论文阅读《Upward Robust Steganography Based on Overflow Alleviation》基于溢出缓解的向上鲁棒隐写术

TMM 2023 国防科技大学、中国科学技术大学

Zeng, Kai, Kejiang Chen, Weiming Zhang, and Yaofei Wang. "Upward robust steganography based on overflow alleviation." IEEE Transactions on Multimedia 26 (2023): 299-312.

---

一、鲁棒隐写场景

现有的隐写算法根据应用场景被分为“白盒鲁棒”和“灰盒鲁棒”。

"灰盒鲁棒"（Grey-Box Robust）是隐写术中的一个术语，用来描述一类特定的隐写算法，这些算法在设计时考虑了JPEG压缩过程中的一些信息，但不需要完整的信道状态信息。这个术语中的“灰盒”意味着算法设计者对JPEG压缩过程有一定的了解，但这种了解是有限和不完全的。在“灰盒鲁棒”隐写算法中，通常假设算法设计者知道JPEG压缩的大致质量因子（QF）范围，而不是确切的QF值。

在“灰盒鲁棒”隐写的场景中，隐写算法需要能够在以下条件下工作：

1. 不完全的信道知识：算法不需要知道JPEG压缩的确切QF，但假设它在一个预期的范围内，例如，算法可能假设压缩后的QF会比原始图像的QF高或低。

2. 适应性：算法需要能够适应不同的压缩条件，即使在不完全了解具体压缩参数的情况下，也能够保持隐写信息的稳定性和隐蔽性。

3. 抵抗检测和压缩：算法设计要能够在一定程度上抵抗统计分析和压缩带来的影响，以减少隐写信息被检测到的风险。

“灰盒鲁棒”隐写算法的例子包括那些能够在不知道确切压缩参数的情况下，通过选择图像中的某些特定区域（如中频DCT系数）进行信息嵌入的算法。这些算法通常利用了JPEG压缩过程中的一些统计特性，如量化步骤的变化，来提高隐写信息的鲁棒性。

与之相对的是“白盒鲁棒”（White-Box Robust）和“黑盒鲁棒”（Black-Box Robust）：

1. 白盒鲁棒：算法设计者拥有完整的信道信息，比如确切的JPEG压缩QF，或者能够控制压缩过程。
2. 黑盒鲁棒：算法设计者没有任何关于信道的信息，算法需要在完全未知的压缩条件下工作。

“向上鲁棒”和“向下鲁棒”是“灰盒鲁棒”中的两种特定场景，分别对应于JPEG压缩后QF高于或低于原始图像QF的情况。

“向上鲁棒”场景是指隐写算法只需要知道信道重压缩的QF大致高于载体图像的QF，这在在线社交网络（OSNs）中是常见的，因为它们通常根据图像内容自适应地选择重压缩QF。“向上鲁棒”隐写术关注的是在图像经过特定类型的处理（如重新压缩）后，如何保护和隐藏信息。

二、JPEG重压缩及问题

向上鲁棒隐写（Upward Robust Steganography）是指在JPEG图像上传到在线社交网络（OSNs）时，图像会被重新压缩为更高的质量因子（QF）的情况下，隐写信息仍然能够保持鲁棒性和不可检测性。这一过程中，空间溢出是一个关键问题。以下是详细的介绍：

2.1 JPEG压缩和重新压缩过程

附：JPEG图像压缩算法详解https://blog.csdn.net/linchare/article/details/100725648
视频讲解https://www.bilibili.com/video/BV1gJ4m1j7Q5/?spm_id_from=333.337.search-card.all.click&vd_source=0b1f472915ac9cb9cdccb8658d6c2e69JPEG工作原理（傅里叶变换）

（1）原始压缩

• 分割：图像被分割成8×8的块。
• DCT变换：每个块进行离散余弦变换（DCT），将空间域数据转换为频率域数据。
• 量化：DCT系数被量化，即将每个系数除以对应的量化步长并取整。
• 编码：量化后的系数被编码，形成JPEG文件。

（2）重新压缩

• 解码：JPEG文件被解码，量化后的DCT系数被恢复。
• 反量化：量化后的系数被乘以量化步长 进行反量化。
• IDCT变换：反量化后的DCT系数被转换回空间域，形成空间值。
• 重新量化：空间值再次进行DCT变换，然后被量化为新的DCT系数。
• 重新编码：新的DCT系数被编码，形成新的JPEG文件。

2.2 空间溢出的原因

2.3 空间溢出的影响