密文域可逆信息隐藏技术综述(上)

加密图像可逆信息隐藏是一种加密原始图像后,在密文图像中可逆地隐藏附加数据,并且在数据提取后,原始图像可以被无损重建的技术。RDH-EI的分类如图1所示。

按对图像的加密方法,现有RDH-EI算法可分为对称加密域和非对称(公钥)加密域可逆信息隐藏两大类。

基于公钥加密系统的RDH-EI算法利用加密算法的同态性隐藏信息,或利用加密算法引入信息冗余,为信息隐藏创造空间。2014年,Chen等在文献[1]中首次提出了基于Paillier同态加密的RDH-EI算法,该算法具有较高信息嵌入率。2015年,Shiu[2]等对文献[1]算法进行改进,通过引入传统RDH算法中基于差分扩展(difference expansion, DE)的信息隐藏方法降低计算复杂度。2016年,Zhang等提出了基于Paillier和Damgard-Jurik(Paillier改进算法)同态加密的RDH-EI算法[3],该算法基于湿纸编码(wet paper coding)和直方图收缩在加密图像中嵌入秘密信息,接收者若有隐藏密钥,可以从含密的加密图像中提取部分秘密信息,若接收者还有加密密钥,可以在图像解密后提取余下秘密信息并无损恢复原始图像。基于Paillier同态加密的RDH-EI算法还有文献[4-8]。其中,文献[4]基于像素值扩展(value expansion)隐藏秘密信息;文献[5]先对原始图像进行信号能量转换操作,i.e.,将原始图像的每个像素表示为三部分之和,然后利用Paillier同态加密算法加密能量转换后的信号,生成加密图像,通过操作加密信号隐藏秘密信息,该算法的特点是直接解密图像与原始图像一致,无需进行原始图像重建操作;文献[6]在加密前选择部分像素作为目标像素,基于DE的方法将目标像素的各比特嵌入其他像素,为信息隐藏留出空间;文献[7]对加密图像进行小波变换,秘密信息被嵌入高频子带中;文献[8]利用加密域的乘法同态性进行直方图扩展,基于加密域的加法同态性进行直方图平移(Histogram shifting, HS)隐藏秘密信息。除了基于Paillier同态加密的RDH-EI算法,还有基于mod 256同态加密的RDH-EI算法[9-11]。其中,文献[9]基于差分直方图平移(difference histogram shifting, DHS)在密文图像中隐藏秘密信息;文献[10]在图像加密前对原始像素分组,计算并保存每组像素的均值,用于秘密信息提取和原始图像重建;文献[11]基于像素值排序(pixel value ordering, PVO)(实质是预测误差直方图平移)在密文图像中隐藏秘密信息。上述RDH-EI算法[1-11]采用的图像加密算法只满足半同态性(加同态或乘同态),利用同态加密的明文值与密文值对应,允许对密文进行算数运算的性质[6]隐藏秘密信息。2016年,张敏情等提出基于全同态加密加密算法(R-)LWE的RDH-EI算法[12,13],利用(R-)LWE加密算法引入信息冗余从而进行信息隐藏。

基于对称加密系统的RDH-EI算法一般采用流密码加密图像,利用图像的空间相关性重建原始图像。根据信息提取与图像解密恢复是否独立,基于对称加密系统的RDH-EI算法又可分为联合RDH-EI和可分离RDH-EI两类。

联合RDH-EI中,接收者首先根据加密密钥解密密文图像,再根据信息隐藏密钥提取隐藏的秘密信息,同时恢复原始图像。2011年,Zhang在文献[14]中首次提出加密图像可逆信息隐藏,用户基于加密密钥按位异或(bitwise XOR)加密原始图像,信息隐藏者将加密图像分为大小相等的图像块,根据隐藏密钥翻转图像块中一半像素的3 LSB(Least significant bit)嵌入1比特秘密信息,接收者收到含密加密图像后,利用加密密钥可得到与原始图像相似的解密图像。根据隐藏密钥,接收者利用一个波动函数计算像素的波动值,从解密图像中提取秘密信息同时恢复原始图像。由于每个图像块中只能隐藏1比特秘密信息,所以该算法信息嵌入率低,此外,该算法中的波动函数准确性不高使得信息提取和图像恢复出现错误。2012年,Hong等对文献[14]中的波动函数和图像块恢复顺序进行改进,提出了基于边匹配的改进算法[15],相较于文献[14],该改进算法充分利用了图像块边缘像素的相关性,降低了信息提取错误率。其后,研究者从降低秘密信息提取错误率的角度对文献[14]中的波动函数进行改进,提出了多种改进联合RDH-EI算法[16-20]。2016年,Zhang等对文献[14]的信息隐藏方法和波动函数进行进一步改进,提出基于交换/位移(swapping/shifting)的改进联合RDH-EI算法[21],该算法基于数据交换和循环位移(data swapping and cyclic shifting)实现三层信息隐藏隐藏,在降低信息提取错误率的同时显著提高了信息嵌入率。2016年,Zhou等提出一种基于密钥调制的RDH-EI算法[22],基于公钥调制机制在XOR加密的图像中嵌入秘密信息,该算法无需隐藏密钥,为密钥管理提供了方便。

相关推荐
说私域几秒前
基于开源 AI 智能名片、S2B2C 商城小程序的用户获取成本优化分析
人工智能·小程序
东胜物联20 分钟前
探寻5G工业网关市场,5G工业网关品牌解析
人工智能·嵌入式硬件·5g
皓74131 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan1 小时前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路1 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子1 小时前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营3 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20065 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别