论文阅读《Errorless Robust JPEG Steganography Using Outputs of JPEG Coders》利用JPEG编码器输出的JPEG无误差鲁棒隐写术

糖炒栗子要加糖

已于 2024-09-10 21:16:22 修改

阅读量994

点赞数 8

分类专栏：鲁棒隐写文章标签：算法安全 matlab

于 2024-09-09 06:08:31 首次发布

本文链接：https://blog.csdn.net/2301_81845359/article/details/142036481

版权

鲁棒隐写专栏收录该内容

8 篇文章 0 订阅

订阅专栏

TDSC 2023

Jan Butora, Pauline Puteaux, and Patrick Bas. 2023. Errorless Robust JPEG Steganography Using Outputs of JPEG Coders. IEEE Trans. Dependable Secur. Comput. 21, 4 (July-Aug. 2024), 2394–2406. https://doi.org/10.1109/TDSC.2023.3306379

一、问题背景

如何在JPEG重新压缩后仍然能够无误差地恢复隐藏的信息。
当前的隐写方法大多数只能提供概率性的恢复保证，这是不可接受的，因为即使一个意外的改变也可能使得整个加密后的信息变得不可读。

二、提出的方法

论文提出了一种基于检查DCT系数在重新压缩过程中的行为来创建鲁棒的DCT系数集的方法。
通过将DCT系数分成64个不重叠的格子（lattices），因为一个嵌入的改变可能在重新压缩期间影响同一个DCT块中的许多其他系数。
结合了标准的隐写成本，创建了一个能够抵抗JPEG重新压缩的格子嵌入方案。

2.1嵌入策略概述

定义鲁棒系数：鲁棒系数是指在JPEG重新压缩过程中，能够保持其嵌入变化不变的DCT系数。这意味着这些系数在经过压缩和解压缩的循环后，仍能准确地保留其修改状态。
提取鲁棒系数集：研究者们通过分析DCT系数在重新压缩过程中的行为，来识别和选择一组鲁棒系数。这一过程涉及到对每个8×8的DCT块进行多次模拟压缩，以确定哪些系数在压缩过程中表现稳定。
图像分割：为了管理鲁棒系数，研究者们将图像分割成64个不重叠的格子，每个格子代表一个DCT模式。这种分割允许独立地处理每个DCT系数，从而在嵌入过程中实现更精细的控制。
迭代嵌入：在每个格子上进行迭代嵌入，意味着先在一个格子上进行嵌入，然后移动到下一个格子，依此类推。这种方法有助于逐步构建整个图像的隐写载荷，同时确保每个步骤的稳定性和可靠性。
利用系数的鲁棒性：在嵌入过程中，利用已识别的鲁棒系数来嵌入信息。这意味着只有那些在模拟压缩测试中表现稳定的系数才会被用于实际的信息嵌入。
有效载荷分配：研究者们还探讨了如何在64个格子中分配有效载荷，即决定每个格子应该携带多少信息。这通常取决于每个格子的鲁棒系数的数量和质量。

2.2 格点（Lattice）

在JPEG隐写术的上下文中，一个“格点”指的是图像在DCT变换后的一个8×8块中的一个特定DCT系数位置。由于一个8×8的DCT块包含64个系数，因此可以视为有64个不同的格点，每个格点对应一个特定的DCT系数。在鲁棒隐写术中，这些格点被用来作为嵌入秘密信息的位置。

格点的划分：为了管理鲁棒系数并进行有效的嵌入，图像被划分成多个不重叠的“格点”。每个格点包含一个或多个DCT系数，这些系数在JPEG重新压缩过程中的表现（是否鲁棒）被单独评估。
独立处理：将图像分割成格点允许对每个格点中的系数进行独立处理。这意味着可以在不影响其他格点的情况下，对单个格点中的系数进行嵌入操作。

2.3 鲁棒系数的定义

鲁棒系数（Robust Coefficient）在这篇论文中指的是那些在JPEG图像经过重新压缩后，其嵌入变化（即隐写变化）能够保持不变的DCT（离散余弦变换）系数。具体来说，一个鲁棒系数需要满足以下条件：

不改变已处理模式（R1）：对于已经处理过的模式l（记作Pk），在重新压缩后，其值不应改变。即对于所有的l∈Pk，有R(c,ik)l=R(c,0)l。这保证了在第k个格子嵌入变化时，不会破坏之前在PkPk格子中嵌入的信息。

保持嵌入变化（R2）：对于当前处理的模式k，在重新压缩后，其值应该反映出嵌入的变化。即R(c,ik)k=ck+i，其中ii是嵌入变化（+1或-1）。

保持不变（R3）：在不进行嵌入变化的情况下，重新压缩后该系数的值应保持不变。即R(c,0)k=ck。

鲁棒系数集被分为两个子集：Rk+和Rk−，分别代表对于嵌入变化+1和-1强健的系数集。如果一个系数既不属于Rk+也不属于Rk−，则被认为是非鲁棒的（non-robust），并被归入Rk0集合。

鲁棒系数的概念是实现无误差稳健JPEG隐写术的关键，因为它允许研究者们在JPEG压缩和解压缩过程中，准确地控制和预测DCT系数的变化，从而确保嵌入的信息能够在图像经过重新压缩后被可靠地恢复。

2.4 格点嵌入

图5 是使用Syndrome-Trellis Codes,（STC）编码进行第 i个格点的实际嵌入过程。在鲁棒的JPEG隐写术中，Alice希望在图像中嵌入一条信息，这条信息在经过JPEG重新压缩后，Bob依然能够准确地提取出来。以下是该过程的详细步骤：

伪隐写图像（Pseudo-Stego, PS）：Alice开始时拥有一个未嵌入信息的图像，称为伪隐写图像（PS(i)），其中 ii 表示当前处理的格点序号。
嵌入信息：Alice使用STC编码器将秘密信息编码成一个比特流，并嵌入到PS(i)中的DCT系数。嵌入时，她考虑到了图像重新压缩（R(.)）的影响，以确保嵌入的信息能够抵抗压缩过程中的失真。
重新压缩（Recompression, R）：在实际的通信过程中，图像在发送后会经历重新压缩。这个过程可能会对嵌入的信息造成损害，因此Alice在嵌入时需要预测并补偿这种失真。
稳健与非稳健系数：在重新压缩后，一些DCT系数能够保持稳定（鲁棒系数，R-robust），而另一些则不能（非稳健系数，NR-non-robust）。稳健系数是那些即使在重新压缩后也能保持嵌入变化的系数。
发送与接收：Alice发送经过嵌入的图像（PS(i+1)），Bob接收到重新压缩后的图像（R(PS(i+1))）。Bob需要从这个图像中提取出Alice嵌入的信息。
STC解码：Bob使用STC解码器处理接收到的图像，以恢复出Alice发送的编码信息（Encoded message）。解码过程需要能够处理非稳健系数的变化，并且正确地从稳健系数中提取出隐藏的信息。
成本函数（Costs, p）：在嵌入过程中，Alice会使用成本函数来评估每个可能的嵌入变化对图像的影响。成本函数会特别考虑非稳健系数的修改，以最小化它们对整体隐写效果的负面影响。

总的来说，这个图展示了稳健JPEG隐写术中的一个核心概念：即使在图像经过压缩和解压缩的循环过程中，通过精心设计的嵌入和解码策略，依然能够保证信息的完整性和可提取性。这种方法使得隐写术在面对常见的图像处理挑战时，变得更加强大和实用。

三、实验及知识补充

3.1 扫描策略

在鲁棒的JPEG隐写术中，扫描策略（Scanning Strategy）是指在处理图像的DCT（离散余弦变换）系数时，确定处理顺序的一种方法。扫描策略对隐写算法的有效性和安全性有着重要影响，因为它决定了在嵌入和提取秘密信息时，DCT系数被处理的顺序。以下是扫描策略的一些关键作用：

确定嵌入顺序：在隐写嵌入过程中，扫描策略决定了DCT系数被修改的顺序。这通常涉及到从图像的一个部分开始，按照特定的模式（如从左到右、从上到下）遍历DCT系数。
影响稳健性：不同的扫描策略可能会影响DCT系数的稳健性。稳健性是指DCT系数在经过JPEG压缩和解压缩后，能够保持其被修改状态的能力。一些策略可能会使得某些系数更加稳健，而其他策略则可能导致系数的稳健性降低。
优化信息隐藏：扫描策略可以帮助优化信息隐藏的效果。例如，某些策略可能会优先处理那些在图像中更不显眼或更难被检测到的DCT系数，从而提高隐写的隐蔽性。
抵抗攻击：在隐写术中，扫描策略可以用来抵抗特定的分析和攻击方法。通过改变处理DCT系数的顺序，可以使得隐写算法更难被分析工具发现。
适应不同的压缩条件：不同的JPEG压缩条件（如不同的质量因子）可能会对DCT系数的稳健性产生不同的影响。扫描策略可以根据压缩条件的变化进行调整，以保持最佳的隐写效果。
提高嵌入效率：扫描策略还可以用于提高信息嵌入的效率。通过合理安排嵌入顺序，可以更有效地利用可用的DCT系数，从而在有限的空间内嵌入更多的信息。

在鲁棒的JPEG隐写术中，常见的扫描策略包括：

从低频到高频（Low-High）：按照DCT系数的重要性从低到高进行处理，通常从图像的左上角开始。
从高频到低频（High-Low）：与低频到高频相反，先处理图像中高频部分的DCT系数。
随机（Random）：随机选择DCT系数的处理顺序，以增加隐写过程的不可预测性。

扫描策略的选择和设计是实现有效和安全隐写算法的重要方面之一。通过精心设计的扫描策略，可以在保证信息鲁棒性的同时，提高隐写算法的隐蔽性和抗攻击能力。

3.2 实验

鲁棒性分析实验：分析了在不同JPEG压缩器（如ImageMagick的convert和mozjpeg）和不同质量因子（QF）下，DCT系数的鲁棒性。研究了三种不同的扫描策略（低频到高频、高频到低频、随机）对鲁棒性的影响。
嵌入和提取实验：使用了STC进行实际嵌入，并模拟了图像上传和下载过程中的JPEG重新压缩。评估了在不同压缩条件下，嵌入信息的提取成功率和准确性。
安全性评估实验：使用机器学习模型（如DCTR特征和正则化线性分类器）对嵌入后的图像进行安全性评估。比较了在不同扫描策略和JPEG压缩器下，隐写算法的检测错误率（Pe）。
嵌入率和质量因子的影响实验：分析了不同的嵌入率（从0.1 bpnzAC到0.4 bpnzAC）和质量因子对嵌入成功率的影响。评估了在不同压缩条件下，能够成功嵌入信息的图像比例。
率失真优化策略的影响实验：研究了JPEG压缩器中的率失真优化策略对隐写算法鲁棒性的影响。比较了开启和关闭率失真优化时，正确提取嵌入信息的图像比例。
鲁棒集大小的实验：测量了在不同压缩条件下，鲁棒集（Robust Set）的大小，即可以用于稳健嵌入的DCT系数的数量。分析了鲁棒集大小对嵌入策略和安全性的影响。