0 引言

在信息时代,通信、计算机、网络、多媒体等技术飞速发展与持续推进,人们的工作和生活越来越离不开位于网络空间中的数字信息,数字信息在社会各个领域所占比重有的已经超过半数[1].在这样的背景下,信息遭受窃取、篡改、非法使用等安全威胁甚至攻击在所难免,保障信息的安全[2-4]已成为各国考虑的重点内容之一.目前总体上有两种方式:一是采用信息加密方法,二是采用信息隐藏方法.前者主要是保障信息的保密性,只有合法接收方才能读取明文信息的内容;后者主要在公开信息中隐藏秘密信息传输通道,只有合法接收方才能知道秘密通道,进而获得所传输的内容.传统加密方法不能解决图像秘密传输等问题[5].一般而言,拦截者很难从公开信息中判断是否含有秘密信息,信息隐藏已成为信息安全领域的研究热点.

当时华人社会的国家认同可分为两种，即中国倾向和印尼倾向。正因为前者的存在，华人在当时的印尼社会受到排斥。华文教育迅猛发展引起印尼执政当局的疑虑，加上部分华人的民族观与主流社会的政治倾向不一致，导致印尼政府的华文教育政策由宽松转向管制。尤其是旧秩序末期，华文教育已成为涉及国家治安与社会秩序的安全问题。由此可见，华人的国家认同和主流社会政治倾向不一致时，华文教育就容易遭到政府以危及国家安全为由的打压。总之，苏加诺当政时期，华语作为华人族群民族语的合法地位得到保障，华校也曾一度获得良好的发展空间，但在1957年后持续受到限制，发展日趋艰难。

3) 工况3：考虑安全系数及施工平台强度校核需要，施加自重及风荷载，同时第一、二层平台同时超载1.25倍施加荷载，即同时施加均布荷载3.75×10-3 MPa。

信息隐藏主要方法是通过在空域或频域[6]中对特定元素(例如像素或系数)施加特定操作,这些操作的不同组合代表不同秘密消息.LSB(Least Significant Bit)[7]方法调整载体像素的最低有效位,使得所隐藏的秘密消息很难被发现,具有良好的隐蔽性和较大的隐藏容量,但LSB改变了载体的亮度统计特性.为了解决这个问题,Bander等人根据载体像素的统计性提出Patchwork算法[8].该方法随机选择若干对像素点,对每个像素点执行+1或-1操作,从而使得含秘载体平均亮度不会发生变化.Patchwork算法本质是一种二进制隐写机制,克服了LSB算法的不足,但该方案的隐藏容量十分有限.Wu和Tsai利用人视觉系统对图像亮度变化剧烈的敏感性低的特性,提出PVD(Pixel-Value Differencing)[9]方法.该方法将秘密信息隐藏在两个相邻像素差值之中,差值越大,所隐藏的消息就越多.Zhang等学者通过在含有n个像素的像素块上设计一个函数,实现了在n个像素中修改一个比特而隐藏[log2(2n+1)]比特的秘密消息[10].为了达到较高的信息隐藏效率,Filler等人提出了STC(Syndrome Trellis Codes)算法[11].该方法中的载体像素可以朝着+1或-1两个方向变化,并且利用变化方向本身隐藏信息,这样就增大了其隐藏率.Pevn等使用基于二进制STC码隐写消息,设计了HUGO算法[17].由于STC码可能会影响像素的次低位SLSB(Second Least Significant Bit),因此可以利用这一特征进一步隐藏秘密消息.Fridrich等人尝试开发了二进制双层STC算法WOW[18].该方案的容量与安全性都明显优于HUGO算法.基于STC的二进制隐写系统实现过程比较复杂,双层STC存在隐写失败的风险,这也增加了应用的复杂性[12].上述方法并没有考虑图像的纹理,Luo等人提出了边缘自适应隐藏算法[13-14].

受上述文献启发,本文在考虑图像边缘与纹理的基础上,并充分利用像素变化方向等信息,设计一种基于图像纹理的三进制隐藏算法,仿真实验表明该隐藏算法具有良好的抗检测性和隐蔽性.

1 图像边缘检测及三进制隐写

1.1 图像边缘检测

图像边缘是指图像像素灰度或结构等信息突变之处,例如灰度级的突变,颜色突变等.图像边缘是图像重要特征之一.Canny算子[15]是在满足一定约束条件下推导出的边缘检测最优化算子,所提取的边缘比较完整,连续性好,效果优于LOG、Prewitt和Sobel等算子.

Canny边缘检测主要分为如下几步:

Step 2：一般情况下,将载体像素值随机+1或-1,而当秘密信息与载体图像的最低有效位相同时则保持不动,即:

Step 1：高斯滤波进行图像平滑.使用二维高斯函数的一阶导数,对图像进行模糊,主要是防止误将图像中的噪声作为边缘;

Step 2：采用2×2邻域一阶偏导的有限差分来计算平滑后图像的梯度方向与幅值;

总之，五四时期，马克思主义传播的政治生态较为复杂，在多元化的意识形态格局中，马克思主义以其革命性科学性的内容阐明了建立未来公平社会的方法和路径，被中国共产党和中国人民所选择、信仰、传播，指导着中国革命的实践历程。

Step 3：边缘细化.根据Canny准则要求,边缘只有一个精确点宽度.对幅值做非极大值抑制以保留局部最大梯度而抑制其他梯度值,从而使得细化后的梯度是梯度变化中最锐利的位置.

选取2014年1月～2017年12月我院收治的诊断STEMI并接受直接PCI的患者79例作为研究对象，采用随机数字表法将其随机分为高剂量治疗组（治疗组）和低剂量对照组（对照组）。本研究获得我院医学伦理委员会批准。两组患者一般资料比较，差异无统计学意义（P＞0.05）。入选标准：诊断符合《急性ST段抬高型心肌梗死诊断和治疗指南》中的STEMI标准[1] ，并行PPCI者：①急性胸痛症状持续时间＜12 h；②心电图至少2个相邻导联ST段抬高＞1 mV。排除标准：①发病时间≥12 h；②直接PCI术中对非IRA进行处理者；③未行直接PCI者；④本次发病前已有明确的心衰病史。

本文采用Matlab2010a进行仿真实验,图像库为BOSSbase 1.01[16].该库包含10000张512×512的灰度图像.实验从BOSSbase库中选择1000张图像提取LSMR特征[18],其中一半用作训练,一半用作预测,分类器采用线性分类器.秘密消息为伪随机序列.图1(a)为所选择的部分载体图像,图1(b)为对应的隐藏空间.

Canny边缘检测效果显著,能大大抑制由噪声引起的伪边缘,且边缘细化,易于后续信息的隐藏.

1.2 三进制隐写方法

由图1可知,隐藏空间对应着载体图像的边缘轮廓.自然图像纹理丰富,采用2.1节所示的方法可以用线条很细腻地描绘出其纹理轮廓,再以某种概率随机将秘密信息隐藏其中,使得人眼不能直观发现是否含有秘密信息.

采用峰值信噪比PSNR(Peak Signal-to-noise Ratio)、归一化相关系数NCC(Normalized Correlation Coefficient)、结构相似性SSIM(Structural Similarity Index)来客观度量其隐蔽性,表1所示为1000幅图像在不同隐写率下所测得的平均结果.

高乌甲素脂质体凝胶的制备及体外释药特性研究…………………………………………………… 肖卫红等（15）：2049

 

(1)

其中:y表示含密载体像素值,x∈H表示原始载体的像素值,b表示所隐藏的秘密信息,LSBx表示x的最低有效位.

Step 3:溢出处理.经过上述处理后,y的值有可能为负数或超过255,需要进行特殊处理,即:

 

(2)

经过上述处理后,可以将秘密信息b隐藏到载体图像的轮廓边缘之中.

2 实验结果

  

图1 部分载体图像及隐藏空间

Step 4：双阈值处理与边缘滞后跟踪.Canny采用高阈值和低阈值的双阈值机制来区分边缘像素.边缘像素点梯度大于高阈值则认为是真正的边缘,介于高低阈值之间的边缘点可能是真边缘,也有可能是噪声引起的.因此利用滞后跟踪算法进一步检查其八连通域像素,只要有真边缘点存在,则该边缘点就被保留下来.而小于低阈值的边缘点被直接抑制.

由于LSB算法具有较好的视觉隐蔽性和隐藏容量,但是容易形成值对效应,即如果载体像素值为偶数,则只能加1变成奇数;如果是奇数则只能减1变成偶数.这样使得LSB抗检测能力大大减弱.本节利用LSBM(LSB Matching)方法实现在隐藏空间中写入秘密信息.具体隐写步骤如下:

2.1 隐蔽性测试

Step 1：使用Canny算子对原始载体图像进行边缘轮廓分析,构建隐写空间H;

表3、图1实验结果显示，废水中加入氯酸钾为0.3g/L、0.4g/L时，反应时间为5min后，降解率分别为15.26%、18.78%，反应时间为10min后，降解率分别为20.16%、23.52%，去除率比表2实验效果小，其原因可能是氯酸钾的溶解度较差，造成反应速度慢，氧化反应不充分，因此我们用溶解度较好的氯酸钠替代氯酸钾进行了对比实验。

 

表1 ET方法隐蔽性测试

  

隐写率(bpp)NCCPSNRSSIM隐写率(bpp)NCCPSNRSSIM0．1158．56080．99990．6157．62390．99990．2157．63420．99990．7157．62420．99990．3157．62450．99990．8157．62400．99990．4157．62430．99990．9157．62420．99990．5157．62470．99991．0157．62450．9999

  

图2 隐蔽性测试对比

NCC和SSIM的值介于0到1之间,数值越大,说明两幅图像越相似,隐蔽性越好.图2为本文方法ET与MG和HUGO方法在相同实验条件下的PSNR对比.MG[18]和HUGO[17]的峰值信噪比平均值分别为56.6679dB和57.5472dB.从表1和图2可以看出,虽然本文方案在隐写率为0.1, 0.2和0.3低于MG和HUGO方法,然而随着隐写率的增加,MG和HUGO方法的视觉性能下降很快.本文方案的峰值信噪比较为稳定,其平均值为57.7189dB,优于MG和HUGO方法.客观测试结果表明,具有较好的隐蔽性.

2.2 抗检测性测试

实验提取图像LSMR特征,采用线性分类器判断图像是否含有秘密消息,误判率[19]按公式3进行计算.

PE=minPFA(PMD+PFA)/2,

(3)

其中：PFA表示虚警率,PMD表示漏检率.PE越大,说明隐写方案逃避检测器的可能性越大,表明其抗检测能力越强.当误判率为0.5时,相当于随机猜测给定图像中是否含有秘密消息.图3表示本文方案误判率PE随着隐写率变化而变化规律.

  

图3 抗检测性测试对比

  

图4 ROC曲线(隐写率为0.5bpp)

本文方案误判率平均值为0.3389, MG和HUGO误判率平均值为0.1832和0.1550.可以使用ROC曲线评价抗检测性能.图4为隐写率为0.5bpp时所测得的ROC曲线,其中横轴表示虚警率PFA,纵轴为检测率PD.

从图3和图4可以发现,本文方案的抗检测性能不仅优于MG和HUGO方案,而且不会随着隐写率的变化而剧烈变化,处于比较稳定的安全状态.

3 结论

文章讨论了信息隐藏的基本原理,分析了其研究现状.在考虑图像边缘轮廓和纹理的基础上,利用优秀的Canny算子细腻地勾画出图像轮廓分布,得到与图像内容紧密适应的隐写空间.进一步充分利用像素变化方向信息,设计一种基于图像纹理的三进制隐藏算法.无论奇数还是偶数,都可以朝着变小、变大或者保持不动三个方向进行变化,克服了值对效应,能有效对抗卡方和RS检测.仿真实验表明,本文设计的方案PSNR平均值都高于MG和HUGO方案,在0.1到1.0共十个隐写率下,均在57dB之上,远远高于人类视觉系统能分辨出两幅图像区别的临界值38dB,因此本文方案在含密图像保真方面有较好的改善.主要是因为一方面将秘密信息隐藏在像素的类似噪声的最低位之中;另一方面构造的隐写空间与载体图像纹理紧密相连,而人眼对隐藏在复杂纹理中的消息很难发现.本文方案在抗检测性方面也有较好改善,且性能较为稳定,使检测器误判率为34%,这与内容自适应的隐写策略存在着紧密联系.本文的研究进一步表明,隐写空间的构造对隐写系统的各项性能有着直接影响,利用高斯或马尔科夫等概率模型建立隐写空间是下一步的研究重点.

凡此种种，尤其从2015年到现在，每一想起诸如此类的事情，莫名惊诧之外，还有巨大的空茫感与不确定性。我知道，这不是所谓的迷信，尤其是我们或可感知的冥冥中的律定与指派，游离与消失，它们所具备的那种类似被神明操纵的玄学意味，常常使得人心生感慨。

参考文献：

[1]王世伟, 曹磊,罗天雨.论信息安全、网络安全、网络空间安全[J].中国图书馆学报,2016,42(225):4-28.

[2]李应勇,马玉春,李壮.网络环境下的主机信息安全研究[J].琼州学院学报,2011,18(5):31-34.

[3]朱晓静,林元乖.基于虚拟化实验环境的网络信息安全课程的实践教学改革[J].琼州学院学报,2015, 22(5):120-124.

[4]邓惠俊.基于J2EE的网络安全防御系统设计[J].琼州学院学报,2016, 23(2):23-27.

[5]张焕国,赫彦军,王丽娜.数字水印、密码学比较研究[J].计算机工程与应用,2003(9):63-67.

[6]刘雍.基于ARM 9的嵌入式视频监控系统的设计与实现[J].琼州学院学报,2015,22(2):35-38.

[7]Van SCHYNDEL R G, TIRKEL A Z, OSBORNE C F. A Digital Watermark[A].Proc. of the IEEE Int. conf. on Image Processing[C].Texas: IEEE, 1994(2):86-90.

[8]陈雅.基于数字图像的信息隐藏技术综述[J].福建电脑,2008(2):6+18.

[9]WU D C,TSAI W H. A steganographic method for images by pixel-vale differencing[J].Pattern Recognition Letters,2003(24):1613-1626.

[10]ZHANG X, WANG S. Efficient Steganographic Embedding by Exploiting Modification Direction[J].Communications Letters IEEE, 2006, 10(11):781-783.

[11]FILLER T, JUDAS J, FRIDRICH J. Minimizing embedding impact in steganography using trellis-coded quantization[J].Proceedings of SPIE-The International Society for Optical Engineering, 2010, 6(1):175-178.

[12]包震坤,张卫明,程森,等.基于像素链动态失真和校验格码的±1隐写编码[J].计算机研究与发展, 2014, 51(8):1739-1747.

[13]潘琳,钱振兴,张新鹏.基于构造纹理图像的数字隐写[J].应用科学学报, 2016, 34(5):625-632.

[14]LUO W, HUANG F, HUANG J. Edge Adaptive Image Steganography Based on LSB Matching Revisited[J].IEEE Transactions on Information Forensics & Security, 2010, 5(2):201-214.

[15]CANNY J. A Computational Approach to Edge Detection[J].IEEE Trans Pattern Analysis and Machine Intelligence, 1986,8(6):679-698.

[16]FILLER T,Pevny T,Bas P.BOSS (Break Our Steganography System)[EB/OL].(2010-09-09)[2018-03-10].http://www.agents.cz/boss.

[17]PEVN T, FILLER T, BAS P. Using High-Dimensional Image Models to Perform Highly Undetectable Steganography[J].Lecture Notes in Computer Science, 2010(6387):161-177.

[18]FRIDRICH J, KODOVSK J. Multivariate gaussian model for designing additive distortion for steganography[A].IEEE International Conference on Acoustics, Speech and Signal Processing[C].Vancouver: IEEE, 2013: 2949-2953.

[19]黄颖,李婉佳.Prewitt边缘检测与钻石编码结合的隐写算法[J/OL].(2017-03-21)[2018-03-10].http://www.arocmag.com/article/02-2018-03-045.html.