论文阅读《Robust Adaptive Steganography Based on Adaptive STC-ECC》基于自适应STC-ECC策略的鲁棒隐写术

TMM 2024 杭州电子科技大学

Yao Ye, Huang Linchao, Wang Hui, Chang Qi, Ren Yizhi, Xiao Fengjun*. Robust Adaptive Steganography Based on Adaptive STC-ECC, IEEE Transactions on Multimedia, 2024, 26, 5477-5489.  DOI: 10.1109/TMM.2023.3334487.

---

一、背景介绍

随着在线社交网络（OSNs）的日益普及，隐蔽通信正迅速从电子邮件等无损信道转向有损信道，特别是社交网络。为应对这一趋势，鲁棒自适应隐写术成为在有损传输信道中隐藏信息的主流技术。以往的方法旨在通过利用静态抗压缩域、校验子格编码（STC）和纠错码（ECC）来应对传输过程中JPEG图像压缩的挑战。其中，图1(a)中使用的"静态抗压缩域&ECC-STC"框架，在STC解码过程中，错误扩散现象会导致提取秘密信息的准确性降低。图1(b)中采用的"静态抗压缩域&STC-ECC"框架，首先进行STC嵌入，然后用ECC对生成的隐码序列进行编码，以产生更少的校验码。这一改进大大提高了信息提取的准确性。然而，在静态嵌入域中使用此策略，即使嵌入较小的有效载荷，也会嵌入固定数量的校验码，从而影响其安全性。  

图1 静态抗压缩域&ECC-STC"框架

在隐写术中，静态抗压缩域、校验子格编码（STC）和纠错码（ECC）是提高隐写算法鲁棒性和安全性的关键技术。下面分别解释这些概念以及它们在隐写术中的应用：

1. 静态抗压缩域（Compression-Resistant Domains）：

   • 定义：静态抗压缩域是指在图像经过压缩（如JPEG压缩）和解压后，变化不大的图像区域或DCT系数。这些区域对压缩过程具有较高的抵抗力，因此在这些区域嵌入的信息更不容易在压缩过程中丢失。
   • 应用：在设计隐写算法时，可以选择这些抗压缩的区域作为嵌入秘密信息的位置。例如，可以选择JPEG图像中那些即使在高压缩率下也不太变化的高频DCT系数作为嵌入域，以提高隐写信息的鲁棒性。

2. 校验子格编码（Syndrome-Trellis Codes, STC）：

   • 定义：STC是一种用于隐写术的编码方法，它结合了矩阵编码和湿纸编码的优点。STC通过构建一个“子格”，在这个子格内寻找一条路径（或称为“子路径”），这条路径可以最小化嵌入引起的失真，并且能够编码秘密信息。
   • 应用：在隐写算法中，STC可以用来在图像的DCT系数中嵌入秘密信息。通过精心设计嵌入策略，STC可以确保即使在有损压缩后，嵌入的信息也能被准确地提取出来。STC的关键在于找到最优的嵌入路径，使得嵌入的信息对图像的视觉质量影响最小，同时保持较高的信息隐藏容量。

3. 纠错码（Error Correction Codes, ECC）：

   • 定义：纠错码是一种用于检测和纠正数据传输或存储过程中出现的错误的方法。在隐写术中，ECC可以用来提高信息在有损压缩过程中的鲁棒性。
   • 应用：在隐写算法中，可以在嵌入秘密信息之前，使用ECC对信息进行编码，生成额外的校验码。这些校验码随后与秘密信息一起嵌入到图像中。即使在图像经过压缩和其他有损处理后，接收方仍然可以通过ECC检测和纠正可能发生的错误，从而准确地提取原始的秘密信息。

二、方法介绍

2.1自适应隐写术方法的框架

图2 自适应隐写术方法的框架

几个关键步骤：

1. 预载体图像（Pre-Cover U）：这是隐写过程开始前的原始高质量图像，用于生成与传输通道相匹配的载体图像。

2. 传输匹配（Transport Matching）：分析传输通道的特性，如JPEG压缩质量因子，以匹配通道条件。

3. 载体图像（Cover X）：通过压缩预载体图像U生成与传输通道相匹配的载体图像X。

4. 模拟嵌入（Simulate embedding）：模拟嵌入过程以预测和评估在特定传输通道下的性能，确定湿点（p*），并优化嵌入策略。

5. 块-wise失真（Block-wise distortion p'）：计算每个DCT块的失真，为嵌入过程提供指导。

6. DCT块（DCT Blocks）：将图像分成8x8的离散余弦变换（DCT）块，这些块是嵌入秘密信息的基本单元。

7. 候选嵌入域（Candidate embedding domain C）：从DCT块中选择适合嵌入秘密信息的候选区域。

8. 自适应鲁棒元素（Adaptive robust elements）：根据模拟嵌入的结果，识别并选择适应性强的嵌入元素。

9. STC-ECC（Syndrome-Trellis Codes - Error Correction Codes）：应用STC-ECC策略将秘密信息嵌入到选定的嵌入域中，并进行错误校正。

10. 提取消息（Extract message m）：从嵌入的载体图像中提取秘密信息。

11. 修改与重压缩（Modification with Re-compression）：根据STC-ECC策略修改DCT系数，并进行重压缩以生成最终的隐写图像。

12. 隐写图像（Stego Y）：最终生成的含有嵌入秘密信息的图像，它在视觉上与原始载体图像难以区分，但在经过适当的解码过程后可以提取出隐藏的信息。

这个框架通过自适应地选择嵌入域、利用模拟嵌入来预测潜在的失真、以及应用STC-ECC策略，提高了隐写技术的鲁棒性和安全性，使其能够在有损的社交网络环境中有效工作。

2.2自适应STC-ECC鲁棒隐写策略

为解决上述局限性，本文提出一种新的自适应STC-ECC鲁棒隐写策略。该策略根据有效载荷大小选择合适长度的载体序列，有效地解决了既要保持高鲁棒性，又要避免生成大量固定长度校验码的难题。

图3 自适应STC-ECC鲁棒隐写策略

“自适应STC-ECC”策略是为了解决在JPEG图像压缩等有损传输通道中隐藏信息时的鲁棒性和安全性问题。具体实现步骤如下：

1. 选择覆盖序列（Cover Sequence Selection）：

   • 选择一个候选嵌入域（candidate embedding domain）并对其进行扰乱（scrambling）。
   • 根据秘密信息（secret message）的长度确定嵌入域的长度。
   • 将扰乱后的序列（scrambled sequence）划分为等大小的块，并根据有效载荷（payload）选择最优数量的块作为嵌入域。

2. 嵌入秘密信息（Embedding the Secret Message）：

   • 将序列分为两部分，一部分用于嵌入秘密信息，另一部分用于嵌入校验码。
   • 使用综合征-特雷利斯码（Syndrome-Trellis Codes, STC）将秘密信息嵌入到第一部分中，得到部分隐写序列（partial stego sequence）。
   • 将该部分隐写序列通过错误校正码（Error Correction Codes, ECC）编码得到校验码，然后使用STC将校验码嵌入到第二部分中，形成另一部分隐写序列。
   • 如果有未选择的嵌入块，将它们填充到序列中，然后进行反扰乱（inverse scrambling）得到最终的隐写序列。

3. 模拟嵌入（Simulate Embedding）：

   • 通过模拟嵌入过程，检测JPEG重压缩可能引入的潜在错误。
   • 避免修改不适当的系数，从而增强嵌入方法的鲁棒性。

4. 抖动调制与残差信息（Dither Modulation with Residual Information）：

   • 利用预载体图像（pre-cover image）与载体图像（cover image）之间的残差信息来调整失真，并确定抖动调制的方向。
   • 通过计算真实失真并根据残差信息调整覆盖元素的修改方向，增强了隐写方法的安全性。

5. 主程序（Main Procedure）：

   • 假设已知传输通道的质量因子（Qc），并获取通过压缩高质量图像（U）得到的载体图像（X）。
   • 计算失真，然后根据残差信息优化失真。
   • 选择覆盖序列，模拟嵌入，嵌入秘密信息，然后进行重压缩修改。

这种策略通过自适应地选择最佳的嵌入域长度，以及在嵌入过程中考虑JPEG压缩的影响，从而在不牺牲鲁棒性的前提下提高了隐写技术的安全性。通过减少固定长度校验码的生成，这种方法在保持秘密信息鲁棒性的同时，减少了因校验码过多而可能对安全性造成的影响。

---

PS:补充——抖动调制

抖动调制（Dither Modulation）是一种在数字隐写术中常用的技术，特别是在处理JPEG图像隐写时。其核心目的是在图像的DCT（离散余弦变换）系数中嵌入秘密信息，同时尽量保持图像的视觉质量并提高对JPEG压缩等有损处理的抵抗力。抖动调制的基本思想是利用图像量化过程中的误差来隐藏信息。

在JPEG图像压缩中，DCT系数通常会被量化，即按照一定的量化步长进行舍入。抖动调制算法利用这一过程，通过选择适当的量化步长，使得在量化时可以表示出二进制的秘密信息。具体来说，抖动调制的步骤通常包括：

1. 选择量化步长（Quantization Step Selection）：根据秘密信息的位（比特），选择适当的量化步长，创建两个相邻的量化区间，分别对应于‘0’和‘1’的嵌入。

2. 计算修改距离（Calculation of Modification Distances）：计算当前DCT系数与两个量化区间边界的距离，以确定向哪个方向调整系数以嵌入特定的比特值。

3. 应用嵌入规则（Embedding Rule Application）：根据计算出的距离，选择性地增加或减少量化步长，以将秘密信息嵌入到DCT系数中。这个过程需要确保调整后的系数在量化后能够反映出原始的秘密信息。

抖动调制算法的一个关键优势是它能够在不显著改变图像视觉质量的前提下，实现对JPEG压缩的抵抗力。这是因为算法利用了JPEG压缩过程中的自然量化步骤，而不是引入额外的、可能影响图像质量的修改。

STDM 扩展变换抖动调制 水印算法 python 版本

STDM 数字水印算法 Matlab版本

待补充...