[發(fā)明專利]一種基于PDF文件的圖文相關(guān)魯棒隱寫方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910129282.8
• 申請(qǐng)日: 2019-02-21
• 公開（公告）號(hào): CN109784082A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設(shè)計(jì)）人: 張衛(wèi)明;俞能海;陳可江;周航;董瀟逸
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06F21/60
• 分類號(hào): G06F21/60
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 古利蘭;王寶筠

本發(fā)明公開了一種基于PDF文件的圖文相關(guān)魯棒隱寫方法及系統(tǒng)，方法包括：利用載體圖像生成對(duì)應(yīng)的文本，基于載體圖像和載體圖像對(duì)應(yīng)的文本生成初始PDF文件，基于初始PDF文件的結(jié)構(gòu)和格式，提取初始PDF文件中的載體圖像，基于圖像自適應(yīng)隱寫算法在初始PDF文件中的載體圖像上進(jìn)行信息嵌入，生成載密圖像，將載密圖像轉(zhuǎn)化為碼流，并從底層修改載密PDF文件內(nèi)容。本發(fā)明基于PDF文件在社交媒體上傳輸是無損的，各大社交媒體不會(huì)對(duì)PDF文件進(jìn)行處理，結(jié)合圖像理解和主題生成的技術(shù)，生成圖文相關(guān)的PDF文件，并結(jié)合PDF文件的魯棒性和圖像隱寫的嵌入容量大的特點(diǎn)構(gòu)造隱寫算法，能夠有效的避免大數(shù)據(jù)分析手段的攻擊，以及保證隱秘信息的正確提取。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種基于PDF文件的圖文相關(guān)魯棒隱寫方法及系統(tǒng)。

背景技術(shù)

隱寫術(shù)的主要目的是用圖像、音頻、視頻等載體掩蓋秘密消息，實(shí)現(xiàn)隱蔽通信。信號(hào)中相關(guān)性弱、難以模型化的區(qū)域(如圖像的紋理復(fù)雜區(qū)域)更適合修改，因?yàn)樵谶@樣的區(qū)域內(nèi)修改嵌入信息是難以被檢測(cè)到的，而相關(guān)性強(qiáng)的區(qū)域內(nèi)嵌入信息則易被檢測(cè)到。這促使隱寫術(shù)自適應(yīng)地優(yōu)先修改失真小(難檢測(cè))的區(qū)域。相應(yīng)地，隱寫編碼技術(shù)也向自適應(yīng)方向發(fā)展。針對(duì)這種需求，目前提出了實(shí)用的最小化失真隱寫編碼，被稱為STC。實(shí)用的最小化失真隱寫編碼出現(xiàn)以后，隱寫術(shù)的研究就集中在了如何設(shè)計(jì)合理的失真函數(shù)。

當(dāng)前最流行的隱寫載體為圖像，它具有嵌入容量大的特點(diǎn)。但是大部分研究都是基于含有秘密信息的圖像未經(jīng)過任何處理傳送到接收方。顯然在實(shí)際生活中，更多場(chǎng)景是有損的處理，比如各大社交網(wǎng)站。載密圖片在社交媒體上的傳輸會(huì)不可避免的受到有損處理，包括有損壓縮，重采樣等，這將導(dǎo)致隱秘信息無法正確提取。

因此，如何有效的避免大數(shù)據(jù)分析手段的攻擊，以及保證隱秘信息的正確提取，是一項(xiàng)亟待解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于PDF文件的圖文相關(guān)魯棒隱寫方法，基于PDF文件在社交媒體上傳輸是無損的，各大社交媒體不會(huì)對(duì)PDF文件進(jìn)行處理，結(jié)合圖像理解和主題生成的技術(shù)，生成圖文相關(guān)的PDF文件，并結(jié)合PDF文件的魯棒性和圖像隱寫的嵌入容量大的特點(diǎn)構(gòu)造隱寫算法，能夠有效的避免大數(shù)據(jù)分析手段的攻擊，以及保證隱秘信息的正確提取。

本發(fā)明提供了一種基于PDF文件的圖文相關(guān)魯棒隱寫方法，包括：

利用載體圖像生成對(duì)應(yīng)的文本；

基于所述載體圖像和所述載體圖像對(duì)應(yīng)的文本生成初始PDF文件；

基于所述初始PDF文件的結(jié)構(gòu)和格式，提取所述初始PDF文件中的所述載體圖像；

基于圖像自適應(yīng)隱寫算法在所述初始PDF文件中的載體圖像上進(jìn)行信息嵌入，生成載密圖像；

將所述載密圖像轉(zhuǎn)化為碼流，并從底層修改載密PDF文件內(nèi)容。

優(yōu)選地，所述利用載體圖像生成對(duì)應(yīng)的文本包括：

提取所述載體圖像的語義信息；

基于所述語義信息，利用文本生成模型或利用關(guān)鍵詞在網(wǎng)絡(luò)上扒取獲得一段文本。

優(yōu)選地，所述提取所述載體圖像的語義信息包括：

使用預(yù)訓(xùn)練的視覺語義映射模型提取所述載體圖像的語義信息。

優(yōu)選地，所述利用載體圖像生成對(duì)應(yīng)的文本包括：

基于開源的循環(huán)神經(jīng)網(wǎng)絡(luò)文本生成算法生成所述載體圖像對(duì)應(yīng)的文本。

優(yōu)選地，所述基于所述初始PDF文件的結(jié)構(gòu)和格式，提取所述初始PDF文件中的所述載體圖像包括：

基于所述初始PDF文件的結(jié)構(gòu)和格式，提取所述初始PDF文件中的所述載體圖像對(duì)象中的JPEG格式圖像。