中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥80.2
加入購(gòu)物車(chē)
網(wǎng)絡(luò)安全:信息隱藏與數(shù)字水印 版權(quán)信息
- ISBN：9787030743084
- 條形碼：9787030743084 ; 978-7-03-074308-4
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
網(wǎng)絡(luò)安全:信息隱藏與數(shù)字水印 本書(shū)特色
全書(shū)取材新穎、內(nèi)容豐富、深入淺出、理論聯(lián)系實(shí)際、系統(tǒng)性強(qiáng)、概 念清楚，是一部理論聯(lián)系實(shí)際的專業(yè)理論著作
網(wǎng)絡(luò)安全:信息隱藏與數(shù)字水印 內(nèi)容簡(jiǎn)介
信息隱藏是一門(mén)既古老又年輕的學(xué)科，它是信號(hào)處理和信息安全的交叉學(xué)科，在網(wǎng)絡(luò)信息安全和軍事保密上具有重要的作用。本課程全面介紹了信息隱藏相關(guān)的理論、技術(shù)和應(yīng)用，包括密碼學(xué)基礎(chǔ)；信息隱藏的基本原理、算法和分析方法；數(shù)字水印的原理、算法及攻擊方法；閾下信道及隱信道、隱匿簽名及隱匿通信等內(nèi)容。
網(wǎng)絡(luò)安全:信息隱藏與數(shù)字水印 目錄
目錄
前言
第1章 緒論 1
1.1 信息隱藏概述 1
1.2 信息隱藏的應(yīng)用領(lǐng)域 3
1.2.1 保密通信 3
1.2.2 數(shù)字版權(quán)保護(hù) 4
1.2.3 數(shù)字指紋 4
1.2.4 內(nèi)容認(rèn)證 4
1.3 數(shù)字水印概述 4
1.4 數(shù)字水印基本原理及應(yīng)用 6
1.4.1 數(shù)字水印的基本原理 7
1.4.2 數(shù)字水印的基本特性 8
1.4.3 圖像數(shù)字水印經(jīng)典算法 9
1.4.4 常見(jiàn)數(shù)字水印攻擊方法 10
1.4.5 數(shù)字水印的性能評(píng)價(jià) 11
1.4.6 數(shù)字水印的應(yīng)用 13
1.5 可逆信息隱藏概述 13
1.5.1 可逆信息隱藏的相關(guān)概念 13
1.5.2 可逆信息隱藏的關(guān)鍵問(wèn)題 14
1.6 可逆信息隱藏算法分類及發(fā)展 15
1.7 本章小結(jié) 16
參考文獻(xiàn) 16
第2章 基礎(chǔ)理論 22
2.1 圖像處理中的變換 22
2.1.1 離散余弦變換 22
2.1.2 離散小波變換 23
2.1.3 輪廓波變換 24
2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí) 26
2.2.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 26
2.2.2 神經(jīng)網(wǎng)絡(luò)基本模型 26
2.3 混沌映射基礎(chǔ)知識(shí) 31
2.3.1 混沌的定義 31
2.3.2 混沌的特征及其判別準(zhǔn)則 31
2.3.3 Baker映射 33
2.3.4 Logistic映射 34
2.3.5 Arnold映射 34
2.3.6 Baker映射與Arnold映射對(duì)比 35
2.4 高階累積量與奇異值分解 37
2.4.1 高階累積量 37
2.4.2 奇異值分解 38
2.5 粒子群優(yōu)化算法 39
2.6 壓縮感知理論 40
2.6.1 信號(hào)稀疏性 41
2.6.2 信號(hào)觀測(cè) 42
2.6.3 信號(hào)重建 43
2.6.4 分塊壓縮感知 43
2.7 人類視覺(jué)模型基本概念 45
2.7.1 人類視覺(jué)模型 45
2.7.2 Watson感知模型 46
2.7.3 顯著性檢測(cè) 47
2.8 本章小結(jié) 49
參考文獻(xiàn) 49
第3章 零水印算法及其應(yīng)用 51
3.1 基于高階累積量的零水印算法 51
3.1.1 高階累積量 51
3.1.2 零水印的構(gòu)造和檢測(cè)算法 52
3.1.3 仿真實(shí)驗(yàn) 53
3.2 基于小波變換和奇異值分解的零水印算法 55
3.2.1 魯棒零水印產(chǎn)生 55
3.2.2 魯棒零水印提取和版權(quán)認(rèn)證 56
3.2.3 閾值選擇 56
3.2.4 實(shí)驗(yàn)結(jié)果 57
3.3 基于神經(jīng)網(wǎng)絡(luò)的零水印算法 59
3.3.1 隨機(jī)像素點(diǎn)的選取 60
3.3.2 神經(jīng)網(wǎng)絡(luò)模型 61
3.3.3 二值模式的產(chǎn)生 61
3.3.4 檢測(cè)密鑰的獲取 62
3.3.5 水印信號(hào)的檢測(cè) 62
3.3.6 水印的重復(fù)嵌入 63
3.4 基于神經(jīng)網(wǎng)絡(luò)的半脆弱零水印算法 63
3.4.1 算法描述 63
3.4.2 實(shí)驗(yàn)結(jié)果 65
3.4.3 安全性 69
3.5 基于相鄰塊數(shù)值關(guān)系的魯棒零水印算法 69
3.5.1 DC-RE算法 69
3.5.2 CU-SVD算法 70
3.5.3 CU-SVD-RE算法 71
3.5.4 預(yù)處理算法 71
3.5.5 實(shí)驗(yàn)結(jié)果 71
3.6 基于混沌映射的數(shù)字水印算法 78
3.6.1 水印嵌入算法 78
3.6.2 水印提取算法 79
3.6.3 仿真實(shí)驗(yàn) 79
3.6.4 實(shí)驗(yàn)結(jié)果分析 80
3.7 本章小結(jié) 83
參考文獻(xiàn) 83
第4章 量化索引調(diào)制數(shù)字水印算法 84
4.1 量化索引調(diào)制數(shù)字水印算法概述 84
4.1.1 量化索引調(diào)制原理 84
4.1.2 抖動(dòng)調(diào)制 85
4.1.3 擴(kuò)展變換抖動(dòng)調(diào)制與擴(kuò)展變換量化索引調(diào)制 87
4.1.4 基于視覺(jué)模型的自適應(yīng)QIM 88
4.2 基于改進(jìn)視覺(jué)模型的自適應(yīng)水印算法 91
4.2.1 ST-QIM-B1MW-SS算法與ST-QIM-B2MW-SS算法 91
4.2.2 ST-QIM-fMW-SS算法 96
4.2.3 ST-QIM-MS-SS算法 99
4.2.4 從幾個(gè)特定角度對(duì)改進(jìn)的ST-QIM算法的研究 102
4.3 基于擴(kuò)展變換的對(duì)數(shù)水印算法 107
4.3.1 基于擴(kuò)展變換的數(shù)字水印算法 107
4.3.2 擴(kuò)展變換量化索引調(diào)制算法 107
4.3.3 基于視覺(jué)模型的擴(kuò)展變換水印算法 109
4.3.4 基于擴(kuò)展變換的對(duì)數(shù)水印算法 110
4.3.5 擴(kuò)展變換對(duì)數(shù)水印算法中參數(shù)μ的取值分析 113
4.3.6 基于JPEG量化表改進(jìn)的擴(kuò)展變換對(duì)數(shù)水印算法 115
4.3.7 實(shí)驗(yàn)仿真與分析 116
4.3.8 擴(kuò)展變換對(duì)數(shù)水印算法中參數(shù)μ的影響 116
4.3.9 算法性能比較 122
4.4 基于視覺(jué)模型的多級(jí)混合分塊DCT域水印算法 123
4.4.1 DCT能量聚集特性 124
4.4.2 基于視覺(jué)模型的多級(jí)混合分塊DCT域水印算法流程 124
4.4.3 實(shí)驗(yàn)仿真與分析 125
4.5 基于混合變換和子塊相關(guān)的改進(jìn)STDM算法 129
4.5.1 算法的理論背景 130
4.5.2 基于DWT和DCT組合變換的兩種算法 130
4.5.3 兩種算法的性能分析 131
4.5.4 仿真實(shí)驗(yàn)結(jié)果及討論 136
4.6 基于視覺(jué)顯著性和輪廓波變換對(duì)數(shù)量化索引調(diào)制水印算法 139
4.6.1 改進(jìn)的對(duì)數(shù)量化索引調(diào)制水印算法 140
4.6.2 量化步長(zhǎng)的選擇 142
4.6.3 嵌入位置的選擇 144
4.6.4 水印嵌入算法 146
4.6.5 水印提取算法 147
4.6.6 實(shí)驗(yàn)仿真與分析 147
4.6.7 不可感知性 148
4.6.8 視覺(jué)顯著性以及輪廓波變換的有效性 149
4.6.9 魯棒性 150
4.7 本章小結(jié) 154
參考文獻(xiàn) 155
第5章 基于壓縮感知的數(shù)字水印算法 158
5.1 基于分塊壓縮感知的圖像半脆弱零水印算法 158
5.1.1 水印的構(gòu)造 158
5.1.2 水印的檢測(cè) 159
5.1.3 篡改恢復(fù) 159
5.1.4 水印檢測(cè)原理及保密性分析 160
5.1.5 仿真實(shí)驗(yàn)及分析 160
5.2 角度量化索引調(diào)制及其改進(jìn)算法 163
5.2.1 角度量化索引調(diào)制算法 163
5.2.2 改進(jìn)算法 164
5.3 基于分塊壓縮感知的角度量化索引調(diào)制水印算法 165
5.3.1 測(cè)量矩陣的選擇 165
5.3.2 水印嵌入算法 167
5.3.3 水印提取算法 169
5.3.4 算法性能分析 170
5.3.5 壓縮比的影響 172
5.3.6 實(shí)驗(yàn)仿真及分析 173
5.4 基于壓縮感知噪聲重構(gòu)的DWT-DCT域水印算法 178
5.4.1 基于DWT-DCT變換的水印算法 178
5.4.2 正交匹配追蹤重構(gòu)算法 179
5.4.3 基于OMP噪聲重構(gòu)的DWT-DCT域水印算法 181
5.4.4 實(shí)驗(yàn)仿真與分析 184
5.5 本章小結(jié) 187
參考文獻(xiàn) 188
第6章 二值圖像信息隱藏算法 190
6.1 二值圖像信息隱藏常見(jiàn)算法 190
6.2 基于分塊嵌入的二值圖像信息隱藏算法 191
6.2.1 分塊嵌入的基本概念 191
6.2.2 信息嵌入和提取過(guò)程 192
6.2.3 分塊方式選擇 192
6.2.4 可翻轉(zhuǎn)像素點(diǎn)選取準(zhǔn)則 194
6.3 二值圖像信息隱藏算法性能指標(biāo) 196
6.3.1 嵌入容量 196
6.3.2 視覺(jué)失真度量化 197
6.3.3 計(jì)算復(fù)雜度 198
6.4 仿真實(shí)驗(yàn)及分析 198
6.4.1 連通性保持二值圖像信息隱藏算法步驟 199
6.4.2 仿真實(shí)驗(yàn)結(jié)果分析 201
6.5 本章小結(jié) 206
參考文獻(xiàn) 207
第7章 可逆信息隱藏算法 208
7.1 可逆信息隱藏算法概述 208
7.2 基于差值擴(kuò)展的可逆信息隱藏算法 209
7.3 基于直方圖平移的可逆信息隱藏算法 211
7.3.1 可逆信息隱藏算法嵌入過(guò)程 211
7.3.2 嵌入算法的偽代碼 212
7.3.3 提取算法的偽代碼 214
7.3.4 嵌入和提取流程圖 214
7.3.5 嵌入圖像相對(duì)于原始圖像的PSNR下界 214
7.3.6 應(yīng)用 216
7.3.7 計(jì)算復(fù)雜度 216
7.3.8 實(shí)驗(yàn)結(jié)果和比較 216
7.4 基于預(yù)測(cè)誤差擴(kuò)展的可逆信息隱藏算法 220
7.5 基于差值直方圖平移的可逆信息隱藏算法 221
7.5.1 差值直方圖 222
7.5.2 算法描述 222
7.5.3 二維差值直方圖平移算法 223
7.6 基于多直方圖平移的可逆信息隱藏算法 226
7.6.1 預(yù)測(cè)誤差直方圖平移算法 226
7.6.2 圖像像素值預(yù)測(cè) 229
7.6.3 信息的嵌入與可逆提取 231
7.6.4 多直方圖平移算法 235
7.6.5 MATLAB仿真實(shí)驗(yàn)結(jié)果分析 238
7.7 本章小結(jié) 241
參考文獻(xiàn) 241
第8章 密文域可逆信息隱藏算法 243
8.1 概述 243
8.2 密文域可逆信息隱藏框架 245
8.3 VRBE算法 247
8.3.1 不可分離的VRBE算法 248
8.3.2 可分離的VRBE算法 249
8.4 VRAE算法 256
8.4.1 VRAE：明文域數(shù)據(jù)提取 256
8.4.2 VRAE：密文域數(shù)據(jù)提取 261
8.4.3 VRAE：雙域中數(shù)據(jù)提取 262
8.5 本章小結(jié) 265
參考文獻(xiàn) 265
前言
第1章 緒論 1
1.1 信息隱藏概述 1
1.2 信息隱藏的應(yīng)用領(lǐng)域 3
1.2.1 保密通信 3
1.2.2 數(shù)字版權(quán)保護(hù) 4
1.2.3 數(shù)字指紋 4
1.2.4 內(nèi)容認(rèn)證 4
1.3 數(shù)字水印概述 4
1.4 數(shù)字水印基本原理及應(yīng)用 6
1.4.1 數(shù)字水印的基本原理 7
1.4.2 數(shù)字水印的基本特性 8
1.4.3 圖像數(shù)字水印經(jīng)典算法 9
1.4.4 常見(jiàn)數(shù)字水印攻擊方法 10
1.4.5 數(shù)字水印的性能評(píng)價(jià) 11
1.4.6 數(shù)字水印的應(yīng)用 13
1.5 可逆信息隱藏概述 13
1.5.1 可逆信息隱藏的相關(guān)概念 13
1.5.2 可逆信息隱藏的關(guān)鍵問(wèn)題 14
1.6 可逆信息隱藏算法分類及發(fā)展 15
1.7 本章小結(jié) 16
參考文獻(xiàn) 16
第2章 基礎(chǔ)理論 22
2.1 圖像處理中的變換 22
2.1.1 離散余弦變換 22
2.1.2 離散小波變換 23
2.1.3 輪廓波變換 24
2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí) 26
2.2.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 26
2.2.2 神經(jīng)網(wǎng)絡(luò)基本模型 26
2.3 混沌映射基礎(chǔ)知識(shí) 31
2.3.1 混沌的定義 31
2.3.2 混沌的特征及其判別準(zhǔn)則 31
2.3.3 Baker映射 33
2.3.4 Logistic映射 34
2.3.5 Arnold映射 34
2.3.6 Baker映射與Arnold映射對(duì)比 35
2.4 高階累積量與奇異值分解 37
2.4.1 高階累積量 37
2.4.2 奇異值分解 38
2.5 粒子群優(yōu)化算法 39
2.6 壓縮感知理論 40
2.6.1 信號(hào)稀疏性 41
2.6.2 信號(hào)觀測(cè) 42
2.6.3 信號(hào)重建 43
2.6.4 分塊壓縮感知 43
2.7 人類視覺(jué)模型基本概念 45
2.7.1 人類視覺(jué)模型 45
2.7.2 Watson感知模型 46
2.7.3 顯著性檢測(cè) 47
2.8 本章小結(jié) 49
參考文獻(xiàn) 49
第3章 零水印算法及其應(yīng)用 51
3.1 基于高階累積量的零水印算法 51
3.1.1 高階累積量 51
3.1.2 零水印的構(gòu)造和檢測(cè)算法 52
3.1.3 仿真實(shí)驗(yàn) 53
3.2 基于小波變換和奇異值分解的零水印算法 55
3.2.1 魯棒零水印產(chǎn)生 55
3.2.2 魯棒零水印提取和版權(quán)認(rèn)證 56
3.2.3 閾值選擇 56
3.2.4 實(shí)驗(yàn)結(jié)果 57
3.3 基于神經(jīng)網(wǎng)絡(luò)的零水印算法 59
3.3.1 隨機(jī)像素點(diǎn)的選取 60
3.3.2 神經(jīng)網(wǎng)絡(luò)模型 61
3.3.3 二值模式的產(chǎn)生 61
3.3.4 檢測(cè)密鑰的獲取 62
3.3.5 水印信號(hào)的檢測(cè) 62
3.3.6 水印的重復(fù)嵌入 63
3.4 基于神經(jīng)網(wǎng)絡(luò)的半脆弱零水印算法 63
3.4.1 算法描述 63
3.4.2 實(shí)驗(yàn)結(jié)果 65
3.4.3 安全性 69
3.5 基于相鄰塊數(shù)值關(guān)系的魯棒零水印算法 69
3.5.1 DC-RE算法 69
3.5.2 CU-SVD算法 70
3.5.3 CU-SVD-RE算法 71
3.5.4 預(yù)處理算法 71
3.5.5 實(shí)驗(yàn)結(jié)果 71
3.6 基于混沌映射的數(shù)字水印算法 78
3.6.1 水印嵌入算法 78
3.6.2 水印提取算法 79
3.6.3 仿真實(shí)驗(yàn) 79
3.6.4 實(shí)驗(yàn)結(jié)果分析 80
3.7 本章小結(jié) 83
參考文獻(xiàn) 83
第4章 量化索引調(diào)制數(shù)字水印算法 84
4.1 量化索引調(diào)制數(shù)字水印算法概述 84
4.1.1 量化索引調(diào)制原理 84
4.1.2 抖動(dòng)調(diào)制 85
4.1.3 擴(kuò)展變換抖動(dòng)調(diào)制與擴(kuò)展變換量化索引調(diào)制 87
4.1.4 基于視覺(jué)模型的自適應(yīng)QIM 88
4.2 基于改進(jìn)視覺(jué)模型的自適應(yīng)水印算法 91
4.2.1 ST-QIM-B1MW-SS算法與ST-QIM-B2MW-SS算法 91
4.2.2 ST-QIM-fMW-SS算法 96
4.2.3 ST-QIM-MS-SS算法 99
4.2.4 從幾個(gè)特定角度對(duì)改進(jìn)的ST-QIM算法的研究 102
4.3 基于擴(kuò)展變換的對(duì)數(shù)水印算法 107
4.3.1 基于擴(kuò)展變換的數(shù)字水印算法 107
4.3.2 擴(kuò)展變換量化索引調(diào)制算法 107
4.3.3 基于視覺(jué)模型的擴(kuò)展變換水印算法 109
4.3.4 基于擴(kuò)展變換的對(duì)數(shù)水印算法 110
4.3.5 擴(kuò)展變換對(duì)數(shù)水印算法中參數(shù)μ的取值分析 113
4.3.6 基于JPEG量化表改進(jìn)的擴(kuò)展變換對(duì)數(shù)水印算法 115
4.3.7 實(shí)驗(yàn)仿真與分析 116
4.3.8 擴(kuò)展變換對(duì)數(shù)水印算法中參數(shù)μ的影響 116
4.3.9 算法性能比較 122
4.4 基于視覺(jué)模型的多級(jí)混合分塊DCT域水印算法 123
4.4.1 DCT能量聚集特性 124
4.4.2 基于視覺(jué)模型的多級(jí)混合分塊DCT域水印算法流程 124
4.4.3 實(shí)驗(yàn)仿真與分析 125
4.5 基于混合變換和子塊相關(guān)的改進(jìn)STDM算法 129
4.5.1 算法的理論背景 130
4.5.2 基于DWT和DCT組合變換的兩種算法 130
4.5.3 兩種算法的性能分析 131
4.5.4 仿真實(shí)驗(yàn)結(jié)果及討論 136
4.6 基于視覺(jué)顯著性和輪廓波變換對(duì)數(shù)量化索引調(diào)制水印算法 139
4.6.1 改進(jìn)的對(duì)數(shù)量化索引調(diào)制水印算法 140
4.6.2 量化步長(zhǎng)的選擇 142
4.6.3 嵌入位置的選擇 144
4.6.4 水印嵌入算法 146
4.6.5 水印提取算法 147
4.6.6 實(shí)驗(yàn)仿真與分析 147
4.6.7 不可感知性 148
4.6.8 視覺(jué)顯著性以及輪廓波變換的有效性 149
4.6.9 魯棒性 150
4.7 本章小結(jié) 154
參考文獻(xiàn) 155
第5章 基于壓縮感知的數(shù)字水印算法 158
5.1 基于分塊壓縮感知的圖像半脆弱零水印算法 158
5.1.1 水印的構(gòu)造 158
5.1.2 水印的檢測(cè) 159
5.1.3 篡改恢復(fù) 159
5.1.4 水印檢測(cè)原理及保密性分析 160
5.1.5 仿真實(shí)驗(yàn)及分析 160
5.2 角度量化索引調(diào)制及其改進(jìn)算法 163
5.2.1 角度量化索引調(diào)制算法 163
5.2.2 改進(jìn)算法 164
5.3 基于分塊壓縮感知的角度量化索引調(diào)制水印算法 165
5.3.1 測(cè)量矩陣的選擇 165
5.3.2 水印嵌入算法 167
5.3.3 水印提取算法 169
5.3.4 算法性能分析 170
5.3.5 壓縮比的影響 172
5.3.6 實(shí)驗(yàn)仿真及分析 173
5.4 基于壓縮感知噪聲重構(gòu)的DWT-DCT域水印算法 178
5.4.1 基于DWT-DCT變換的水印算法 178
5.4.2 正交匹配追蹤重構(gòu)算法 179
5.4.3 基于OMP噪聲重構(gòu)的DWT-DCT域水印算法 181
5.4.4 實(shí)驗(yàn)仿真與分析 184
5.5 本章小結(jié) 187
參考文獻(xiàn) 188
第6章 二值圖像信息隱藏算法 190
6.1 二值圖像信息隱藏常見(jiàn)算法 190
6.2 基于分塊嵌入的二值圖像信息隱藏算法 191
6.2.1 分塊嵌入的基本概念 191
6.2.2 信息嵌入和提取過(guò)程 192
6.2.3 分塊方式選擇 192
6.2.4 可翻轉(zhuǎn)像素點(diǎn)選取準(zhǔn)則 194
6.3 二值圖像信息隱藏算法性能指標(biāo) 196
6.3.1 嵌入容量 196
6.3.2 視覺(jué)失真度量化 197
6.3.3 計(jì)算復(fù)雜度 198
6.4 仿真實(shí)驗(yàn)及分析 198
6.4.1 連通性保持二值圖像信息隱藏算法步驟 199
6.4.2 仿真實(shí)驗(yàn)結(jié)果分析 201
6.5 本章小結(jié) 206
參考文獻(xiàn) 207
第7章 可逆信息隱藏算法 208
7.1 可逆信息隱藏算法概述 208
7.2 基于差值擴(kuò)展的可逆信息隱藏算法 209
7.3 基于直方圖平移的可逆信息隱藏算法 211
7.3.1 可逆信息隱藏算法嵌入過(guò)程 211
7.3.2 嵌入算法的偽代碼 212
7.3.3 提取算法的偽代碼 214
7.3.4 嵌入和提取流程圖 214
7.3.5 嵌入圖像相對(duì)于原始圖像的PSNR下界 214
7.3.6 應(yīng)用 216
7.3.7 計(jì)算復(fù)雜度 216
7.3.8 實(shí)驗(yàn)結(jié)果和比較 216
7.4 基于預(yù)測(cè)誤差擴(kuò)展的可逆信息隱藏算法 220
7.5 基于差值直方圖平移的可逆信息隱藏算法 221
7.5.1 差值直方圖 222
7.5.2 算法描述 222
7.5.3 二維差值直方圖平移算法 223
7.6 基于多直方圖平移的可逆信息隱藏算法 226
7.6.1 預(yù)測(cè)誤差直方圖平移算法 226
7.6.2 圖像像素值預(yù)測(cè) 229
7.6.3 信息的嵌入與可逆提取 231
7.6.4 多直方圖平移算法 235
7.6.5 MATLAB仿真實(shí)驗(yàn)結(jié)果分析 238
7.7 本章小結(jié) 241
參考文獻(xiàn) 241
第8章 密文域可逆信息隱藏算法 243
8.1 概述 243
8.2 密文域可逆信息隱藏框架 245
8.3 VRBE算法 247
8.3.1 不可分離的VRBE算法 248
8.3.2 可分離的VRBE算法 249
8.4 VRAE算法 256
8.4.1 VRAE：明文域數(shù)據(jù)提取 256
8.4.2 VRAE：密文域數(shù)據(jù)提取 261
8.4.3 VRAE：雙域中數(shù)據(jù)提取 262
8.5 本章小結(jié) 265
參考文獻(xiàn) 265
展開(kāi)全部
網(wǎng)絡(luò)安全:信息隱藏與數(shù)字水印 節(jié)選
第1章 緒論 1.1信息隱藏概述 信息隱藏（本書(shū)指的是灰度圖像信息隱藏）是一種把有意義的秘密信息如軟件序列號(hào)、密文或版權(quán)等信息通過(guò)某種嵌入算法隱藏到載體中從而得到含密載體的過(guò)程。信息經(jīng)過(guò)隱藏之后，非法使用者單從載體上無(wú)法得知其是否含有隱藏的秘密信息，也難以提取、更改或去除所隱藏的秘密信息。而含密載體通過(guò)信道到達(dá)接收方后，接收方可以通過(guò)檢測(cè)器利用與隱寫(xiě)算法相對(duì)應(yīng)的逆隱寫(xiě)算法從中恢復(fù)或檢測(cè)出隱藏的秘密信息。信息隱藏的系統(tǒng)模型圖如圖1.1所示，秘密信息經(jīng)信息隱藏的編碼器被嵌入宿主載體當(dāng)中，含密載體通過(guò)傳輸信道傳送至接收端的解碼器，解碼器將原始秘密信息從含密載體中提取出來(lái)。圖1.1中，編碼器和解碼器分別指的是信息隱寫(xiě)算法、逆隱寫(xiě)算法等信息數(shù)據(jù)處理算法。根據(jù)信息隱藏在實(shí)際當(dāng)中的應(yīng)用，可將其分為信息隱形[1，2]、匿名[3]、魯棒性版權(quán)標(biāo)識(shí)[4，5]、易碎水印[6-8]和潛信道[9-14]五類。信息隱藏技術(shù)實(shí)際上是通信理論的一種應(yīng)用，信息隱藏中的隱藏容量、秘密信息的不可見(jiàn)性以及隱寫(xiě)算法的魯棒性可與通信理論中的信道容量、信噪比以及干擾邊緣等相類比研究。 信息隱藏方法主要分為空間域的信息隱藏與變換域的信息隱藏。 空間域的信息隱藏方法有*低有效位（theleast significantbit，LSB）算法、紋理映射編碼方法、Patchwork算法、文檔結(jié)構(gòu)微調(diào)法[15]以及基于空間域分塊的算法等。LSB[16，17]算法將秘密信息隱藏于載體*不重要的像素位，因而不可見(jiàn)性較好，但魯棒性不強(qiáng)，經(jīng)過(guò)幾何變換、濾波、加噪、有損壓縮等，秘密信息容易遭到破壞，且秘密信息的嵌入率不高。紋理映射編碼方法[18，19]的大體思路是將基于紋理的秘密信息嵌入載體圖像具有相似紋理的部分當(dāng)中。Patchwork算法由Bender等[18]提出，利用載體圖像的亮度來(lái)隱藏秘密信息，該算法隨機(jī)地選取載體中的像素對(duì)，將像素對(duì)中的前一個(gè)像素的亮度值增加，后一個(gè)像素的亮度值減少相同的量，改變量以不影響載體的保真度為前提，這樣載體的平均亮度不會(huì)發(fā)生變化，平均前后像素的差值即可提取出秘密信息。Patchwork算法對(duì)JPEG壓縮、濾波及一些幾何變化有一定的抵抗力，但嵌入量不大。為提高秘密信息的嵌入率，Langelaar等[20，21]提出了空間域分塊的隱藏方法，即將圖像分塊后，再對(duì)各個(gè)圖像塊進(jìn)行嵌入操作。 空間域的信息隱藏方法直接將秘密信息嵌入原始數(shù)據(jù)中，思路簡(jiǎn)潔易于實(shí)現(xiàn)，但魯棒性較差，因此研究者開(kāi)始嘗試將原始信號(hào)進(jìn)行某種變換，再將秘密信息嵌入載體的變換域中以提高算法的魯棒性。常見(jiàn)的變換域隱藏算法有離散余弦變換（discrete cosine transform，DCT）域算法[22-24]、Wavelet域算法[25，26]、Fourier-Mellin域算法[27]、Fourier域算法[28]等。DCT域算法首先將原始載體進(jìn)行分塊，再進(jìn)行DCT，選取一些頻率的點(diǎn)進(jìn)行信息嵌入，所選的頻率范圍比較重要，會(huì)影響算法對(duì)抗有損壓縮等信號(hào)處理的魯棒性。離散小波變換（discrete wavelet transform，DWT）域算法首先將載體進(jìn)行DWT，再將秘密信息嵌入載體的邊緣或紋理復(fù)雜的部分，這樣不易被察覺(jué)[29，30]。小波域中HH（水平和垂直方向均為高通子帶）、HL（水平方向?yàn)楦咄ㄗ訋В怪狈较驗(yàn)榈屯ㄗ訋В┖蚅H（水平方向?yàn)榈屯ㄗ訋В怪狈较驗(yàn)楦咄ㄗ訋В┘?xì)節(jié)子圖中較大值的小波系數(shù)對(duì)應(yīng)了載體適于隱藏信息的部位，只需修改這些系數(shù)即可嵌入水印。離散傅里葉變換（discrete Fourier transform，DFT）域算法可以把信號(hào)分解為幅值信息和相位信息，因而具有豐富的細(xì)節(jié)信息。DFT域隱藏算法將秘密信息嵌入信號(hào)的相位信息中，相較于幅值中的信息嵌入而言對(duì)幾何變換具有更強(qiáng)的魯棒性，包括平移、比例縮放、旋轉(zhuǎn)等，但是算法抵抗壓縮的能力較弱。變換域算法使秘密信息的能量盡可能分布在所有的空間域像素上，有利于載體的保真度，對(duì)一些常見(jiàn)的信號(hào)處理如加噪、濾波、有損壓縮等也具有較強(qiáng)的魯棒性，并且易于與人類的視覺(jué)特性模型相結(jié)合，因而應(yīng)用較為普遍[31-35]。 除了空間域和變換域的信息隱藏方法之外，還有擴(kuò)頻隱藏、分形隱藏以及基于特征的信息隱藏等方法。相關(guān)文獻(xiàn)中首先發(fā)現(xiàn)通信中的擴(kuò)展頻譜技術(shù)可以應(yīng)用于信息隱藏當(dāng)中，隨后研究者提出了很多基于擴(kuò)展頻譜原理的信息隱藏方法[16，36-42]，其中以Marvel等[42]提出的方法*具代表性，該方法將載體圖像進(jìn)行DCT，再將秘密信息疊加到變換域中幅值*大的一些系數(shù)上，直流分量除外，秘密信息的嵌入強(qiáng)度可以通過(guò)參數(shù)來(lái)調(diào)整。基于擴(kuò)頻通信的信息隱藏方法，將水印分布在多個(gè)載體數(shù)據(jù)的變換域系數(shù)中，在水印檢測(cè)時(shí)能將許多微弱的信號(hào)集中起來(lái)形成較高信噪比的輸出值。因此，基于擴(kuò)展頻譜原理的信息隱藏方法對(duì)幾何形變等信號(hào)處理具有較強(qiáng)的魯棒性。該方法將秘密信息主要隱藏于變換域的低頻系數(shù)中，研究者提出了改進(jìn)方案，即將秘密信息嵌于變換域的中頻分量中，可以在算法的不可見(jiàn)性和魯棒性之間取得更好的折中[43]。 基于分形壓縮和分形編碼的分形隱藏算法主要應(yīng)用了分形中的自相似和迭代函數(shù)的概念，根據(jù)拼貼原理在圖像的變換域中插入秘密信息[44]。該方法對(duì)JPEG壓縮具有一定的抵抗力，但計(jì)算量比較大。基于特征的信息隱藏方法的主要思想是將秘密信息隱藏于圖像感官上有意義的部分，如拐角、邊緣、紋理復(fù)雜的區(qū)域等。可以首先提取出特征點(diǎn)，再將秘密信息隱藏于特征點(diǎn)組成的網(wǎng)絡(luò)中；也可以在比較穩(wěn)定的特征點(diǎn)周?chē)木植繀^(qū)域嵌入信息，并用特征點(diǎn)標(biāo)識(shí)信息隱藏的位置。 目前，信息隱藏的研究主要分為隱藏和分析[45]兩方面。隱藏的主要任務(wù)是在不引起可察覺(jué)的變化的前提下在載體中盡可能多地隱藏信息；分析的目的就是要在一批看似正常的載體中，通過(guò)各種分析方法，找出被懷疑隱藏有秘密信息的載體，然后攔截或破壞秘密信息的隱蔽傳遞。 主要從以下幾個(gè)角度衡量某個(gè)具體的信息隱藏算法的優(yōu)劣：不可感知性、魯棒性及隱藏的信息量。不可感知性指嵌入秘密信息后的載體與原始載體的接近程度，人類的感官系統(tǒng)必須無(wú)法感知到原始載體發(fā)生了變化，并且從信息的統(tǒng)計(jì)特性上也無(wú)法得知載體中嵌入了秘密信息。魯棒性指含密載體經(jīng)受了一些數(shù)字信號(hào)處理的過(guò)程或一些人為的攻擊后，恢復(fù)出秘密信息的能力。隱藏的信息量指信息隱藏算法在實(shí)際應(yīng)用中需隱藏足夠多的信息，如用于版權(quán)保護(hù)時(shí)，秘密信息量需足夠表示該多媒體的版權(quán)。 目前信息隱藏的載體主要分為圖像、視頻、語(yǔ)音、文本等。本書(shū)將主要介紹灰度圖像的信息隱藏方法，灰度圖像信息隱藏方法主要分為空間域的信息隱藏與變換域的信息隱藏，除此之外還有分形隱藏、擴(kuò)頻隱藏以及基于特征的信息隱藏等方法。 1.2 信息隱藏的應(yīng)用領(lǐng)域 信息隱藏研究涉及多個(gè)學(xué)科領(lǐng)域，如通信、密碼學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)、多媒體信息處理和模式識(shí)別等，是一門(mén)新興的交叉學(xué)科。信息隱藏技術(shù)的特點(diǎn)決定了其可以被廣泛應(yīng)用于保密通信、數(shù)字版權(quán)保護(hù)、電子交易保護(hù)、票據(jù)防偽、資料完整性驗(yàn)證等方面。因此，信息隱藏技術(shù)在銀行系統(tǒng)、商業(yè)系統(tǒng)、軍事情報(bào)部門(mén)、政府部門(mén)發(fā)揮越來(lái)越重要的作用。有關(guān)信息隱藏技術(shù)的應(yīng)用領(lǐng)域，這里對(duì)保密通信、數(shù)字版權(quán)保護(hù)、數(shù)字指紋、內(nèi)容認(rèn)證等作簡(jiǎn)單的概述。 1.2.1 保密通信 信息隱藏技術(shù)具有信息保護(hù)作用。保密通信主要用于信息的安全通信，通常把秘密信息隱藏在普通的多媒體信息中進(jìn)行傳輸。*初的信息隱藏技術(shù)主要用來(lái)進(jìn)行秘密的信息傳遞，即隱蔽通信，它隱蔽了通信工程的存在性，而隱蔽后的秘密信息可以通過(guò)公開(kāi)信道進(jìn)行傳輸，防止信息被截獲和破譯。隱蔽通信主要用于信息的安全通信，它所要保護(hù)的是嵌入媒體中的數(shù)據(jù)本身。采用隱蔽技術(shù)的網(wǎng)絡(luò)通信就是把秘密信息隱藏在普通的多媒體信息中傳輸。當(dāng)今信息技術(shù)的發(fā)展，網(wǎng)上存在數(shù)量巨大的多媒體資源，因而秘密信息難以被竊聽(tīng)者檢測(cè)。 進(jìn)行隱蔽通信所采用的主要技術(shù)就是數(shù)字隱寫(xiě)技術(shù)，即利用載體信號(hào)在多媒體信息的冗余空間具有的不可感知性，把需要傳輸?shù)拿孛苄畔⑶度胼d體信號(hào)當(dāng)中，所得到的含密信號(hào)在視覺(jué)、聽(tīng)覺(jué)等感知方面與原始信號(hào)相比并沒(méi)有太大的差異，非授權(quán)者無(wú)法確定其是否隱藏著秘密信息，也難以提取或去除所隱藏的秘密信息，從而達(dá)到了隱蔽通信的目的。 近年來(lái)互聯(lián)網(wǎng)技術(shù)的發(fā)展使得信息隱藏技術(shù)發(fā)展到數(shù)字多媒體水印技術(shù)和數(shù)字指紋技術(shù)的研究，數(shù)字水印看作信息隱藏的一個(gè)重要研究分支。數(shù)字多媒體水印技術(shù)和數(shù)字指紋技術(shù)的研究是目前*為活躍的領(lǐng)域，主要用于版權(quán)保護(hù)、版權(quán)跟蹤及真?zhèn)舞b定等，將會(huì)在1.4節(jié)中進(jìn)行詳細(xì)介紹。 1.2.2 數(shù)字版權(quán)保護(hù) 隨著互聯(lián)網(wǎng)和電子商務(wù)的飛速發(fā)展，網(wǎng)絡(luò)上提供的數(shù)字服務(wù)越來(lái)越多，如數(shù)字圖書(shū)館和數(shù)字報(bào)紙等。這些以音視頻等多媒體數(shù)字形式出現(xiàn)的作品，很容易得到大量復(fù)制，從而導(dǎo)致未授權(quán)的復(fù)制品產(chǎn)生，使得數(shù)字化產(chǎn)品的版權(quán)容易受到侵犯。因此，如何有效地保護(hù)數(shù)字產(chǎn)品的知識(shí)產(chǎn)權(quán)成為一個(gè)極其重要的問(wèn)題。 1.2.3 數(shù)字指紋 魯棒的數(shù)字水印技術(shù)可以應(yīng)用于監(jiān)視或追蹤數(shù)字產(chǎn)品的非法傳播和倒賣(mài)，這種應(yīng)用通常稱為數(shù)字指紋技術(shù)。與數(shù)字版權(quán)保護(hù)應(yīng)用不同，數(shù)字指紋技術(shù)通過(guò)隱藏產(chǎn)品序列號(hào)來(lái)識(shí)別購(gòu)買(mǎi)者，即數(shù)字水印技術(shù)用于提供版權(quán)證據(jù)來(lái)起訴盜版者，而數(shù)字指紋技術(shù)用于找到盜版者。 1.2.4 內(nèi)容認(rèn)證 內(nèi)容認(rèn)證的目的是檢測(cè)對(duì)數(shù)據(jù)的修改，有時(shí)也稱為真?zhèn)舞b別或完整性鑒別。通常可以利用脆弱水印技術(shù)來(lái)實(shí)現(xiàn)內(nèi)容認(rèn)證。為了便于檢測(cè)，脆弱水印對(duì)某些變換如壓縮具有較低的魯棒性，從而偵測(cè)出數(shù)字產(chǎn)品是否被他人篡改。為了確保作品的完整性，可以有目的地在作品中藏入驗(yàn)證用的信息，以驗(yàn)證作品是否被篡改，甚至標(biāo)示被篡改的區(qū)域，進(jìn)一步地，還可以修復(fù)作品。 1.3 數(shù)字水印概述 互聯(lián)網(wǎng)技術(shù)的發(fā)展產(chǎn)生了越來(lái)越多的數(shù)字化電子信息及其應(yīng)用。作為信息隱藏的一個(gè)重要分支—數(shù)字水印應(yīng)運(yùn)而生。根據(jù)信息隱藏的應(yīng)用可分為數(shù)字水印和數(shù)字隱寫(xiě)術(shù)（steganography）。數(shù)字水印技術(shù)是利用數(shù)字作品中普遍存在的冗余性和隨機(jī)性，向數(shù)字作品中加入不易察覺(jué)但可以判斷區(qū)分的秘密信息“水印”，從而起到保護(hù)數(shù)字作品版權(quán)或完整性的一種技術(shù)。20世紀(jì)90年代以來(lái)，通信網(wǎng)絡(luò)技術(shù)快速發(fā)展，計(jì)算機(jī)與互聯(lián)網(wǎng)快速發(fā)展與普及，第四次產(chǎn)業(yè)革命促使多媒體技術(shù)快速發(fā)展并得到廣泛應(yīng)用。計(jì)算機(jī)多媒體是一種集信息處理、信息傳遞與信息分享為一體的現(xiàn)代技術(shù)，近年來(lái)已成為現(xiàn)代技術(shù)應(yīng)用中炙手可熱的領(lǐng)域。多媒體技術(shù)被廣泛應(yīng)用于各類行業(yè)，為人們的生活、學(xué)習(xí)和工作帶來(lái)了全新的體驗(yàn)，在社會(huì)生活中發(fā)揮著不容小覷的作用。 多媒體技術(shù)的出現(xiàn)使得數(shù)字媒體信息的制作、存儲(chǔ)和使用更為便捷。而通信技術(shù)的進(jìn)一步發(fā)展使通信設(shè)備成為信息交流的重要途徑。多媒體技術(shù)與通信系統(tǒng)的結(jié)合實(shí)現(xiàn)了信息的數(shù)字化生產(chǎn)和網(wǎng)絡(luò)化傳輸，可以方便地進(jìn)行信息的使用與交換而不受地域和距離等因素的影響。多媒體作品借助網(wǎng)絡(luò)被復(fù)制、處理與傳播的過(guò)程中，副作用也隨之產(chǎn)生，傳輸?shù)淖髌肺募赡芪唇?jīng)允許就被惡意地復(fù)制、篡改或傳播。因此采取適當(dāng)?shù)男袆?dòng)來(lái)打擊盜版、防止非法復(fù)制并保護(hù)數(shù)字作品版權(quán)已勢(shì)在必行。 傳統(tǒng)的通信安全問(wèn)題解決方法大多基于密碼學(xué)。建立密鑰系統(tǒng)，將易讀的明文信息轉(zhuǎn)換成不會(huì)被輕易破解的密文信息，進(jìn)而控制用戶訪問(wèn)數(shù)據(jù)，使得信息在網(wǎng)絡(luò)傳輸時(shí)，不法攻擊者無(wú)法輕易破解密文截獲重要信息，進(jìn)而實(shí)現(xiàn)信息安全與版權(quán)保護(hù)。但是密碼技術(shù)具有一定的局限性，首先加密后的文件不易被理解，會(huì)阻礙數(shù)字信息的傳播與使用；其次，只在信道傳輸過(guò)程中使用了加密手段，而傳輸后密文被解密，信息就變得透明化[46]。基于以上缺點(diǎn)，需要一種新的技術(shù)，該技術(shù)能夠?qū)⒁恍┲匾臉?biāo)志信息放到數(shù)字圖像、視頻等作品中用來(lái)證明數(shù)字作品的版權(quán)，而又不會(huì)影響數(shù)字產(chǎn)品的正常傳播與正常使用。在此背景下，信息隱藏技術(shù)[47，48]得到了研究人員的關(guān)注，研究人員開(kāi)始嘗試將產(chǎn)品相關(guān)的版權(quán)信息或產(chǎn)品序列號(hào)
書(shū)友推薦
- >
二體千字文
- >
伯納黛特,你要去哪(2021新版)
- >
山海經(jīng)
- >
我與地壇
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
回憶愛(ài)瑪儂
- >
我從未如此眷戀人間
- >
苦雨齋序跋文-周作人自編集
本類暢銷(xiāo)
