【技術實現步驟摘要】
本專利技術涉及信息隱藏的，更具體的，涉及一種隱寫信息生成、提取方法及裝置、設備及存儲介質。
技術介紹
1、隨著信息傳輸的數字化和網絡媒體的廣泛使用，公眾對信息的安全性和隱私保護提出了更高的要求。傳統的基礎密碼學加密和解密方法，已經難以滿足大部分信息安全的需求，因此，隱寫術應運而生。隱寫術不同于密碼學，它是將秘密信息直接嵌入在感知上無異常的載體數據中，以此發送給對方，從而不易引起攻擊者的懷疑，在一定程度上保障了通信安全。
2、傳統的信息隱藏方法主要集中于嵌入式隱寫技術，其中圖像是最常用的載體。圖像的隱寫方法通過對圖像的空域和頻域進行修改，或依據事先設計好的映射關系庫，發送包含秘密信息的圖像。然而，只要對載體進行修改，就會留下可被檢測的修改痕跡，這樣隱寫分析算法就可能成功檢測到隱藏行為的存在。為從根本上抵御隱寫分析，信息隱藏領域的研究者們提出了無載體信息隱藏(coverless?information?hiding，cih)的概念。與傳統方法相比，cih方法無需對載體進行修改，而是直接根據秘密信息生成或檢索隱寫載體。
3、目前，圖像的無載體信息隱藏算法主要分為兩大類：映射式無載體信息隱藏和生成式無載體信息隱藏。映射式無載體信息隱藏算法是指依據圖像本身的顏色、像素等特征建立圖像與秘密信息之間的映射關系，然后將包含秘密信息的圖像進行發送，實現信息隱藏的過程。盡管映射式圖像選擇方法可以直接用自然圖像傳輸秘密信息，從根本上抵御各種隱寫算法的檢測，但其隱寫容量非常有限，并且需要預先建立大規模的自然圖像數據庫，以從中檢索
4、現有的圖像生成式隱寫方法中，針對人物圖像生成的隱寫技術具備高度的實用性，因為日常生活中，許多人常用人物圖像作為社交溝通的內容。因此，這類方法幾乎不會引起攻擊者的懷疑。
5、現有技術中，一些針對人物圖像生成的隱寫方法如下所述：
6、一種基于動畫人物生成的生成式圖像的隱寫方法，首先，它將秘密信息轉換為動畫角色的屬性標簽集合，如發型、頭發顏色、眼睛顏色等。然后，以屬性標簽集為約束條件，利用基于gans的動漫人物生成網絡生成符合約束條件的圖像集。之后然后對生成的圖像質量進行評價，選取質量較好的動漫人物作為隱寫圖像。最后，接收方根據相應的方法提取表示秘密信息的屬性標簽，從而獲得秘密信息。該方法生成的每張含密圖像可隱藏秘密信息大概為14bits，隱寫容量較低；其圖像本身具有較低的分辨率，在人眼看來較為模糊，并且很容易就看出是ai生成的，如果在公共信道上頻繁傳輸容易引起攻擊者的懷疑；該方法生成的含密圖像魯棒性較低，經過一些例如噪聲、濾波和圖像壓縮等攻擊，其秘密信息提取準確率會大幅度降低。
7、另一種基于stargan模型生成真實人臉圖像的生成式隱寫方法，其先采用特定的帶有風格標簽的人臉數據集對stargan模型進行訓練，達到可完成多風格圖像生成的效果。在通信時，發送方將秘密信息進行二進制編碼，用其作為風格轉換的目標標簽，然后向模型輸入目標風格標簽來生成相應風格的圖像，發送給接收方；接收方接收信息后，使用判別器網絡得到風格標簽碼，對其反映射解碼，得到相應的秘密信息。該方法生成的含密圖像的隱藏容量受制于訓練數據集的風格標簽，即當風格標簽包含40個不同類別，那么該方法的含密圖像理論上的隱寫容量為40bits。但在實際應用上還要考慮標簽之間是否會產生語義上的矛盾，比如“女性”和“胡子”兩個標簽之間可能會產生沖突。該方法同時也要考慮，過多的風格標簽會導致秘密信息提取率的大幅度降低。因此，其實際隱藏容量會有所減少；其次，其含密圖像本身具有較低的分辨率。
8、還有一種方案將圖像的映射式和生成式無載體信息隱藏結合，提出了一種基于自然圖像選擇和stargan圖像生成網絡的隱寫方法。該方法將秘密信息分成兩部分，然后在圖像選擇過程中從數據庫中檢索合適的圖像來表示第一部分秘密信息；第二部分，在其與屬性特征之間建立圖像映射，然后根據映射關系和所選圖像修改屬性特征，使用stargan生成隱寫人臉圖像。該方法彌補了上述的基于stargan模型生成真實人臉圖像的生成式隱寫方法在實際應用中隱寫容量遠小于訓練數據集標簽個數的缺點，并且從同樣的訓練數據集篩選出沒有語義矛盾的標簽作為訓練標簽，其每張隱寫圖像的實際隱寫容量超過33bits。但其分辨率仍然較低，人眼觀察較為模糊。
技術實現思路
1、本專利技術為克服上述現有技術中存在的技術問題，而提供一種隱寫信息生成、提取方法及裝置、設備及存儲介質。
2、為解決上述技術問題，本專利技術的技術方案如下：
3、一種隱寫信息生成方法，應用于發送端，所述生成方法包括：
4、獲取秘密信息比特流；
5、使用通信雙方共享的密鑰，通過預定的加密算法對所述秘密信息比特流進行加密，得到加密比特流；
6、基于所述加密比特流，驅動預先訓練好的序列生成模型生成人體姿態關鍵點序列；
7、將生成的所述人體姿態關鍵點序列繪制成關鍵點連通圖；
8、將所述關鍵點連通圖與任意人物圖像輸入預先訓練好的姿態引導人物圖像生成模型，生成具有目標姿態的人物圖像；
9、通過公共信道上傳所述具有目標姿態的人物圖像以傳遞秘密信息。
10、進一步，對所述秘密信息比特流進行加密的步驟包括：
11、獲取秘密信息比特流m，獲取通信雙方共同持有的密鑰key，通過計算m′＝m⊕key生成加密比特流m′；
12、所述序列生成模型的訓練方法包括：
13、采用mle策略對lstm網絡進行訓練，通過優化模型參數，得到訓練后的序列生成模型；
14、其中，在所述lstm網絡中，每個時間步t的輸出與之前所有時間步的信息相關聯；在時間步t，所述lstm網絡的簡化輸出公式表示為：
15、ht＝lstm(xt，ht-1；θlstm)
16、output＝softmax(ht×w+bo)
17、上式中，ht是在時間步t的隱藏狀態；xt是在時間步t的輸入；ht-1是在時間步t-1的隱藏狀態；θlstm表示lstm網絡的權重參數；w表示輸出層的權重矩陣；bo表示輸出層中的偏置；output表示lstm網絡在時間步t的輸出結果，softmax函數為將輸入向量轉換為概率分布的函數；
18、其中，所述mle策略通過定義損失函數來實現對模型參數的優化，所述損失函數表示為：
19、
20、上式中，i是序列的長度；si是在時間步i的觀測值。
21、進一步，基于所述加密比特流，驅動預先訓練好的序列生成模型生成人體姿態關鍵點序列包括候選集生成和秘密驅動坐本文檔來自技高網...
【技術保護點】
1.一種隱寫信息生成方法，其特征在于，應用于發送端，所述生成方法包括：
2.根據權利要求1所述的隱寫信息生成方法，其特征在于，對所述秘密信息比特流進行加密的步驟包括：
3.根據權利要求1所述的隱寫信息生成方法，其特征在于，基于所述加密比特流，驅動預先訓練好的序列生成模型生成人體姿態關鍵點序列包括候選集生成和秘密驅動坐標選擇；
4.一種隱寫信息生成裝置，其特征在于，所述隱寫信息生成裝置包括：
5.一種隱寫信息提取方法，其特征在于，應用于接收端，所述提取方法包括：
6.根據權利要求5所述的隱寫信息提取方法，其特征在于，采用YOLOv8n-Pose作為姿態估計模型來實現關鍵點提取。
7.一種隱寫信息提取裝置，其特征在于，所述隱寫信息提取裝置包括：
8.一種隱寫信息的生成設備，其特征在于，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序被所述處理器執行時實現如權利要求1至3中任一項所述的隱寫信息生成方法。
9.一種隱寫信息的提取設備，其特征在于，包括：處理器、存儲
10.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有程序，所述程序被處理器執行時實現如權利要求1至3中任一項所述的隱寫信息生成方法，或者實現如權利要求5至6中任一項所述的隱寫信息提取方法。
...【技術特征摘要】
1.一種隱寫信息生成方法，其特征在于，應用于發送端，所述生成方法包括：
2.根據權利要求1所述的隱寫信息生成方法，其特征在于，對所述秘密信息比特流進行加密的步驟包括：
3.根據權利要求1所述的隱寫信息生成方法，其特征在于，基于所述加密比特流，驅動預先訓練好的序列生成模型生成人體姿態關鍵點序列包括候選集生成和秘密驅動坐標選擇；
4.一種隱寫信息生成裝置，其特征在于，所述隱寫信息生成裝置包括：
5.一種隱寫信息提取方法，其特征在于，應用于接收端，所述提取方法包括：
6.根據權利要求5所述的隱寫信息提取方法，其特征在于，采用yolov8n-pose作為姿態估計模型來實現關鍵點提取。
7.一種隱寫...
【專利技術屬性】
技術研發人員：曹燚，葛文韜，王泉，張永宏，侯星宇，闞希，李富，朱靈龍，吳昊，楊飏，付楠，
申請(專利權)人：無錫學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。