基于深度隐写的数据隐私保护方法
文献发布时间:2024-04-18 19:58:21
技术领域
本发明属于数据隐私保护技术领域,具体涉及基于深度隐写的数据隐私保护方法。
背景技术
随着数字媒体技术的飞速发展和信息安全需求的日益增长,数据隐藏技术,尤其是隐写术,已经引起了广泛的关注。隐写术是一种信息安全技术,旨在将秘密信息隐藏在载体媒体中,如图像、音频或视频,以便无形地传输信息,同时不引起潜在拦截者的怀疑。图像隐写作为隐写术的一种,因其高容量和广泛的应用前景而备受瞩目。
已公开的现有技术大多关注于利用图像的冗余和感知不敏感性来隐藏信息。这包括最不显著比特(LSB)替换、离散余弦变换(DCT)域方法、离散小波变换(DWT)和随机空间编码等。这些方法通常依赖于在图像的某个部分(如像素、频率系数或小波系数)进行微小修改,这些修改在视觉上不容易察觉。
然而,现有的图像隐写技术面临着几个关键的挑战和问题。首先,简单的技术如LSB替换虽然实现容易,但容易被统计分析方法检测到,因为它们改变了像素值的统计分布。其次,更复杂的频率域方法,如基于DCT的隐写,虽然更难检测,但在数据嵌入量较大时可能会导致可见的图像质量下降。此外,许多现有方法要么对图像内容不敏感,要么依赖于一种“一刀切”的策略,没有充分利用图像内在的结构和内容。
发明内容
本发明的主要目的在于提供基于深度隐写的数据隐私保护方法,旨在更有效地隐藏敏感信息,同时最大限度地减少对载体图像的可见修改。
为解决上述技术问题,本发明提供基于深度隐写的数据隐私保护方法,所述方法包括:
步骤1:将载体图像分割成多个子区域;
步骤2:将每个子区域从空间域转换到频域,得到频域子区域;
步骤3:将目标数据嵌入到频域子区域中,目标数据嵌入完成后,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域;
步骤4:将嵌入子区域重新组合成一个完整的图像,得到嵌入图像;
步骤5:对嵌入图像进行非线性调整,得到非线性图像;
步骤6:对非线性图像进行二次嵌入,得到二次嵌入图像;将二次嵌入图像进行加密。
进一步的,所述方法还包括:步骤3中将目标数据嵌入到频域子区域前,还将对目标数据使用如下公式进行编码:
;
其中,
进一步的,所述步骤1中,使用如下公式将载体图像分割成多个子区域:
其中,/>
进一步的,所述步骤3中使用如下公式将目标数据嵌入到频域子区域中的方法包括:
;
其中,
进一步的,所述步骤3中,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域的方法包括:计算将目标数据嵌入到频域子区域前和目标数据嵌入到频域子区域后的频域表示的能量差异;对每个嵌入目标数据后的子区域的新频域表示执行逆频域变换,得到近似的空间域图像;设定能量补偿因子,基于能量差异来调整逆变换后的近似的空间域图像,得到嵌入子区域。
进一步的,所述步骤3中使用如下公式,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域:
;
其中,
进一步的,所述步骤5中,使用如下公式,对嵌入图像进行非线性调整,得到非线性图像:
;
为非线性图像;/>
进一步的,所述步骤6:对非线性图像进行二次嵌入,得到二次嵌入图像的方法包括:围绕目标数据通过一个哈希函数
进一步的,所述步骤6中,使用如下公式,对非线性图像进行二次嵌入,得到二次嵌入图像:
;
其中,
本发明的基于深度隐写的数据隐私保护方法,具有以下有益效果:提高了数据隐藏的安全性。通过采用高级的编码策略和基于内容的自适应图像分割,该方法使得隐藏的信息更难被未授权的第三方检测到。传统的隐写技术,尽管有效,但在某些情况下可能容易受到简单的统计分析的攻击,尤其是当使用像LSB这样的基本技术时。而这种新方法通过在数据编码和图像处理阶段使用复杂的数学运算,有效地隐蔽了嵌入信息的痕迹,从而抵抗针对隐写分析的更复杂的攻击。传统图像隐写方法通常采用固定的、一刀切的策略,忽略了图像本身的独特性。本发明通过引入基于图像内容的自适应分割,在每个图像中创建独特的、基于内容的隐藏模式。这不仅使得数据嵌入更自然、更难检测,而且允许算法优先选择那些能够最大限度减少视觉扰动的区域,例如高纹理区域或颜色丰富的区域。由于这种方法对图像内容的敏感性和自适应性,它可以广泛应用于多种类型的图像中,包括但不限于自然场景、医学成像、艺术作品等。这种通用性使其成为一个强大的工具,适用于各种需要隐蔽通信或保护知识产权的场景,例如数字水印、秘密通信、保护敏感文档等。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的基于深度隐写的数据隐私保护方法的方法流程示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1:参考图1,基于深度隐写的数据隐私保护方法,所述方法包括:
步骤1:将载体图像分割成多个子区域;
这一步涉及将载体图像分割成多个子区域。图像分割是计算机视觉中的一个常见步骤,用于将数字图像细分为多个部分或区域。这对于隐藏信息至关重要,因为它允许算法在多个区域中分布隐藏的数据,从而降低了单一区域数据修改的可察觉性。可以通过多种算法执行图像分割,例如K-means聚类、图割或深度学习方法。具体的分割策略可能会基于图像的特定特征,如颜色、纹理或边缘。
步骤2:将每个子区域从空间域转换到频域,得到频域子区域;
这一步骤涉及将图像从空间域转换到频域。在频域中,图像的每个点代表了该空间位置的频率响应。通常,图像的低频区域包含了大部分重要信息,而高频区域则包含边缘和细节。这通常通过傅里叶变换(例如快速傅里叶变换,FFT)或小波变换来完成。这些转换将图像数据从其典型的像素表示转换为表示频率信息的形式。
步骤3:将目标数据嵌入到频域子区域中,目标数据嵌入完成后,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域;
这一步骤中,目标数据被嵌入到频域子区域中。这意味着信息是在图像的频率组件中隐藏的,而不是直接在像素级别上进行修改,这有助于隐藏数据的存在。数据嵌入可能通过多种方法完成,例如最不重要位(LSB)技术,或更复杂的编码策略如扩频。嵌入完成后,使用逆变换(如逆FFT或逆小波变换)将数据从频域转换回空间域。
步骤4:将嵌入子区域重新组合成一个完整的图像,得到嵌入图像;
此步骤涉及将修改后的子区域重新组合成一个完整的图像。这是一个相对直接的过程,但需要确保子区域在重新组合时能够无缝对齐,以避免产生可见的伪影。这通常涉及简单的图像拼接,其中子区域被放置回它们在原始图像中的对应位置。
步骤5:对嵌入图像进行非线性调整,得到非线性图像;
这一步骤中,对嵌入图像进行非线性调整。这可能涉及应用各种滤镜或变换,以进一步掩盖隐藏数据的痕迹。非线性调整可能包括对比度调整、锐化、应用非线性滤波器等,这些都旨在改变图像的视觉特性,同时不影响嵌入数据的可读性。
步骤6:对非线性图像进行二次嵌入,得到二次嵌入图像;将二次嵌入图像进行加密。
最后一步包括进行二次嵌入和随后的加密。二次嵌入可能是为了增加额外的信息层,或进一步掩盖已嵌入数据的存在。随后的加密确保即使图像被拦截,数据也保持安全。二次嵌入可能使用与初次嵌入相同或不同的技术。完成二次嵌入后,图像可以通过标准的加密算法(如AES)进行加密,这需要一个加密密钥,该密钥必须安全地共享给所有授权的数据接收者。
具体的,通过一系列的图像处理、数据嵌入和加密步骤,有效地隐藏敏感或机密信息,同时最大程度地减少对载体图像质量的影响。图像分割通过将整个图像分解成更易于分析和操作的部分,为后续的数据嵌入创建了基础。这有助于提高隐写算法的灵活性和数据容量,因为不同的区域可以根据其视觉特性来承载不同量的数据。分割的主要作用是提高隐写的安全性和可靠性。通过在多个子区域中分散数据,单点故障的风险降低,同时也更难检测到数据的隐藏。频域分析允许在图像的不同频率成分中操作数据,这通常是在视觉上不太明显的区域进行,从而提供了一种更隐蔽的方式来嵌入数据。转换到频域使得嵌入过程更不容易被察觉,并且通常能提供更高的数据容量,因为高频组件(如图像中的纹理和噪声)可以用来隐藏大量信息,而不会引起显著的视觉变化。数据嵌入是通过算法将信息编码到图像的频域组件中,这些信息可以是任何类型的数字数据,如文本、数字或其他图像。数据嵌入的目的是隐藏信息,确保只有知道提取算法的人才能访问它。同时,这种方法旨在尽可能减少对图像质量的影响。重组步骤涉及将修改后的子区域重新整合成一个新的图像,这一过程确保数据在整个图像中均匀分布。图像重组确保数据在视觉上保持一致性和完整性,同时保持嵌入数据的机密性。非线性调整可能包括对动态范围、颜色平衡或其他图像属性的调整,以进一步混淆嵌入的数据痕迹。这个步骤增加了从图像中提取数据的难度,从而为数据提供了额外的安全层。二次嵌入提供了另一层数据隐藏,加强了安全性。随后的加密进一步确保数据的安全,即使在传输过程中图像被拦截,没有解密密钥的个人也无法访问嵌入的数据。这一步骤的主要作用是增强整体安全性,确保数据在传输或存储过程中免受未经授权的访问。
实施例2:在上一实施例的基础上,所述方法还包括:步骤3中将目标数据嵌入到频域子区域前,还将对目标数据使用如下公式进行编码:
;
其中,
具体的,编码的目标是将原始数据(可能是文本、数字或其他二进制数据)转换为一种格式,该格式可以更容易地在图像中隐秘地嵌入,同时减少对图像质量的影响。这通常涉及对数据的数学变换,使得数据在被嵌入图像后能在频域或空间域中更难被检测到。
通过使用指数函数和三角函数,该公式增加了数据的复杂性和不规则性。这种不规则性使得数据更像是图像中的随机噪声而非有意义的信息,这对于隐写术特别重要,因为希望隐藏的信息尽可能看起来像是图像的一部分,而不是外来的、可识别的模式。
实施例3:在上一实施例的基础上,所述步骤1中,使用如下公式将载体图像分割成多个子区域:
其中,/>
具体的,
是一个关键参数,它决定了图像分割的自适应性和智能性。这个角度是基于图像的内容计算出来的,意味着它可以反映图像内部的特定特征,如纹理、颜色分布、边缘信息等。以下是一个可能的方法来计算/>
特征提取:首先,需要从图像中提取相关的特征。这可以通过各种图像处理技术实现,例如边缘检测(如Canny边缘检测器)、纹理分析(如灰度共生矩阵(GLCM))或颜色分布(通过颜色直方图)。提取这些特征后,将得到一组特征向量,每个向量对应图像中的一个特定区域。
例如,对于每个预定义的区域
角度计算:得到特征向量后,需要将这些多维数据转换为一个可以表示角度的标量值。这一步可以通过多种方法实现,例如主成分分析(PCA)来减少维度,然后计算得到的主成分与坐标轴的夹角;或者直接计算特征向量在极坐标下的角度。
一个具体的计算方法如下:
;
在这里,
这种方法的关键在于它将图像的内在特征转换为一个角度值,这个值然后用于调整图像分割的方式。这意味着分割不仅基于图像的几何形状,还基于图像内容的复杂性和多样性,使得隐藏的数据更难被检测到,因为数据是根据每个区域的独特性进行嵌入的。
实施例4:在上一实施例的基础上,所述步骤3中使用如下公式将目标数据嵌入到频域子区域中的方法包括:
;
其中,
具体的,
这个公式是在原始频域系数
实施例5:在上一实施例的基础上,所述步骤3中,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域的方法包括:计算将目标数据嵌入到频域子区域前和目标数据嵌入到频域子区域后的频域表示的能量差异;对每个嵌入目标数据后的子区域的新频域表示执行逆频域变换,得到近似的空间域图像;设定能量补偿因子,基于能量差异来调整逆变换后的近似的空间域图像,得到嵌入子区域。
具体的,
这个公式的工作原理是首先使用小波逆变换
通过这种方法,图像的总体视觉质量得到更好的保持,尽管其中包含了隐藏数据。这对于隐写术来说是至关重要的,因为它需要在不引起注意的情况下隐藏信息。这个步骤特别重要,因为它直接影响到最终图像的视觉可接受度。
实施例6:在上一实施例的基础上,所述步骤3中使用如下公式,将每个已嵌入目标数据的频域子区域从频域转换回空间域,得到嵌入子区域:
;
其中,
子图像重组,目标是将之前步骤中处理的多个子图像重新组合成一个完整的图像。这一过程不仅仅是简单地将它们拼合在一起,而是要根据每个子图像的内容和重要性分配不同的权重,从而在最终的图像中实现无缝和谐的视觉效果。
;
:这是重新组合后的图像,它包含了之前步骤中嵌入的隐藏数据。/>
例如,一个包含重要视觉信息(如面部、文字或关键对象)的区域可能会被赋予更高的权重,而背景或视觉上不那么重要的区域则被赋予较低的权重。通过这种方式,重要区域在最终图像中会被更好地保留,从而提高了整体的视觉质量和数据隐藏的隐蔽性。
这个权重化的合并过程确保了不同子图像之间的平滑过渡,同时最大限度地减少了视觉失真,因为视觉上最重要的区域得到了优先考虑。通过这种方法,隐藏的数据可以更自然、更隐蔽地融入最终的图像中。
实施例7:在上一实施例的基础上,所述步骤5中,使用如下公式,对嵌入图像进行非线性调整,得到非线性图像:
;
为非线性图像;/>
:经过非线性调整后的最终图像。/>
接着,双曲正切函数
最后,通过元素乘法,所有这些调整都应用于原始图像
这个公式中,/>
这个公式实际上是逐像素应用的,意味着对于图像中的每个像素,都会根据这个公式和给定的
实施例8:在上一实施例的基础上,所述步骤6:对非线性图像进行二次嵌入,得到二次嵌入图像的方法包括:围绕目标数据通过一个哈希函数
具体的,首先针对待嵌入的原始数据
通过上述步骤,实现了一种自适应的二次嵌入策略,不仅考虑了要嵌入的数据的性质,还考虑了接收图像的当前状态。这有助于最大限度地减少对图像质量的影响,同时确保数据的安全性和完整性。
实施例9:在上一实施例的基础上,所述步骤6中,使用如下公式,对非线性图像进行二次嵌入,得到二次嵌入图像:
;/>
其中,
具体的,
然后,指数项根据
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
- 基于深度学习的隐写文本抗隐写分析能力增强方法
- 基于隐写噪声深度提取的JPEG图像隐写分析方法