适应多种数字媒体的安全隐写及其对抗关键技术研究

Based on the academic frontier and practical demands for cyberspace information security, this project aims to investigate the next generation universal steganographic framework applicable to a variety of covert communication channels (image, audio and video) and its countermeasure technique, which consists mainly of : (1) Characterize the correlation among neighboring elements of digital medias, and formulate the problem of secure steganography for high-dimensional digital media as the one of minimization of KL divergence for a series of low-dimensional structures by utilizing the conditional independence of GMRF. In consideration of the interplay among neighboring embedding, develop the universal steganographic framework applicable to a variety of digital medias that tackles the bottleneck of minimal distortion embedding with non-additive distortion function. (2) By incorporating the structures and statistical distributions of different medias, investigate the enabling techniques for multiple digital medias based on the established universal steganographic framework, which leads to the secure steganography for covers of image, video and audio. (3) Investigate the representation and deep learning for steganographic features in the context of multiple sources, mismatch and different media structures by incorporating the different structures of multiple medias and their statistical distributions, which includes the key techniques of network structure, the usage of domain knowledge and selection channel information and the activation function specific to the behavior of steganographic signal. And design the deep network for steganalysis with good generalization capability and superior performance over the state-of-the-art hand-crafted feature sets.

本项目面向我国网络空间信息安全的重大现实需求和学科前沿，以数字图像、视频和音频媒体为主要研究对象，研究可适应多种隐写信道（数字媒体）的新一代数字隐写框架及其对抗分析技术。研究的主要内容包括：（1）以高斯马尔科夫随机场（GMRF）模型刻画数字媒体元素间的相关性，利用GMRF模型的条件独立性，将高维数字媒体的隐写表示为一系列低维团结构的KL散度最小化问题，在考虑不同嵌入相互作用的条件下，构建适应多种媒体的通用隐写框架，突破有关非加性失真最小嵌入的技术瓶颈。（2）根据数字媒体的结构和统计分布特征，研究有关通用隐写框架在多种数字载体上的实现技术，实现对图像、视频和音频载体的安全隐写。（3）研究多源、失配和多种媒体结构情况下的隐写特征表达和深度学习，包括网络结构、领域专家知识、针对隐写信号行为的激活函数和选择信道信息融合等关键技术，实现具有高度泛化能力、性能显著优于人工特征集的深度隐写分析网络。

本项目面向我国网络空间信息安全的重大现实需求和学科前沿，研究可适应多种隐写信道（图像、视频和音频）的新一代数字隐写框架及其对抗分析技术。主要研究内容和成果包括：（1）考虑联合失真的多媒体通用隐写（以图像载体为例）：研究中将隐写任务表示为给定嵌入容量下最小化载体和载密图像之间KL-散度的优化问题，以高斯马尔科夫随机场（GMRF）模型表征空域载体图像像素间的局部相关性，将载体和载密图像分解为多个和邻域相关子网格图像，通过对各子图像KL-散度的交替迭代优化实现整体载体和载密图像间KL-散度的最小化安全隐写。（2）考虑联合失真的视频隐写：目前主流的视频隐写方法是基于运动矢量（MV）的视频隐写，其设计指标主要是容量和对抗视频隐写分析集的攻击，包括：局部最优特征集LO和运动向量一致性特征集（MVC）。我们在研究中定制化设计一种专用抵抗局部最优检测的结构（Anti-LO），通过和抗MVC特征集的嵌入失真函数dMVC的集成，结合2-阶段STC编码，实现了可以同时抵抗局部最优（LO）和MVC特征集的检测的安全视频隐写。（3）考虑联合失真的安全音频隐写：研究中提出采用分段STC机制（SSTC），用优选的子校验矩阵将密信段嵌入到与其最佳匹配的载体段中，通过考虑复杂音频载体选择和人耳听觉效应提出了一种联合失真代价函数，结合SSTC编码，实现了高安全性音频隐写。（4）基于深度学习框架的隐写对抗和分析技术：针对更具实际应用价值的JPEG图像隐写分析，通过采用人工特征集RM中的高通滤波器初始化网络模型的第一层、提出新的激活函数TLU和使用残差学习模块融合选择信道知识，实现了一种具有低模型复杂度和高性能的定制化JPEG图像深度隐写分析模型。在项目执行期，研究团队针对相关研究内容，开展了卓有成效的研究工作，取得一批较好的学术和应用成果，共计发表学术论文58篇，其中包括17篇IEEE会刊系列论文，较好地完成了本项目规定的研究任务。

内容获取失败，请点击重试