一种提升映射式无载体图像隐写术的鲁棒性的方法

摘要：映射式无载体图像隐写术（Mapping-based coverless image steganography，MCIS）因其对原理的低复杂度及对隐写分析算法的良好抗性得到广泛研究与应用。现有的MCIS算法通常采用数据库匹配来识别秘密信息，而在受到攻击时鲁棒性会下降。为了解决以上问题，本文提出了一种提高MCIS在攻击下的鲁棒性的方法，采用预传输减少攻击对图像匹配的影响。

关键词：无载体图像隐写术，鲁棒性，信息安全

一、引言

无载体图像隐写术（Coverless Image Steganography， CIS）是一种利用图像固有性质秘密传递信息的技术，根据隐写图像的获得方式不同，其可分为映射式与生成式两种，其中MCIS利用图像固有特性与哈希序列的秘密映射隐藏并传递信息。在实际的图像传输过程中，用于传递信息的隐写图像可能因信道干扰导致图像特性改变从而导致信息提取错误，因此MCIS的鲁棒性成为评价其性能的重要标准之一。

CIS最早由Z. Zhou 等人于2015年[1]提出，它同时也是最早的MCIS算法。此后，借助图像各类性质的MCIS算法，如SIFT[2]、DCT[3]、DWT[4]、多对象[5]等，推动了MCIS算法的持续发展。但是，这些算法在受到攻击时信息传输的正确率即鲁棒性会降低，主要原因是这些算法中，发送方将原始隐写图像直接共享给了接收方，而接收方使用了这些图像作为匹配的依据，当通信过程中隐写图像受到几何攻击时，接收方无法从缺失的区域获取原信息，进而可能导致匹配错误。

为了解决上述问题，本文提出了一种提高MCIS对几何攻击抗性的方法，先利用预设的种子构建图像库，采用预传输测试信道并更新数据库，以新的数据库作为匹配标准，增强算法的鲁棒性。

二、算法

在通信开始前，发送方需要先指定一个密钥Key 1，然后将这个密钥通过加密信道发送给接收方。此外，发送方还需要获取N张图像，它们以特定的顺序存储于数据库中，这个数据库同样需要被发送方共享给接收方。

当通信开始时，发送方将执行预传输操作。发送方根据Key 1通过随机数生成器生成一个随机数序列，它包含n个随机整数，且每一个随机数互不相同且不一定连续。然后，发送方以这些整数为索引，将数据库中对应的图像提取出来置于另一文件夹中，得到包含n张图像的新数据库文件夹，这些图像称为隐写图像。下一步，发送方对这些随机整数进行排序，将它们的序号提取出来，得到一个新的序列，这个序列由从1到n的整数组成，且它们随机排列。根据这个新的序列，发送方将对新数据库文件夹中的图像进行重新排序，随后按照新的顺序向接收方通过即将进行通信的信道依次发送图像，直至将新数据库文件夹中的所有图像发送完毕。接收方在接收到Key 1和数据库后，按照同样的方法得到一个新数据库文件夹，由于收发双方所使用的种子与随机数生成器均完全相同，因此得到的新数据库文件夹也完全相同。当接收方通过通信信道获取了发送方发送的各图像后，将它们按照接收顺序排列，此时接收方持有这n张图像的两种排列方式，分别是由Key 1得到的在新数据库文件夹中的顺序，以及接受图像的顺序，这两个顺序之间可以视为存在一种映射关系，即对于接收方而言，接收到的任意图像均与新数据库文件夹中的一张图像对应。

在预传输之后，即可进行正式通信。设发送方将要传输长度为M比特的秘密信息，首先发送方将秘密信息划分为T个子段，每个字段的长度为L，若末尾的字段长度不足，则补充对应数量的0，记录补0的数量。新数据库文件夹中图像数量应满足

（1）

即每张图像对应一种可能的字段，亦即秘密信息中包含的每个字段均可由一张隐写图像表示，而整个秘密信息则可以由若干隐写图像表示。发送方将所有字段对应的隐写图像依次经由预传输时的通信信道发送给接收方，而接收方在每接收到一张隐写图像时即将其与新数据库文件夹中的图像进行图像匹配，将匹配结果还原为秘密信息并去除对应数量的0，即可实现秘密信息的隐写通信。

在实际的通信过程中，传输的图像质量的下降通常是由于信道本身的干扰引起的，这种干扰通常具有较为固定的强度且可持续，因此所有经由此信道通信的图像均会受到近似相同的影响。在接受方进行图像匹配时，若所有图像受到的影响足够大，匹配错误的可能性就会急剧增加。因此，本文提出了一种解决该问题的方法：在预传输完成后，将接收到的隐写图像按接受顺序置于另一文件夹中，并以该文件夹及其中的图像作为匹配的依据。由于图像匹配的目的为寻找正确的图像而非直接由图像中提取信息，且信道已经对预传输的隐写图像产生影响，在后续的传输过程中信道对真正传输信息的隐写图像产生的影响则被相应地抵消了，增加了匹配的准确率，进而增加算法的鲁棒性。

通常情况下，隐写图像可能遭受的攻击可分为几何攻击与非几何攻击，其中几何攻击包括裁剪、平移及旋转等，而非几何攻击则包括高斯噪声、椒盐噪声、滤波、JPEG压缩等。当隐写图像受到几何攻击时，本方法可以较好地提高MCIS算法的鲁棒性，因为在该类攻击下图像受损区域总是固定的，在预传输的作用下可以很好地抵消图像受到的几何攻击。对于非几何攻击中的噪声，由于其本身具有一定的随机性，不同时刻的噪声不相同，因此本方法的效果较为一般，而对于固定强度的压缩或固定窗口大小的滤波，本方法则可以较为有效地提高MCIS算法的鲁棒性。

虽然本方法可以一定程度上提升MCIS的鲁棒性，但预传输过程本身需要占用一定的通信时间，且由于需传输的图像增多，通信压力也随之增大，因此本方法较为适合在通信压力较小、信道干扰强但较为稳定的场合使用。

四、结论

本文提出了一种利用预传输增强MCIS算法的鲁棒性的方法，在随机数种子和特定算法下实现对几何攻击及非几何攻击的抵消，进而增强算法的鲁棒性，具有一定的实用价值。

参考文献：

[1]Z. Zhou， H. Sun， R. Harit， et al.， “Coverless image steganography without embedding，” International Conference on Cloud Computing and Security 123–132 （2015）.

[2] S. Zheng， L. Wang， B. Ling， et al.， “Coverless information hiding based on robust image hashing，” International Conference on Intelligent Computing， 536–547 （2017）.

[3] X. Zhang， F. Peng， and M. Long， “Robust coverless image steganography based on DCT and LDA topic classification，” IEEE Trans. Multimedia 20（12）， 3223–3238 （2018）.

[4] Q. Liu， X. Xiang， J. Qin， et al.， “Coverless steganography based on image retrieval of DenseNet features and DWT sequence mapping，” Knowledge-Based Systems 192， 105375 （2020）.

[5] Y. Luo， J. Qin， X. Xiang， et al.， “Coverless Image Steganography Based on Multi-Object Recognition，” IEEE Trans. Circuits Syst. Video Techno. 31（7）， 2779–2791 （2021）.