一种基于YOLOX的映射式无载体信息隐藏方法_苟沛东.pdf
《一种基于YOLOX的映射式无载体信息隐藏方法_苟沛东.pdf》由会员分享,可在线阅读,更多相关《一种基于YOLOX的映射式无载体信息隐藏方法_苟沛东.pdf(7页珍藏版)》请在咨信网上搜索。
1、110|电子制作 2023 年 6月实验研究0 引言信息隐藏1作为一种有效的隐蔽通信方法,旨在利用载体的某些特征将秘密信息隐藏在载体中,例如文本、数字图像和音视频文件等,以进行隐蔽通信。由于图像是信息传输中最重要的媒介之一,因此图像信息隐藏受到了广泛的关注。传统的信息隐藏主要侧重于在数字图像中嵌入消息,主要在空域23、频域45和自适应域68进行嵌入,同时对该图像保持最少的嵌入修改9。然而,隐写分析技术1011的主要目的就是通过修改痕迹检测秘密信息的存在。所以,传统的图像隐写术无法完全抵抗隐写分析,因为秘密信息的嵌入破坏了载体图像的统计特性,这也使得隐写分析具有可乘之机。为了避免在载体上留下痕迹
2、,而导致秘密信息被隐写分析发现,故无载体信息隐藏的技术应运而生1213。与传统的信息隐藏方法相比,无载体信息隐藏方法不改变载体,故而可以抵抗现有的所有隐写分析工具,从而比传统的信息隐藏方法具有更高的安全性。目前已有许多学者对无载体信息隐藏方法进行了研究,当前主要为映射/编码式无载体信息隐藏和生成/构造式无载体信息隐藏这两类方法。其中映射式无载体方法也被称为基于载体选择的无载体信息隐藏,其通过建立秘密信息与载体间的映射关系来实现隐蔽通信。该类方法一般需要建设大型数据库,存在映射方案覆盖率低、易被隐写分析获取秘密信息等普遍问题。近年来,随着更加强大的算力的出现,以及更加庞大的数据集的支持,人工智能
3、的浪潮席卷了全世界,而深度学习正是引发这一浪潮因素之一。深度学习是机器学习的一种技术,相对于较为传统的机器学习方法,深度学习十分擅长发现高维数据之中的复杂结构,如今它已经拥有了许多高效的模型,如卷积神经网络、生成对抗神经网络等。深度学习中优秀的模型被研究者们广泛地应用在信息隐藏之中。传统的信息隐藏算法一般都是算法设计者通过自身的领域知识来确定在载体图像哪些具体位置嵌入秘密信息,需要较高的专业知识,并且需要手工设计高斯滤波器等。由于深度学习的强大的特征学习能力,可以通过大量样本的训练拟合一些优秀的特征提取器,并通过神经网络来辨别出载体图像之中哪里适合嵌入秘密信息,摆脱了对算法实现者专业知识的需求
4、。我们也可以将深度学习中训练生成的思想带入到信息隐藏模型的训练中去,基于深度学习执行秘密信息隐藏算法,来使信息隐藏具有更高的安全性。目前基于深度学习的信息隐藏算法已经全面超过了传统的基于领域知识的设计的算法,所以将深度学习应用在信息隐藏算法之中是一个非常优秀的方向,能够很好地加速信息隐藏算法的发展。映射式无载体方法的经典算法是 2013 年 M.Bilal 等提出的零隐藏的概念14。该框架嵌入秘密信息时并不依赖于修改载体数据,而是建立秘密信息与载体之间的映射关系生成秘钥,把秘钥单独传送给接收方。ZHOU15等人提出了一种新的基于定位梯度直方图哈希算法的无载体信息隐藏方法。ZHENG16等人提出
5、一种基于鲁棒图像哈希的无载体隐写方法。随着深度学习17的快速发展,基于深度学习的映射式无载体信息隐藏方法应运而生。王亚宁等18针对大多数无载体隐写算法先定义映射规则,再在图库中匹配图像的思路,反其道而行之,提出先给定图库,根据已有图库自动搜索无载体映射关系的思路,隐藏量、抗检测能力、鲁棒性方面性能都有所提高。Zhou 等人19在 2019 年将FasterRCNN 与秘密信息相结合,通过检测目标类别构建映射关系,建立对应多级索引图像库以支持秘密信息传输,在传输准确度、信息隐藏容量等方面具有较好效果。Zhou 等人20利用 K-means 算法建立一个图像数据库,通过比较库中图像的 HSV 特征
6、来选择部分重复图像,而后利用图像不同位置的复制部分来进行信息隐藏。2017 年,Girshick 关于提出了准确度和运行耗时表一种基于 YOLOX 的映射式无载体信息隐藏方法苟沛东1,张春玉1,2,刘海伦1,石倚菲1(1.西藏民族大学 信息工程学院,陕西咸阳,712082;2.西藏自治区光信息处理与可视化技术重点实验室,陕西咸阳,712082)摘要:信息隐藏是信息安全领域重要的研究方向。无载体信息隐藏因不修改原始载体或无原始载体,令隐写分析算法无能为力,因此具有较高的安全性。本文提出一种基于高精度目标检测算法(YOLOX)的映射式无载体信息隐藏方法。首先建立目标图像和二进制编码间的映射关系表,
7、通过YOLOX来检测和定位图像中的对象,并利用这些对象的标签来表达秘密信息。发送方根据要传输的秘密信息在图库中用多级索引的方法选择符合要求的载体图像作为含密图像,如果该方法不能满足需求,还可以根据编码规则自建含密图像。接收方则仅需要用目标检测算法(YOLOX)检测和定位含密图像中的对象,根据规则恢复秘密信息即可。该方法原理简单,技术可行。实验结果表明,与同类基于深度学习方法的无载体信息隐藏方法相比,在提取准确率、鲁棒性和隐藏容量方面具有更好的表现。关键词:无载体信息隐藏;图像隐写;目标检测;YOLOXDOI:10.16589/11-3571/|111实验研究现均表现良好的 FasterRCNN
8、 算法。2019 年 Zhou 提出基于 FasterRCNN 的映射式无载体信息隐藏方案,算法基于FasterRCNN 来检测和定位图像中的目标,并利用目标标签来表达秘密信息,与传统的信息隐藏方法相比,在容量方面具有更高的性能,但研究的 FasterRCNN 算法对目标识别准确率的具有局限性,需构建大量图像库,算法应用难度较高,且受攻击后鲁棒性具有一定限制。基于上述方案,本文提出了基于 YOLOX 算法的映射式无载体信息隐藏方法根据秘密信息的二进制序列与检测目标间构建映射关系库;根据映射关系多级索引图像库,查找对应图像信息,若图像库中不包含所需信息,则可临时构建含密图像以支持信息传输。与之前
9、的工作相比,本文研究的算法的主要贡献如下:(1)本研究的映射式秘密信息传输具有较高的提取准确率,与传统的信息隐藏方法相比在受到攻击时也能保证图像的鲁棒性。(2)本文算法对比传统算法提高了隐藏容量,且本文实现的方法为可扩展隐藏方法,从而支持隐藏容量持续提升。(3)本文的含密载体质量高、更逼真,在进行秘密信息隐藏时可保证第三方无法发现,从而具有更高的安全性。1 相关工作YOLOX 目标检测算法由 ZhangGe 等人21于 2021 提出的目标检测网络模型,是目前 YOLO 网络系列速度最快,精度最高的检测模型。YOLOX 目标检测网络分为四部分组成,其分别为模型的输入端,主干网络 Darket5
10、3,特征增强网络以及模型预测端。YOLOX 数据输入部分采用强大的数据增强策略,将Mosica 以及 Mixup 两种数据增强策略相结合,能对数据进行有效扩充,防止模型的过拟合。Mosaic 数据增强策略已应用在其他 YOLO 系列模型当中,是一种非常有效地提高样本质量的技巧。首先,从数据集中随机抽取四张图片,并对每张图片进行随机翻转,裁剪,颜色扰动以及添加噪声等操作,然后再对其进行裁剪拼接,极大扩充了目标的背景,Mixup 数据增强方法则是首先从训练集中随机选取两张图像,并采用线性插值的方法对像素值进行叠加,扩充了目标的背景,将两种数据增强方法结合,更加有利于小目标的检测。模 型 的 主 干
11、 网 络 则 采 取 传 统 YOLO 系 列 模 型 的 Darknet53 作为特征提取网络。在增强模块中,采用空间金字塔结构的 FPN 网络将高语义信息特征与低级特征相结合进行多尺度训练,提高模型对小目标的检测能力。预测输出网络采用解耦头对检测目标类别以及坐标框的预测。传统的网络输出阶段,直接将目标分类与回归任务在同一特征图上进行,由于分类任务考虑样本之间的特征差异,而回归任务更加注重目标的外形轮廓特征,因此会导致任务产生冲突。YOLOX 的解耦头采用 11 卷积将特征图的通道数进行调整,调整后特征图连接两个并行的分支,每个分支采用两次 33 的卷积用以分类和回归任务。YOLOX 采用
12、Anchor-free 的检测器对坐标信息进行预测。在回归网络中,每个预测点需要预测边框的左上角坐标(x,y)以及矩形框的宽度、高度;分类网络需要对目标的类别进行预测;预测网络需要对框选的目标区域判断是目标区域还是背景区域,并采用目标的中心点作为训练的正样本。每个输出特征图上的点只预测一个预选框,将预测结果与原始的样本进行匹配来判断是否为正样本,需要采用合适的标签分配策略,YOLOX 采用 simOTA 方法作为标签的匹配方式。首先,获取预选框和目标框的坐标信息以及类别信息,通过计算 IOU 值得到与每个目标框对应 10 个候选框,IOU是一种测量在特定数据集中检测相应物体准确度的一个标准,是
13、算法检测中最常用的指标,它不仅可以确定正样本和负样本,还可以用来获得预测检测框与真实检测框之间的距离。其在数学上的表示为如下公式所示:ABIOUAB=,一般约定 IOU0.5 时,认为正确检测。然后利用回归损失以及分类损失计算代价函数,利用代价值给每个目标挑选候选框,最后再采用非最大抑制筛除重复的检测框。2 信息隐藏方法本研究实现了基于 YOLOX 算法的映射式无载体信息隐藏方法,扩展了无载体信息隐藏的多样性,针对了传统安全性差的问题进行优化提升,并在此基础上进一步提升了信息隐藏容量。本研究提出框架如图 1 所示,隐写方式为无载体信息隐藏,不会在图像中留下修改痕迹,利用 YOLOX 算法检测来
14、自图像库的图像的目标标签。算法根据秘密信息的二进制序列与检测目标之间构建映射关系库;根据映射关系多级索引图像库,查找对应图像信息,若图像库中不包含所需信息,则可自行构建含密图像以支持信息传输。发送端确认发送秘密信息,将秘密信息对应二进制序列,然后根据映射关系索引图像库或构建含密图像进行信息传输。接收方根据 YOLOX 算法从隐写图像中检测目标区域并获取其锚框中心点信息,然后根据映射关系库将识别目标信息转换为二进制序列,进而转化为秘密信息。2.1 映射关系库建立为了实现无载体信息隐藏,需要在秘密二进制序列和原112|电子制作 2023 年 6月实验研究始图像的特征之间建立映射关系库。在本研究中,
15、使用目标标签来表示秘密消息,从而将秘密消息转换为二进制序列,并使用 YOLOX 算法检测目标标签及锚框中心以建立映射关系库。YOLOX 算法检测到一组目标标签。如果将目标标签分为 2n个类别,每个目标可以表示 n 位消息。构建映射关系库,表示为 M。在此映射关系库中,目标标签分为 25个类别。由于使用目标标签来表示秘密消息,因此需要确定用于表示秘密信息的目标标签的顺序。本研究使用 YOLOX 算法从图像中检测目标及其标签。每个目标锚框中心点表示为(x,y),其中x和y表示目标锚框区域中心点的横、纵坐标。然后,根据目标锚框区域中心点横坐标 x 值对目标从左至右进行排序,若检测横坐标相同,则根据纵
16、坐标 y 值从上至下进行排序,本研究图像主动生成过程应尽可能避免目标锚框横坐标值相同,即应尽量避免生成图像时目标物体出现锚点覆盖。构建映射关系库时应考虑后续秘密信息传输的图像载体的合理性进行充分考虑,本研究采用了 COCO2017 数据集的目标标签,针对 COCO2017 数据集包含 81 种分类,本研究每个目标物体映射为 5bit 信息,为了降低含密图像载体的不合理构图可能性,本研究映射遵循常见目标单独映射,不常见目标合并映射的思路构建映射关系库,例如:person(人)单一属性为一个分类,表示二进制密码段为00000;stop sign(停车标志)、parking meter(停车计费器)
17、、fire hydrant(消防栓)三属性为一个分类,表示二进制密码段为 00111,表 1 给出了对应映射关系信息。根据表 1,每个目标表示 5 位消息。在秘密通信之前,将秘密消息转换为N位二进制字符串。如果N不能被5整除,在二进制字符串的末尾添加几个零,以确保位数可以被 5 整除。同时,在二进制序列最后添加一组 5bit 用来表示补 0的个数,且为了更好的指示信息,构建如下映射:00000 到00110 表示没补 0;00111到 01100 表示补 1 个 0;01101 到 10010 表 示 补 2个0;10011到11000表示补 3 个 0;11001 到 11111表示补 4
18、个 0。例如,实际有效消息为11111 00000 00011 11,图像表示的二进制序列为10111 00110 10111 11000 xxxxx,其中 xxxxx 可以是 10011 到11000 任意一个。表1 映射关系库编号秘密信息目标分类000000person(人)100001bicycle(自行车)motorbike(摩托车)200010car(汽车)bus(公共汽车)truck(卡车)train(火车)300011teddy bear(泰迪熊)cat(猫)dog(狗)400100aeroplane(飞机)boat(船)500101chair(椅子)sofa(沙发)600110
19、bed(床)diningtable(餐桌)bottle(瓶子)700111stop sign(停车标志)parking meter(停车计费器)fire hydrant(消防栓)801000pottedplant(盆栽植物)toilet(厕所)tvmonitor(电视机)901001traffic light(信号灯)bench(长凳)1001010mouse(鼠标)keyboard(键盘)laptop(笔记本)1101011cell phone(电话)remote(遥控器)1201100apple(苹果)orange(橘子)broccoli(西兰花)1301101horse(马)bird(鸟
20、)1401110sheep(羊)cow(牛)1501111elephant(大象)bear(熊)1610000zebra(斑马)giraffe(长颈鹿)1710001backpack(背包)handbag(手提包)suitcase(手提箱)1810010umbrella(雨伞)tie(领带)1910011frisbee(飞盘)kite(风筝)2010100sports ball(运动球)refrigerator(冰箱)2110101skis(滑雪板双脚)snowboard(滑雪板)skateboard(滑板)surfboard(冲浪板)2210110baseball bat(棒球棒)baseb
21、all glove(棒球手套)tennis racket(网球拍)2310111fork(叉子)knife(刀)spoon(勺子)2411000wine glass(高脚杯)cup(茶杯)bowl(碗)2511001banana(香蕉)carrot(胡萝卜)2611010cake(蛋糕)pizza(披萨)2711011hot dog(热狗)sandwich(三明治)donut(甜甜圈)2811100microwave(微波炉)oven(烤箱)toaster(烤面包器)2911101book(书)scissors(剪刀)3011110clock(闹钟)vase(花瓶)3111111hair dr
22、ier(吹风机)toothbrush(牙刷)2.2 选择/构建含密图像2.2.1 图像库多级索引发送方需要的含密信息图像载体可以通过在图像库中查找符合要求的已有图像作为含密图像,然后进行秘密信息传输,但是,在大规模图像数据库中直接查找可以表示给定秘密信息的图像是非常耗时的。因此,为了实现高效的无载图1 基于YOLOX算法的映射式无载体信息隐藏方法|113实验研究体信息隐藏,本研究设计了一种多级索引结构如图 2 所示。具体索引过程如下,采用 YOLOX 算法对图像数据库的每个图像中的目标及标签进行识别,并按目标锚框区域中心点的横坐标升序进行排序,然后根据映射关系库将这些标签转换为二进制序列。之后
23、,根据二进制序列分级将图像列表的ID 存储在索引文件中。2.2.2 构建含密图像在进行秘密信息传输时,若在图像库中搜索载体图像作为含密图像的方法不能满足用户需求,用户可在紧急需求时,通过部分可获取的真实场景目标物自行构建含密图像以支持使用。此时选取映射关系库中定义的日常常见目标为含密映射目标,这样可以简单进行含密图像构建。根据可获取的映射库中构建的目标,结合秘密信息将目标按对应序列进行排序映射,并利用拍照等方式完成构建,然后通过YOLOX 模型进行检测。临时构建含密图像的方式也可以降低图像库构建复杂度,支持高效完成图像构建及传输。表 2 中给出了拍照生成图像中目标对应的秘密信息示意。2.3 信
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 YOLOX 映射 载体 信息 隐藏 方法 苟沛东
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。