抗隐写分析的数字水印技术研究

业务背景

数字经济环境下,应用数字图像水印的场景越来越多。数字图像水印技术作为一种向载体中嵌入隐秘信息的技术,在当今时代有着非常多的应用场景。比如,嵌入版权所有者的信息,可以用于保护有价值数字信息的版权;嵌入链接信息,可以用于隐秘传送链接;嵌入分类信息,可以用于数据隐秘标注,等等。

随着时间推移,实际生活中使用数字水印的应用越来越多,由此引发的各种各样的攻击与对抗场景也越来越多。隐写分析作为一种检测数字水印或隐秘信息的工具,一直是学术界研究的一个重要方向。有效的隐写分析方法可以以极高的召回率检测含有隐秘信息的载体。一旦含水印图像容易被检测到,那么针对水印的攻击将变的更加容易。我们作为一个较早布局水印技术的公司,使用水印的场景很多,随着时间推移,针对我们技术的攻击将变多。如果我们的水印技术容易被发现、攻破,那么将对我们造成巨大的损失。因此我们需要未雨绸缪,提前布局相应技术,才能从容应对挑战。

在学术界,有数字水印技术和隐写分析技术是两种对立的技术,数字分析技术用于“隐藏”信息,关注水印的鲁棒性,而隐写分析技术用于“检测”是否含有水印,是一种分类器。在学术界罕有将两者结合在一起研究的。我们从实际业务出发,考虑到可能会面临的实际情况,希望能够将数字水印技术与隐写分析技术结合在一起进行研究,目标是研究出同时具备鲁棒性和安全性(难以被隐写分析检测到)的技术,并且产出一定的结论性指导思想,用于指导后续的水印方法设计。

拟解决问题

目前主流的隐写分析算法大部分采用深度学习模型构建隐写分析器,深度学习方法能够很好地把特征提取和特征分类这两个步骤结合在一起,其中表现比较好的有Xu 等人提出的卷积神经网络Xu-Net, Ye 等人提出的将截断激活函数纳入隐写分析CNN 模型的网络结构,和Boroumand 等人提出的包含特定残差卷积结构的深度卷积神经网络SRNet (Steganalysis Residual Network)。这些隐写分析方法的出现为水印算法的研发和应用带来的极大的技术挑战。

考虑到实际情况,我们打算跟国内TOP隐写分析与水印研究团队进行合作,具体拟合作解决的技术问题为:

 抗隐写分析数字水印方法研究:研究常用的隐写分析方法,分析常用隐写分析方法的缺陷,并且总结有哪些思想可以应用到数字水印方法的设计中;设计具有一定鲁棒性的水印方法,要求能够抵抗一些常见的攻击,比如JPEG压缩、缩放、剪切、拼贴等;同时,该方法应具备一定的抵抗隐写分析的能力。期望的性能指标为:

鲁棒性能力:能够抵抗JPEG-60以上的压缩攻击、能够抵抗1/2~2倍的缩放攻击、能够抵抗一定程度的剪切攻击、能够抵抗一定程度的拼贴攻击;

抵抗隐写分析的能力,能够有效降低常见隐写分析方法的成功率。由于隐写分析的难度与数字水印鲁棒性存在一个平衡,不要求水印算法具备较强的鲁棒性,但是应该具备抵抗常见攻击的能力,同时不要求隐写分析的召回率特别低,只需要召回率有明显下降即可。

选取抵抗的隐写分析算法应包括:主流的基于传统方法的隐写分析算法;主流的基于神经网络的的隐写分析算法。为了模拟实际情况,隐写分析模型使用的训练数据有限。同时,隐写分析算法也需要限制针对一张图像的处理时间。

期望交付物

期望的合作交付:

成果形式:算法代码及演示2+份,测试报告2+份,申请专利2项,发表CCF-B论文1篇;

性能指标:

项目交付的主要内容是具备一定鲁棒性的数字图像水印算法,同时具备一定的抵抗隐写分析的能力。

  • 鲁棒性水印方法研究:能够抵抗JPEG-60以上的压缩攻击、能够抵抗1/2~2倍的缩放攻击、能够抵抗剪切攻击(保留面积1/2以上)、能够抵抗拼贴攻击(拼贴后面积不超过原图面积的3/2);
  • 用于对抗的隐写分析算法:用于对抗的隐写分析方法两种以上,其中:基于传统思路的隐写分析方法一种以上,如DCTR;基于深度学习的隐写分析方法一种以上,如Xu-Net。训练数据为10000张含水印的图像。采用的隐写分析算法处理单张图像的平均时间不超过500ms;

抗隐写分析数字水印方法与理论研究:提出的水印方法能够明显与未经过抗隐写分析设计的水印方法进行区别,被动隐写分析方法召回率低于80%;并且,能够以理论和实验的形式,论证常用隐写分析方法的缺陷;

Scan QR code
关注Ali TechnologyWechat Account