【摘 要】
：
为了提高隐秘通信的安全性和鲁棒性,本文基于大数据的基础和零隐写隐秘通信的理念,提出了一种新的零隐写隐秘通信算法.在构建通信所需的完备特征库过程中,首先根据网格描述符对图像进行单元熵的提取,从而形成熵矩阵,然后提取熵矩阵的特征值以降维从而减少计算量,最后量化为一组二进制向量.鲁棒性实验结果表明:该算法由于没有改变原始"载体"图像,所以对于抗击统计分析、直方图分析、尺度缩放攻击和旋转攻击有非常好的效果
【机 构】
：
武汉大学,电子信息学院 北京电子技术应用研究所
【出 处】
：
第十三届全国信息隐藏暨多媒体信息安全学术大会
论文部分内容阅读
为了提高隐秘通信的安全性和鲁棒性,本文基于大数据的基础和零隐写隐秘通信的理念,提出了一种新的零隐写隐秘通信算法.在构建通信所需的完备特征库过程中,首先根据网格描述符对图像进行单元熵的提取,从而形成熵矩阵,然后提取熵矩阵的特征值以降维从而减少计算量,最后量化为一组二进制向量.鲁棒性实验结果表明:该算法由于没有改变原始"载体"图像,所以对于抗击统计分析、直方图分析、尺度缩放攻击和旋转攻击有非常好的效果,在尺度缩放和旋转攻击的实验中数据恢复率可达95％以上,在安全级别较高、容量较小的隐匿通信中,比如对称密码系统密钥的交换,具有重要的应用价值.
其他文献
近年来,假冒伪劣产品层出不穷.这些产品严重损害了企业和消费者的利益,造成了市场的混乱,增加了监管的难度.为了抑制这些不良影响,防伪技术也在逐渐兴起,各种防伪算法也在不断涌现.在防伪算法中,对于既可用肉眼分辨又可以利用智能终端自动识别的算法,并没有实际的研究成果被发表.在本文中,提出了一种基于DCT的真迹的安全算法,它易于被消费者所识别,并能实现快速自动识别.实验结果表明,该算法具有很强的鲁棒性,常
With the increasing amount of splicing images, many detecting methods of splicing images are proposed.In this paper, we propose a splicing detection scheme based on quaternion discrete cosine transfor
重复图案大量出现在人造环境中,其图像区域具有很高的相似性,用现有方法难以正确鉴别图像真伪.本文基于仿射协变区域提取取证特征,实现对包含重复图案图像的Copymove检测.首先利用MSER提取仿射协变区域,用协方差矩阵进行描述.然后比较协方差矩阵匹配区域,通过边界约束筛选匹配对.最后采用自适应的阈值定位篡改区域,根据颜色直方图一致性去除误匹配.实验结果表明,该方法能够有效对包含重复图案图像进行篡改检
针对传统基于噪声方差的图像拼接篡改检测算法鲁棒性差的问题,本文提出一种基于L1范数鲁棒估计的新型图像篡改检测方法.该算法首先计算待测图像经过高通滤波后的峰度和方差,然后通过构造基于L1范数的最小误差函数,迭代求解各图像块噪声峰度和方差,最后采用K-means聚类方法定位篡改区域.在迭代求解的过程中,由于相邻图像块噪声方差相似度高,通过将迭代初始值设为上一个图像块的噪声方差值,可有效提高算法运行速率
本文提出了一种基于清晰度和帧差的相关系数的视频帧率上转换的取证方法.首先,利用形态学梯度计算视频帧的清晰度,并根据得到视频的清晰度曲线是否存在异常,判断视频是否经历过帧率上转换.此外,考虑到可能出现的少量误分类,引入帧差相关系数,对可疑的篡改视频进一步取证,并定位上转帧的位置.实验结果表明,本文提出的方法取得了较高的平均检测准确率.
已有的相机型号来源取证方法已经在实验室环境下取得了很高的准确率,但大多却建立在待测图像为相机所摄原图的基础上.随着社交平台、网络媒体的发展,在实际取证场景中往往更多地面对经过JPEG压缩的图像.对于通过社交平台或者网络媒体传输的JPEG压缩图像,相关算法的性能需要重新进行评估和考量.本文通过大量仿真实验和社交平台图像测试,分析和评估了基于彩色滤波阵列插值特征(CFA)、局部二进制模式(LBP)以及
图像设备来源取证一般采用图像统计特征和设备指纹等两种典型方法来进行分析.然而,这些方法都需要已知来源的图像作为训练图像.而在实际场景中,往往缺乏训练样本的标签信息.文献中提出了一种基于曲线图的无监督的来源取证方法,然而,这种方法要求每类图像的数量至少为2,且还可能发生异常终止的情况.为此,本文提出了一种基于轮廓系数的无监督的图像来源取证方法.该方法利用谱聚类算法来完成曲线图的分割,然后利用轮廓系数
感知图像的类型有助于提高图像取证、隐写分析、失泄密监管等安全检测的精度.因此,按照生成方式对图像进行类型分类对后续的安全检测具有显著意义.本文提出一种采用卷积神经网络对自然图像和文档扫描图像进行分类的方法,通过卷积和池化操作提取两类图像具有高区分度的特征,融合后得到分类判决结果.实验结果表明,所提出的分类方法在"SKL"图像库上分类精度超过93％.图像预处理对于模型的精度以及模型训练收敛所需时间具
本文针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法.首先,采用深度学习网络-无监督的受限玻尔兹曼机(RBM)代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,根据学习得到的词典,得到每一个SIFT特征对应的稀疏向量,并对其进行融合得到图像的深度学
为实现固定用户安全共享移动终端的加密数据,提出了跨加密系统的非对称代理重加密系统.在该系统中,计算能力有限的移动终端使用相对简单的基于身份的加密系统,而服务器和固定用户使用较复杂的基于身份的广播加密系统.该系统基于密文转换机制,使移动终端的简单的IBE密文被代理者转换成复杂的IBBE密文,同时代理者不会得知明文的任何信息.该方案的安全性可以归约到底层的IBE和IBBE方案的安全性.理论和实验分析表