專利名稱：：Jpeg隱密分析系統(tǒng)中的定量分析方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于通信領(lǐng)域中的信息對抗技術(shù)，特別涉及到JPEG隱密分析系統(tǒng)中的定量分析方法。技術(shù)背景隱密是指將信息隱藏于其他載體之中并應(yīng)用于通信等領(lǐng)域的技術(shù)，其目的是將秘密信息經(jīng)過偽裝后混跡于海量的日常數(shù)據(jù)而不被察覺，為保密通信提供一種新的安全范式。迄今為止，此領(lǐng)域已有多種隱密方法公開發(fā)表，在互聯(lián)網(wǎng)上也已經(jīng)出現(xiàn)了百余種可供下載的隱密軟件，支持在圖像、視頻、音頻、文本等多種多媒體數(shù)據(jù)中隱藏秘密信息。由于非法濫用隱密技術(shù)極可能危及到國家安全及社會穩(wěn)定，因此必須采取有效的隱密分析技術(shù)，檢測、提取、阻止甚至破壞互聯(lián)網(wǎng)上可能存在的隱密信息。目前已公開的隱密分析技術(shù)可分為通用性隱密分析和針對性隱密分析兩類。通用性隱密分析一般利用高維統(tǒng)計特征空間中所訓(xùn)練的分類器判斷待測樣本是否含有秘密信息，如LyuS方法(文獻(xiàn)LyuS，F(xiàn)aridH."Detectinghiddenmessagesusinghigher-orderstatisticsandsupportvectormachines,"Proceedingsofthe5thInternationalWorkshoponInformationHiding(IH2002).Noordwijkerhout,TheNetherlands,October7-9,2002.pp.340-354.)和XuanGR方法(XuanGR."Steganalysisbasedonmultiplefeaturesformedbystatisticalmomentsofwaveletcharacteristicfbnctions,"/"_/brma//cw/f/c/"g2005,3727.Springer-Verlag,Berlin,Heidelberg,2005.pp.262-277.);而針對性隱密分析方法不但可以判斷待測樣本是否含有秘密信息，而且還可以估計出待測樣本內(nèi)隱密信息量的多少。由于對隱密信息的定量分析對后續(xù)的判決甚至破譯工作都起著重要的作用，因此研究隱密信息的定量分析技術(shù)具有非常重要的現(xiàn)實意義。針對互聯(lián)網(wǎng)上使用最為廣泛的JPEG(JointPhotographicExpertsGroup)格式圖像，近些年已相繼出現(xiàn)多種可估計秘密信息隱藏量的定量隱密分析方法，其中較為典型的有FridrichJ方法(文獻(xiàn)FridrichJ,GoljanM，andHogeaD."SteganalysisofJPEGimages:BreakingtheF5algorithm,"Proceedingsofthe5thInternationalWorkshoponInformationHiding(IH2002).Noordwijkerhout,TheNetherlands,October7-9,2002.pp.310-323.和文獻(xiàn)FridrichJ，GoljanM,andHogeaD."AttackingtheOutGuess,"iVoceedz'"gso/爿CMJForA^/zo/Afw/^me^.aSec'(y2002.Juan-les-Pins，F(xiàn)rance,December2002.pp.3-6.)禾口ZhangT方法(文獻(xiàn)ZhangT，PingXJ."AFastandEffectiveSteganalyticTechniqueagainstJsteg-Like'Algorithms,"/VoceW"伊v4CMS戸/os/畫^p///et/Cbm^w"'"g.Florida,USA,March2003.pp.307-311.)所提方法。這些定量隱密分析方法的研究思路是，針對不同的JPEG隱密算法原理，分別推導(dǎo)出秘密信息隱藏量與某統(tǒng)計特征之間的概率關(guān)系，并利用參數(shù)估計方法確定定量分析模型。此類方法的不足之處在于每種定量隱密分析方法均具有較強的針對性，所采用的統(tǒng)計特征和預(yù)測模型無法應(yīng)用到對其他隱密算法的定量分析；如果隱密算法的嵌入機(jī)制比較復(fù)雜，則很難推導(dǎo)出秘密信息隱藏量與統(tǒng)計特征之間的概率關(guān)系，導(dǎo)致無法定量分析。
發(fā)明內(nèi)容本發(fā)明的目的在于，利用多維統(tǒng)計特征的通用性和支持向量回歸(SupportVectorRegression)技術(shù)良好的泛化能力，提出一種可用于定量分析JPEG格式圖像中秘密信息隱藏量的通用方法，為建立高精度JPEG隱密分析系統(tǒng)提供必要的技術(shù)支持。本發(fā)明的技術(shù)方案如下采用的總體技術(shù)方案分為訓(xùn)練和檢測兩部分訓(xùn)練部分首先用JPEG隱密算法以不同秘密信息隱藏量生成批量JPEG圖像，提取每幅JPEG圖像的多維共生特征，再采用支持向量回歸技術(shù)擬合多維共生特征量與秘密信息隱藏量之間的函數(shù)關(guān)系，確定定量分析模型；檢測部分先對待測JPEG圖像提取相同維數(shù)的共生特征，輸入訓(xùn)練部分所得的定量分析模型，計算該待測JPEG圖像中秘密信息隱藏量的估計值。(1)JPEG圖像共生特征的提取方案由于已有的JPEG圖像隱密算法大都通過修改亮度通道的量化后DCT系數(shù)來隱藏秘密信息，因此本發(fā)明提取共生特征的過程也在亮度通道的量化后DCT系數(shù)中進(jìn)行。具體步驟如下步驟l.計算JPEG圖像J的亮度通道量化后DCT系數(shù)的共生矩陣F"矩陣Fj的第P行、第《列值為巧(m)=HIE力-(P-r-1))"(O)-("-")]其中，4e0/')為JPEG圖像亮度通道中某一8x8塊的量化后DCT系數(shù)矩陣，1，^，1^^C分別表示此塊位于第Hf、第c列；1^/28分別表示量化后DCT系數(shù)位于當(dāng)前8x8塊中的第/行、第y'列；=X=，r為正整數(shù)參數(shù)；步驟2.將膺切掉4行4列像素，并按JPEG圖像Jfi勺量化表及其他量化參數(shù)，將剩余圖像壓縮為JPEG圖像義；步驟3.按步驟1方法計算義的亮度通道量化后DCT系數(shù)的共生矩陣f々；步驟4.計算如下統(tǒng)計特征量^:其中，f、&、。都為2r+i行、2r+i列矩陣，r為步驟i中的正整數(shù)參數(shù)。(2)訓(xùn)練定量分析模型的具體方案如下步驟l.對某一給定的JPEG隱密算法，以不同秘密信息隱藏量生成批量JPEG圖像；步驟2.按(1)中的特征提取方案為每一幅JPEG圖像提取(2r+l^維特征；步驟3.將每一幅JPEG圖像的特征和對應(yīng)的秘密信息隱藏量輸入支持向量回歸機(jī)，通過網(wǎng)格搜索和交叉校驗得到使訓(xùn)練誤差最小的定量分析模型。(3)對待測JPEG圖像進(jìn)行定量分析的具體方案如下步驟l.按(1)中的特征提取方案對待測JPEG圖像提取(2r+l)^隹特征；步驟2.將待測JPEG圖像的特征輸入(2)中訓(xùn)練好的定量分析模型，計算出待測JPEG圖像內(nèi)秘密信息隱藏量的估計值。本發(fā)明的效果和益處是本發(fā)明利用多維共生特征替代傳統(tǒng)定量隱密分析方案中的單一統(tǒng)計特征，可更為有效地度量數(shù)據(jù)隨秘密信息隱藏量的變化，在很大程度上提高定量分析的精度。所提取的共生特征不針對任何隱密算法，具有較強的通用性，且構(gòu)建定量分析模型時無需隱密算法原理的任何信息，從而大大降低了定量分析方法的設(shè)計難度。具體實施方式以下對本發(fā)明的實施例作詳細(xì)說明本實施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實施，給出了詳細(xì)的實施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實施例。1.將1300幅高精度數(shù)碼相機(jī)圖像經(jīng)ACDSee7.0縮放為1600x1200大小，并重新壓縮為85質(zhì)量因數(shù)JPEG圖像，作為不含有秘密信息的載體圖像。對圖像大小和質(zhì)量因數(shù)的規(guī)范化有利于提高定量分析模型精度，但并非必要步驟。2.對給定的JPEG隱密算法(如F5隱密算法，見文獻(xiàn)WestfeldA."F5-asteganographicalgorithm:highcapacitydespitebettersteganalysis，，,/"》W2加'ow//Wwg艦/她/72油'owa/,rfo/zo/,///W.Pittsburgh,USA,2001:289-302.)，以不同隱藏量(如該隱密算法最大秘密信息隱藏量的10%、20%、...、100%)向上述載體圖像中隱藏秘密信息，生成多批含有秘密信息的JPEG圖像。3.提取每幅JPEG圖像(2r+l)"隹特征，具體方案如下步驟l.計算JPEG圖像J^]亮度通道量化后DCT系數(shù)的共生矩陣巧，矩陣Fj的第p行、第《列值為巧(a《)=HIUtPC/一力,力-&—r—1))"(^々(i,))—(《—r—1))]其中，^力'，力為JPEG圖像亮度通道中某一8x8塊的量化后DCT系數(shù)矩陣，1，^，1^^C分別表示此塊位于第H于、第c列；1S^8分別表示量化后DCT系數(shù)位于當(dāng)前8x8塊中的第珩、第)列；<formula>formulaseeoriginaldocumentpage9</formula>r為正整數(shù)參數(shù)；步驟2.將^/剪切掉4行4列像素，并按JPEG圖像J的量化表及其他量化參數(shù)，將剩余圖像壓縮為JPEG圖像義；步驟3.按步驟l方法計算二的亮度通道量化后DCT系數(shù)的共生矩陣i^;步驟4.計算如下統(tǒng)計特征量P^:其中，F(xiàn)、F^、。都為2r+l行、2TM列矩陣，r為步驟i中的正整數(shù)參數(shù)。例如，取7^1，求得一幅JPEG圖像J和剪切圖像義的亮度通道量化后DCT系數(shù)3行3列共生矩陣F、F,^分別為<formula>formulaseeoriginaldocumentpage9</formula>4.將每幅JPEG圖像的共生特征和對應(yīng)的秘密信息隱藏量輸入支持向量回歸機(jī)，通過網(wǎng)格搜索和交叉校驗得到訓(xùn)練誤差最小的最優(yōu)定量分析模型。5.對一幅待測JPEG圖像按3中方案提取相同維數(shù)的共生特征，并將共生特征輸入4中得到的定量分析模型，計算出待測JPEG圖像中秘密信息隱藏量的估計值。表1統(tǒng)計了實施例訓(xùn)練所得的定量分析模型對500幅F5隱密算法所生成含密圖像的定量估計結(jié)果。表中第1列表示隱密算法的實際秘密信息隱藏量，"±0.05"列表示定量分析模型的預(yù)測值落在實際隱藏量±0.05區(qū)域內(nèi)的圖像數(shù)占圖像總數(shù)的百分比，"±0.025"列表示預(yù)測值落在實際隱藏量±0.025區(qū)域內(nèi)的圖像數(shù)占圖像總數(shù)的百分比，最后兩列分別為預(yù)測值的均值和方差。表1針對F5算法的定量隱密分析結(jié)果<table>tableseeoriginaldocumentpage10</column></row><table>權(quán)利要求1.一種JPEG隱密分析系統(tǒng)中的定量分析方法，其特征在于對JPEG隱密算法以不同秘密信息隱藏量生成的批量JPEG圖像分別提取特征，并采用支持向量回歸技術(shù)訓(xùn)練定量分析模型；對一待測JPEG圖像提取相同特征，輸入已訓(xùn)練出的定量分析模型，計算秘密信息隱藏量的估計值。2.根據(jù)權(quán)利要求1所述的一種JPEG隱密分析系統(tǒng)中的定量分析方法，其特征在于，對訓(xùn)練和待測JPEG圖像按以下步驟提取特征量步驟l.計算JPEG圖像^/的亮度通道量化后DCT系數(shù)的共生矩陣i^，矩陣^的第p行、第《列值為O，《)=ZZZP(乙々('',力-(P-r-!))x3(,+"v(")-(《-7-1))]11C-l8+7ZZZ[5(")--r-1))x5(/,力-("r-1))]其中，^c(4/)為JPEG圖像亮度通道中某一8x8塊的量化后DCT系數(shù)矩陣，Br^，1^rSC分別表示此塊位于第r行、第c列；1S，^8分別表示量化后DCT系數(shù)位于當(dāng)前8x8塊中的第折、第/列；《w41X=Q，r為"0.正整數(shù)參數(shù)；步驟2.將應(yīng)切掉4行4列像素，并按JPEG圖像崩量化表及其他量化參數(shù)，將剩余圖像壓縮為JPEG圖像^;步驟3.按步驟1方法計算義的亮度通道量化后DCT系數(shù)的共生矩陣7^;步驟4.計算如下統(tǒng)計特征量P,:其中，F(xiàn)、F,、r,都為2r+i行、2r+i列矩陣，r為步驟i中的正整數(shù)參數(shù)。3.根據(jù)權(quán)利要求1所述的一種JPEG隱密分析系統(tǒng)中的定量分析方法，其特征在于，采用如下步驟訓(xùn)練定量分析模型步驟l.對某一給定的JPEG隱密算法，以不同秘密信息隱藏量生成批量JPEG圖像；步驟2.按權(quán)利要求2所述特征提取方案為每一幅JPEG圖像提取(27+1)2維特征；步驟3.將每一幅JPEG圖像的特征和對應(yīng)的秘密信息隱藏量輸入支持向量回歸機(jī)，通過網(wǎng)格搜索和交叉校驗得到訓(xùn)練誤差最小的最優(yōu)定量分析模型。4.根據(jù)權(quán)利要求1所述的一種JPEG隱密分析系統(tǒng)中的定量分析方法，其特征在于，采用如下步驟對待測JPEG圖像進(jìn)行定量分析步驟l.按權(quán)利要求2所述特征提取方案對待測JPEG圖像提取(2r+l)2維特征；步驟2.將待測JPEG圖像的特征輸入按權(quán)利要求3所述的最優(yōu)定量分析模型，計算出待測JPEG圖像內(nèi)秘密信息隱藏量的估計值。全文摘要本發(fā)明屬于通信領(lǐng)域中的信息對抗技術(shù)，涉及到JPEG隱密分析系統(tǒng)中的定量分析方法。其特征在于，對JPEG隱密算法以不同秘密信息隱藏量生成的批量JPEG圖像分別提取特征，并采用支持向量回歸技術(shù)訓(xùn)練定量分析模型；對一待測JPEG圖像提取相同特征，輸入已訓(xùn)練出的定量分析模型，計算秘密信息隱藏量的估計值。本發(fā)明的效果和益處是利用多維共生特征替代傳統(tǒng)定量隱密分析方案中的單一統(tǒng)計特征，可更為有效地度量數(shù)據(jù)隨秘密信息隱藏量的變化，在很大程度上提高定量分析的精度；所提取的共生特征不針對任何隱密算法，具有較強的通用性，且構(gòu)建定量分析模型時無需隱密算法原理的任何信息，從而大大降低了定量分析方法的設(shè)計難度。文檔編號G06T1/00GK101261725SQ20081001099公開日2008年9月10日申請日期2008年4月11日優(yōu)先權(quán)日2008年4月11日發(fā)明者孔祥維,郭艷卿申請人:大連理工大學(xué)