自然图像最低有效位隐写方法的缺陷以及对其分析的实现

20世纪90年代以来, 信息隐藏成为信息技术领域的一大研究热点。信息隐藏的目的是在图像、音频、视频等数学媒体信号中嵌入不可察觉的隐蔽数据。这种技术的一个突出应用领域就是保护数学媒体知识产权的数学水印。另一重要应用是隐蔽通信, 而隐蔽通信的主要意义则在于利用信息隐藏的技术实现对通信行为的隐藏, 以便与加密技术配合, 进一步提高保密通信的安全性。

1 隐写的基本概念及其分析

这里我们仅就隐写的基本概念和相应的通信模型给予形象的描述。隐写对应隐秘通信的“经典”模型是由Simmons作为“囚犯问题”首先提出的, 即如何在一个极不安全的信道中安全传送秘密的消息。隐写的信息通常已事先被某些传统的方法加密, 然后用某种方法修改一个“伪装文本”, 使其包含被加密过的消息, 形成所谓“隐秘文本”。隐写不但可以保护通信的内容的安全性更可以保护秘密通信存在本身。另外选择载体上的自由性, 我们可以选择任意的图像、音频、视频等多媒体数据来进行嵌入, 利用不安全的公用信道实现安全的通信。

隐写分析是隐写算法安全性分析的重要技术手段。它是指从观察到的图像、音频或视频数据中检测是否存在隐藏信息的一种技术, 是当前信息隐藏领域的研究热点和难点。成功的隐写分析建立在对载体 (图像, 音频, 格式化文本) 特性的深入理解以及对隐藏算法机理的深入分析。隐写分析技术的研究有利于防止隐写术的非法使用, 起到防止机密资料流失、揭示非法信息、打击恐怖主义、预防灾难发生等等作用, 从而保证国家安全和社会稳定。

2 LSB隐写的原理和方法

LSB密写是一咱简单而有效的数据隐藏技术。在下面的讨论中, 以静止灰度图像为例介绍LSB密写, 其原理和方法也适用于彩色图像、视频和音频信号等不同载体。

数字灰度图像由像素组成, 每个像素一个灰度值, 灰度值越大表示亮度越高灰度值通常是介于0到255之间的整数, 0代表黑色, 255代表白色。如果图像开关为矩形, 那么灰度值可以看作是以像素灰度值为元素的矩阵。

图像的像素灰度可以有8比特二进制数表示。其中最高位代表128, 对灰度值的贡献最大, 而最低位表示1, 对灰度值的贡献最小, 称为最低比特位。实际上, 最低比特就是像素灰度除以2的余数。将所有像素的不同比特位抽取出来, 就构成了8个不同的位平面。

对于一幅自然图像, 相邻像素灰度的差别往往不大, 也就是说相邻灰度值的相关性比较强。而位平面越高, 对灰度值的贡献就越大, 相邻比特的相关性也越强, 所以往往能显示出较好的规律性。

LSB密写的基本方法是用欲嵌入的秘密信息取代载体图像的最低比特位, 原来图像的7个高位平面与代表秘密信息的最低位平面组成含隐蔽信息的新图像。

在密写前, 首先将欲嵌入的秘密信息转化为比特流, 再对这个比特流进行加密或置乱, 然后逐行或逐列地替换载体图像的最低比特位。置乱就是以一定方式打乱比特流的顺序, 也可以看作是一种加密方法。置乱的方式就是密钥。如果信息的比特数小于载体图像的像素数, 也可以采用在最低位平面上随机游走的方法建立起秘密比特与载体图像最低比特位的对应关系, 然后进行替换嵌入。当然, 游走的具体方法由密钥决定, 以便接收者能够根据密钥顺利提取秘密信息。

当信息的接收者得到密写图像后, 便可直接取出最低比特位平面, 根据密钥解密或经逆置乱后得到信息。即使隐蔽通信的第三方 (监控者) 得到了密写图像的最低位平面, 由于并不知道密钥, 所以无法获得信息。

由于信息经过加密或置乱搬弄是非挖于随机噪声, 而载体图像的最低位平面也类似于随机噪声, 所以, 嵌入信息后, 最低位平面的统计特性并没有明显改变。而且比特位对像素灰度值的影响最小, 视觉上基本无法察觉LSB密写对载体图像的改变。

最低比特位实际上就是像素灰度值除以2的余数, 所以LSB密写方法也可以作如下描述:每一比特秘密信息都用载体图像的一个像素负载, 如果秘密比特与像素灰度值除以2的余数相同, 则不作修改;否则, 若原始灰度值为奇数, 则减1, 若为偶数, 则加1。提取秘密信息时只要对密写图像的灰度值模2求余即可。

3 LSB密写分析方法——GPC分析法

GPC分析方法一种利用相邻像素相关性进行密写分析的方法。LSB密写方法将秘密信息隐藏在载体数据的最低比特位上, 相当于在原始数据上叠加能量很小的噪声, 所以对视觉的影响非常小。对于绝大多数图像而言, 采样点之间是具有较强相关性的, 而秘密信息通常经过压缩或加密, 不具有相关性, 可以利用这个特性对密写行为进行检测, 具体方法如下:

首先将接收到的载体数据看作连续波形的离散采样, 也就是说, 将像素位置对应于XY平面上的一个点, 而将灰度大小对应于Z轴上的一个值, 可以得到三维空间中的一个离散点集。然后将相邻像素用直线连接起来, 就可以得到三维空间中的起伏网络, 类似于一个渔网。

考虑两个平行于XY平面的平面簇, 平面簇P0由z=1.5, z=3.5, z=5.5, …, z=255.5组成, 平面簇P1由z=0.5, z=2.5, z=4.5, …, z=254.5组成。令渔网的网格线穿越平面簇P0和P1的次数分别为N0和N1。如果该载体数据没有经过LSB密写, 则平面簇P0与P1对载体数据而言在统计上没有差异, 可以认为N0≈N1。相反, 若该载体数据经过LSB密写, 由于密写仅仅替换原始载体数据的最低比特, 并不会使像素跨越平面簇P0中的平面, 所以N0保持不变;但密写引起的像素值改变却会使像素跨越平面簇P1中的平面, 由于密写使图像相邻像素间的相关性减弱, 所以会使N1增大。

根据以上分析, 可以通过比较N0与N1来确定载体图像时候经过LSB密写。令R=N1/N0, 定义阈值T, 当R>T时, 认为该载体数据含有秘密信息。

在实际应用中, 如果图像边缘成分较多, N0, N1就会较大, 使R的变化不敏感。因此, 可以采用下面的策略:如果相邻像素的灰度值差距大于一定的值D, 那么这一对像素对应的穿越次数不计入N0和N1。这样一来, N0和N1不至于太大而影响到R的灵敏性。

用该方法进行LSB密写分析, 肯能出现两种错误。第一类为漏检错误, 将含有秘密信息的载体误判为不含秘密信息。第二类为虚警, 将不含秘密信息的载体误判为含有秘密信息。当提高阈值T时, 虚警概率下降, 漏检概率提高;反之, 则漏检概率下降, 虚警概率提高。

参考文献

[1] 张新鹏, 王朔中, 对空域BPCS密写的统计分析.计算机辅助设计与图形学学报, 2005.17 (7) :p.1625-1329.

[2] 刘文芬, 管伟, 曹佳, 张卫明, 基于污染数据分析实现LSB秘密消息的检测.计算机研究与发展, 2006.43 (6) :p.1058-1064.