[發明專利]基于深層擾動的對抗隱寫方法

在審

• 申請號: 202011576594.2
• 申請日: 2020-12-28
• 公開（公告）號: CN112561773A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張衛明;俞能海;查宏越;秦川
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06T1/00
• 分類號: G06T1/00
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;韓珂

本發明公開了一種基于深層擾動的對抗隱寫方法，發送方使用隱寫嵌入方法，將秘密消息嵌入載體數據中，從而獲得載密數據；之后，基于對抗樣本原理生成深層擾動，并添加在載密數據中，獲得對抗載密數據；接收方接收到對抗載密數據后，使用與隱寫嵌入方法配套的隱寫提取方法，從對抗載密數據中提取秘密消息。基于上述方法：一方面，該方法將對抗樣本攻擊與隱寫術相結合，在保障完備的隱寫流程的前提下，實現對抗樣本攻擊；另一方面該方法具有較好的泛用性，可以適用于目前典型隱寫體系以及典型對抗樣本攻擊原理。

技術領域

本發明涉及深度學習對抗樣本技術與信息隱藏技術領域，尤其涉及一種基于深層擾動的對抗隱寫方法。

背景技術

信息隱藏是信息安全領域的研究分支，旨在實現隱蔽通信，又可稱為隱寫術。隱寫術的實現過程主要分為嵌入過程與提取過程：嵌入過程將需要傳輸的秘密消息嵌入到載體數據之中而不影響載體的正常功能；提取過程從載密數據中提取出在嵌入過程中嵌入的秘密消息。在完備的隱寫術流程基礎之上，隱寫術需要進一步追求嵌入過程的隱蔽性。以數字圖像隱寫術為例，數字圖像隱寫術通常將圖像像素或系數的修改幅度控制在“正負一”以內以提高隱寫術的隱蔽性，而一些先進的隱寫編碼則可以配合隱寫失真定義方法將隱寫修改落于圖像的紋理復雜區域，從而進一步提高隱寫修改的隱蔽性。

隱寫分析是對隱寫數據及行為進行分析取證的技術。最重要的隱寫分析任務即為載密數據的檢測任務，即區分載體數據與載密數據。該任務可被視為一種模式識別任務，并且可以運用機器學習的分類技術來解決。傳統的隱寫分析檢測方法通過提取數據隱寫特征，并訓練分類器來進行載體、載密的分類。近年來，大量基于深度學習的隱寫分析方法被提出，這些方法在性能表現以及實用性上已經逐漸超越基于特征的隱寫分析方法，并且成為隱寫分析的主流方法。以圖像隱寫分析為例，典型的隱寫分析網絡有XuNet、YeNet、SRNet等。

然而，深度學習模型會受到對抗樣本的攻擊。2013年，Szegedy等人發現，在輸入樣本上添加細微的擾動可以使所攻擊的深度學習模型以高置信度輸出錯誤的結果，這種處理過后的樣本被稱為對抗樣本。此后，學術界涌現出了大量的對抗樣本攻擊及防御的方法。

因此，一個自然的思路就是將對抗樣本攻擊的思想應用到隱寫術中，從而攻擊基于深度學習的隱寫分析分類器，使隱寫分析分類器輸出錯誤的結果。然而，直接在輸入端的載密數據上進行對抗樣本擾動會破壞載密數據的狀態，導致秘密消息提取失敗，因此需要發明一種對抗隱寫方法在保障正常的隱寫流程的前提下實現對抗樣本攻擊。

發明內容

本發明的目的是提供一種基于深層擾動的對抗隱寫方法，通過在載密數據上添加特殊的深層擾動，可以在保障秘密消息提取的同時實現對抗樣本攻擊。

本發明的目的是通過以下技術方案實現的：

一種基于深層擾動的對抗隱寫方法，包括：

發送方使用隱寫嵌入方法，將秘密消息嵌入載體數據中，從而獲得載密數據；之后，基于對抗樣本原理生成深層擾動，并添加在載密數據中，獲得對抗載密數據；

接收方接收到對抗載密數據后，使用與隱寫嵌入方法配套的隱寫提取方法，從對抗載密數據中提取秘密消息。

由上述本發明提供的技術方案可以看出，一方面，該方法將對抗樣本攻擊與隱寫術相結合，在保障完備的隱寫流程的前提下，實現對抗樣本攻擊；另一方面該方法具有較好的泛用性，可以適用于目前典型隱寫體系以及典型對抗樣本攻擊原理。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種基于深層擾動的對抗隱寫方法的流程圖；