算原文和隐文集合中每个样本的考察特征向量，分别得到原文和隐文集合的特征向量集合{xi}和{yi}；4)根据{xi}和{yi}估计所考察特征向量每一分量作为隐写特征的有效性；5)重复步骤3)、4)若干次，得到一组特征向量分量有效性评估结果；6)从有效性评估结果中选取若干个分量构建一新特征向量，去冗余处理得到隐写算法的特征向量对该待分析隐写算法进行隐写分析，检测其中是否含有隐蔽信息。本发明专利技术大大提高了隐写分析实现的效率。

【技术实现步骤摘要】

本专利技术涉及一种隐写分析(Steganalysis)方法，具体涉及，该方法属于信息安全
中的信息隐藏子领域。
技术介绍
随着计算机和网络技术的发展，数字内容的使用越来越普遍，以数字内容为载体的现代隐写技术获得了越来越广泛的关注。隐写能够在不影响载体数据感知内容和质量的前提下在其中嵌入机密信息，通过隐蔽保密通信或者保密存储的存在性事实，提高了机密数据传输或者存储的安全。据报道，隐写已经被不法分子和恶意代码所利用。与隐写相对应，隐写分析则是用于分析判断数据中是否含有隐蔽信息的技术。由于数字多媒体的数据冗余较大，现代隐写的重要特征是，载体数据多为多媒体数据；一般称隐写前的媒体为原文，隐写后的媒体为隐文。虽然隐写嵌入过程对载体数据的感知内容和质量的影响很难被 人眼所识别，但其对载体数据的改变一般能够被某些统计特征的变化反应出来。隐写分析技术利用这些对隐写嵌入过程比较敏感的统计特征对媒体数据进行分析，从而识别隐蔽信息的存在。现代隐写分析技术的基本手段是构造一个二类分类器，通过预先生成或者得到的包含原文/隐文样本的训练集进行训练，从而能够对现实中待测的媒体进行隐写存在性分类判决。具体步骤一般是，首先选取载体数据的一组统计特征作为隐写分析特征；随后分别从训练集的原文集和隐文集中提取相应的特征，并输入分类器进行训练，得到实际中可用的隐写分析分类器；在实际应用中，隐写分析方法从可疑媒体中提取以上隐写分析特征输入分类器，后者即可判断该样本中是否含有隐蔽信息。其中，隐写分析特征的选择是决定隐写分析方法效果的关键因素。由于隐写的嵌入过程会改变载体数据的概率分布，选择对分布变化敏感的统计量作为隐写分析特征能够有效检测出隐蔽信息的存在(参考文献N. Provos and P. Honeyman. Hide and seek an introduction to steganography.IEEE Transactions on Security & Privacy, Vol. I (3) :32-44,2003. ；J. J. Harmsen andff. A. Pearlman. Steganalysis of additive noise modelable information hiding.InProc. Electronic Imaging, Security and Watermarking of Multimedia Contents V,SPIE, Vol. 5020 :131-142,2003. ；T. Pevny, P.Bas, and J.Fridrich. Steganalysis bysubtractive pixel adjacency matrix. IEEE Transactions on Information Forensicsand Security, Vol. 5 (2) :215-224,2010. ；G. Gul and F. Kurugollu. A new methodologyin steganalysis breakinghighly undetectable steganography(HUGO). In Proc.Information Hiding,13th International workshop, Lecture Notes in ComputerScience, vol. 6958 :71-84,2011. ；J. Fridrich, J. V. Kodovsky, Holub and M. Gol j an.Steganalysis of content-adaptive steganography in spatial domain. In Proc.Information Hiding,13th International workshop, Lecture Notes in ComputerScience, vol. 6958 :102-117,2011.)。由于隐写技术的不断发展提高，隐写引起的特征扰动越来越不明显。隐写分析的研究者一般需要对隐写算法进行深入的人工分析和实验，才可能得到较为有效的隐写特征并实现相应的隐写分析方法(参考文献Y. Miche, B. Roue, A. Lendasse andB. Bas. A feature selection methodology for steganalysis. In Proc. InternationalWorkshop on Multimedia Content Representation, Classification and Security,Lecture Notes in Computer Science, vol. 4105 :49-56,2006. ；M. Kharrazi,Η.T.Senear, and N. Memon. Improving steganalysis by fusion techniques-A casestudy with image steganography. Transactions on Data Hiding and MultimediaSecurity I，Lecture Notes in Computer Science, vol. 4300 (2006) 123-137,2006. ；G.Gul and F.Kurugollu. A new methodology in steganalysis breakinghighly undetectable steganography(HUGO). In Proc.Information Hiding,13thInternational workshop,Lecture Notes in Computer Science, vol. 6958 :71-84,2011.；J. Fridrich, J. Kodovsky, V. Holub and M. Goljan. Steganalysis of content-adaptivesteganography in spatial domain. In Proc. Information Hiding,13th International workshop, Lecture Notes in Computer Science, vol. 6958 :102-117, 2011.)。当前，这种传统隐写分析研制方法没有较一致的研发流程，在算法分析、隐写分析设计和实现方面需要较长的时间，因此，如何针对新出现的隐写，以较为确定性的方法，及时、高效、自动化地得到相应的隐写分析方法，是隐写分析研发领域一个需要解决的问题。经过专利查询，在本专利
内已有的相关专利申请情况如下(I)专利申请号为200710067781.6的中国专利“隐写分析系统中基于主元特征的隐写分析算法”公开了一种隐写分析系统中基于主元特征的隐写分析算法。该专利方法将微分运算引入图像隐写分析，计算信道内相邻像素之间以及信道之间像素亮度的共生矩阵，并将共生矩阵的应本文档来自技高网...

【技术保护点】
一种基于隐写测评的隐写分析方法，其步骤为：1)建立一包含若干隐写特征的基准特征集；2)采用待分析的隐写算法对一组原文{Xi}进行隐写，生成相应的一组隐文{Yi}；3)在所述基准特征集中选取部分特征作为考察特征，计算原文和隐文集合中每个样本的考察特征向量，分别得到原文集合和隐文集合的特征向量集合{xi}和{yi}；4)根据特征向量集合{xi}和{yi}对考察特征向量进行隐写安全测评并估计所考察特征向量每一分量作为隐写特征的有效性；5)重复步骤3)、4)若干次，得到一组特征向量分量有效性评估结果；6)从所述有效性评估结果中选取若干个分量构建一新特征向量，然后对其进行去冗余处理，得到该待分析的隐写算法的特征向量对该待分析隐写算法进行隐写分析，检测其中是否含有隐蔽信息。

【技术特征摘要】
1.一种基于隐写测评的隐写分析方法，其步骤为1)建立一包含若干隐写特征的基准特征集；2)采用待分析的隐写算法对一组原文{XJ进行隐写，生成相应的一组隐文{YJ；3)在所述基准特征集中选取部分特征作为考察特征，计算原文和隐文集合中每个样本的考察特征向量，分别得到原文集合和隐文集合的特征向量集合IxJ和{yj ；4)根据特征向量集合IxJ和{yj对考察特征向量进行隐写安全测评并估计所考察特征向量每一分量作为隐写特征的有效性；5)重复步骤3)、4)若干次，得到一组特征向量分量有效性评估结果；6)从所述有效性评估结果中选取若干个分量构建一新特征向量，然后对其进行去冗余处理，得到该待分析的隐写算法的特征向量对该待分析隐写算法进行隐写分析，检测其中是否含有隐蔽信息。2.如权利要求I所述的方法，其特征在于所述估计所考察特征作为隐写特征的有效性的方法为根据特征向量Xi和Ji之间的最大平均偏差MMD，以及每个特征维度和yu之间的平均偏差MIi,确定能够反映每个特征维度作为隐写分析特征有效性的最终指标值；Xij表示特征向量Xi的第j维，Yij表示特征向量Ji的第j维。3.如权利要求2所述的方法,其特征在于通过公式Wi= F (MIi, MMD)确定能够反映每个特征维度作为隐写分析特征有效性的最终指标值；F( ·)为通过回归分析获得的特征评价函数。4.如权利要求3所述的方法，其特征在于通过公式5.如权利要求4所述的方法，其特征在于使用对称非负核函数生成再生核希尔伯特空间方法构造所述函数空间Γ。6.如权利要求3所述的方法，其特征在于所述平均偏差MIi为Xij和yij之间的单维互信息量；获取所述平均偏差MIi的方法为1)将考察特征划分为若干单一维度的特征；2)使用直方图估计的方法依次估算所述特征向量集合IxJ和{yj中每个单一维度特征的概率密度函数P(A)、P (B)及联合概率密度函数P (AB) ...

【专利技术属性】
技术研发人员：赵险峰，夏冰冰，黄炜，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：