基于伪随机数生成器的视频隐写算法

针对视频隐写的安全性和可靠性较低的问题,提出基于伪随机数生成器的视频隐写算法。将伪随机数生成器用于视频帧的选择,以增强隐写过程的随机性和不可预测性。伪随机数生成器产生的序列不同于传统固定模式的帧选择,其输出序列难以预测,使得攻击者难以从外部特征推断嵌入策略,从而降低被统计分析工具和机器学习模型检测的可能性。此外,用校验子格编码将秘密数据编码成冗余信息,以增强秘密数据的完整性,提升数据在复杂通信环境中的抗干扰性。实验结果表明,本算法能较显著提高视频隐写的安全性和隐蔽性,能有效抵抗统计分析攻击,并且在保持高数据嵌入率的同时,确保较低的错误率和较高的图像质量。

无损载体和鲁棒代价结合的JPEG图像鲁棒隐写

目的传统隐写技术在实际社交网络信道上难以保护秘密信息的完整性。在社交网络中,图像往往经过有损压缩信道进行传输,从而导致隐蔽通信失效。为了保证经过压缩信道传输的载密图像鲁棒性,设计安全鲁棒的隐蔽通信技术具有实际应用价值。基于最小化图像信息损失,本文提出无损载体和鲁棒代价结合的JPEG图像鲁棒隐写。方法首先,指出构造无损载体能有效维持隐写安全性和鲁棒性的平衡,对经过压缩信道前后的JPEG图像空域像素块进行差分,构造无损载体以确定鲁棒嵌入域;其次,通过对离散余弦变换(discrete cosine transform,DCT)系数进行“±1”操作,并计算空域信息在压缩传输前后的损失,设计衡量DCT系数抗压缩性能的鲁棒代价;同时,验证在低质量因子压缩信道下鲁棒代价更能区分DCT系数的鲁棒能力,最后,利用校验子格编码(syndrometrellis code,STC),结合无损载体和鲁棒代价对秘密信息进行嵌入。结果实验在BossBase1.01图像库上进行对比实验,相比于传统JPEG隐写技术,构造无损载体作为嵌入域能有效地将信息平均提取错误率降低24.97%,图像的正确提取成功率提高了21.35%;在此基础上,鲁棒代价进一步将信息平均提取错误率降低1.05%,将图像的正确提取成功率提高16.12%,验证了本文方法显著提高了隐写抗压缩性能。与J-UNIWARD(JPEG universal wavelet relative distortion)、JCRISBE(JPEG compression resistant solution with BCH code)和AutoEncoder(autoencoder and adaptive BCH encoding)3种现有典型隐写方法相比,提出的方法信息平均提取错误率分别降低了95.78%、93.17%和87.38%,图像的正确提取成功率为另外3种隐写方法的86.69倍、30.74倍和4.13倍。图像视觉质量逼近传统隐写方法,并保持较好的抗检测性。结论本文提出的抗低质量因子JPEG压缩鲁棒隐写方法,获得的中间图像在经过压缩信道后,具有较强的抗压缩性和抗检测性,并保持较高的图像质量。