20189224 2018-2019-2 《密码与安全新技术专题》第四次作业

课程：《密码与安全新技术专题》

班级： 1892
姓名：史馨怡
学号：20189224
上课教师：夏超
上课日期：2019年4月9日
必修/选修：选修

1.本次讲座的学习总结

期刊

TIFS (IEEE Transactions on Information Forensics and Security) 
SPL (IEEE Signal Processing Letters) 
MTAP (Multimedia Tools and Applications) 
TCSVT (IEEE Transactions on Circuits and Systems for Video Technology) 

会议

IH&MMSec (ACM Workshop on Information Hiding and Multimedia Security) 
WIFS (IEEE International Workshop on Information Forensics and Security) 
ICIP (IEEE International Conference on Image Processing) 
ICASSP (IEEE International Conference on Acoustics, Speech and Signal Processing) 
IWDW (International Workshop on Digital Forensics and Watermarking)

总结框图

2.学习中遇到的问题及解决

问题1：JPEG的标准和原理？
问题1解决方案：
JPEG是联合图象专家组(Joint Picture Expert Group)的英文缩写，是国际标准化组织(ISO)和CCITT联合制定的静态图象的压缩编码标准。和相同图象质量的其它常用文件格式(如GIF，TIFF，PCX)相比，JPEG是目前静态图象中压缩比最高的。
JPEG压缩算法是一种有损压缩算法，他根据人眼视觉特性剔除图像信息中视觉不敏感得成分，从而实现图像信息的高度压缩。所根据的视觉特性主要为：高频不敏感性和色彩不敏感性。
jpeg编码需要以下3个步骤：
1）信息空间压缩
原理：视觉对色彩不敏感，对亮度变化敏感，保留亮度分量，将4*4范围内的uv分量取均值，即可实现部分压缩。
实现方式：将RGB图像转化成YUV444格式，存储为yuv422,yuv420,yuv421等格式。即可实现50%的压缩。
2）信息数据压缩
要利用人眼视觉的细节不敏感性，需要选择一种变换算法，以帮助提取图像信息中的主要能量，而丢弃那些影响很小或者没有影响的微小能量。适合图像压缩的变换有很多中，例如主成分分析法、离散傅里叶变换（DFT）、离散余弦变换（DCT）等。变换的基本思想是，找到一组基，让图像在这组基下能量集中（少量系数值较大，其余系数接近0）。变换必须是可逆的否则无法解码，因此变换本身不能压缩信息。图像压缩的质量不但与所使用的变换方式有关，还和分块大小有关。在典型的连续色调图像中，相邻像素之间往往差别不大，这意味着空间频率的幅值主要集中分布在信号的低频部分。
3）数据编码压缩。对经前2步处理所得到的数据进行编码优化，从而进一步压缩数量量，最终形成目标jpeg代码。
问题2：如何理解原图像和其傅里叶变换的关系？
问题2解决方案：
理解二维傅里叶变换之前首先应该理解一下一维傅里叶变换，一维傅里叶变换：

相当于把信号f(t)分解成一组正弦波，角频率是ω的正弦波的分量，幅度和相角由表示
那么二维傅立叶变换其实也是类似的：

注意实际上是一个平面波（的共轭），它的传播方向与(u,v)相同，角频率是
。我们也可以说成是平面波在x方向的角频率是u，在y方向的角频率是v。所以二维傅立叶变换实际上是：
将二维图形f(x,y)分解成一系列平面波的和，其中在x方向角频率是u、在y方向角频率是v的平面波的幅度和相位用F(u,v)表示

3.本次讲座的学习感悟

本次讲座中夏超老师为我们讲述了隐写术及隐写分析相关的内容，由于之前对图像分析的基础知识了解不是很多所以在看一些理论分析时候有些困难，于是花了大部分时间在查阅基础知识上，如图像格式，图像的二进制转换等。在这次课堂中夏超老师还给了我们一些研究生生活的建议：看好论文、学好英语、练好编程、放好心态，我觉得都是目前需要努力的方向。尤其是编程是一个非常重要的工具，能更好的帮我我们完成一些数据的处理，更好的理解理论。

4.图片隐写技术最新研究现状

CNN-based Adversarial Embedding for Image Steganography
IEEE Transactions on Information Forensics and Security, 2019, PP(99):1-1.
Tang W , Li B , Tan S , et al.

研究进展：
在文章中，提出了一种带有noveloperationcalledadversarialembedding（ADV-EMB）的隐写方案，它实现了隐藏隐秘消息的目标，同时实现了基于foolingaconvolutionalneuralnetwork（CNN）的微分析器。所提出的方法可以在传统的失真最小化框架下工作。特别地，ADV-EMB根据从目标CNN隐写分析器反向传播的梯度来调整图像元素修改的成本。通过这种方式，产生了所谓的敌对行为影像。实验表明，所提出的隐写方案通过提高其漏检率，实现了更好的安全性能。此外，它还恶化了对抗感知的微分析器的性能，打开了能够克服强大的基于CNN的隐写分析的现有技术。但是建议的ADVEMB方案仅使用梯度的符号，并没有对研究梯度的幅度的价值进行分析。

RNN-Stega: Linguistic Steganography Based on Recurrent Neural Networks[J]
IEEE Transactions on Information Forensics and Security, 2018:1-1.
Yang Z , Guo X , Chen Z , et al.

研究进展：
语言隐写术基于文本载体自动生成技术的主题是相当有前途和挑战性的。受文本自动生成技术或相应的文本编码方法的限制，先前方法产生的隐写文本的质量较差，使得其不可感知性不令人满意。在文章中，提出了一种基于递归神经网络的语言隐写术，它可以根据需要隐藏的秘密比特流自动生成高质量的文本覆盖。文章使用大量人工生成的样本训练模型，并获得统计语言模型的良好估计。在文本生成过程中，提出了固定长度编码和可变长度编码，以根据条件概率分布对单词进行编码。从信息隐藏效率，信息不可感知性和信息隐藏能力的角度设计了几个实验来测试所提出的模型。实验结果表明，所提出的模型优于以往所有相关方法，并达到了最先进的性能。

Efficient JPEG Steganography Using Domain Transformation of Embedding Entropy[J]
IEEE Signal Processing Letters, 2018, 25(6):773-777.
Hu X , Ni J , Shi Y Q .

研究进展：
JPEG隐写方案考虑了嵌入空间内部扩展对显示安全性的影响，并且引入了可以被普遍的隐写器捕获的更少的伪像。根据这个原理，文章通过结合空间和离散余弦变换（DCT）域的统计数据，提出了使用BEE域变换的新的JPEG隐写方案BET。先用空间域中的一些有效隐写方案的失真度量来表征解压缩的JPEG图像的空间统计，再将与DCT块对齐的空间块的所得嵌入熵转换到DCT域以获得JPEG隐写的失真度量。它通过结合不同域的BEE将空间失真度量转换为DCT域，并在JPEG隐写的失真函数设计中利用空间（解压缩JPEG）和DCT域的统计。进行了大量的实验，证明所提出的BET可以击败其他现有的JPEG隐写方案，用于目前最有效的特征集，即GFR，并且还可以与其他特征相媲美，例如SCA-GFR，DCTR和CC-JRM。

A Spatial Image Steganography Method Based on Non-negative Matrix Factorization[J]
IEEE Signal Processing Letters, 2018:1-1.
Donghui H , Haiyan X , Zhongjin M , et al.

研究进展：
自适应隐写术的研究主要集中在如何设计合理的成本函数，以及如何利用成本函数来实现嵌入具有基于校正码网格码的最小失真的隐秘图像。因为先前的自适应隐写方法使用卷积滤波器来获得残差，这些方法没有很好构建函数。文章中定义了一个新的成本函数，使用非负矩阵分解来预测图像像素，并利用它们之间的相互依赖性计算成本的像素，其中残差不是通过恒定滤波器的卷积计算的。实验结果表明，该方法优于最先进的MiPOD，空间通用小波相对失真，小波获得权重，以及基于空间丰富模型抵抗隐写分析的HUGO-BD方法，略高于高通，低通，低通方法。尝试应用有争议的像素优先（CPP）规则将本文方法与其他方法结合起来，从而实现单独使用一种方法无法实现的隐写安全级别是未来一个值得研究的方向。

Joint Cover-Selection and Payload-Allocation by Steganographic Distortion Optimization[J]
IEEE Signal Processing Letters, 2018:1-1.
Zichi W , Xinpeng Z , Zhaoxia Y .

研究进展：
文章提出了一种批量隐写方法，结合了覆盖选择和分配负载分配的有机因素优化。文章首先证明了有效载荷增加的价值，单个覆盖的隐写失真的一阶导数是单调递增的。然后推断，如果相应选定封面的总隐写失真最小，那么从给定集合中选择的封面的隐写的隐写衍生应该是相等的。最后，设计了一种算法来组合联合选择和有效载荷分配，从而可以获得最优的隐秘覆盖。实验结果表明，在使用所提出的隐写方法时，不可检测性显着提高。研究对称三元和多元嵌入的理论，以满足各种隐写方式将是未来的研究方向。

小结

通过查阅资料发现目前图像隐写技术的研究方向主要分为对成本函数优化以及利用机器学习算法优化和实现隐写技术两大方向。

参考资料

Tang W , Li B , Tan S , et al. CNN-based Adversarial Embedding for Image Steganography[J]. IEEE Transactions on Information Forensics and Security, 2019, PP(99):1-1.
Yang Z , Guo X , Chen Z , et al. RNN-Stega: Linguistic Steganography Based on Recurrent Neural Networks[J]. IEEE Transactions on Information Forensics and Security, 2018:1-1.
Hu X , Ni J , Shi Y Q . Efficient JPEG Steganography Using Domain Transformation of Embedding Entropy[J]. IEEE Signal Processing Letters, 2018, 25(6):773-777.
Donghui H , Haiyan X , Zhongjin M , et al. A Spatial Image Steganography Method Based on Non-negative Matrix Factorization[J]. IEEE Signal Processing Letters, 2018:1-1.
Zichi W , Xinpeng Z , Zhaoxia Y . Joint Cover-Selection and Payload-Allocation by Steganographic Distortion Optimization[J]. IEEE Signal Processing Letters, 2018:1-1.