在数字时代，海量的私人照片被存储在远程服务器上，由于受到加密技术的保护，它们免受窥视。这种锁确保了即使是运行服务器的人也无法看到这些图像。然而，一个实际的问题随之而来：有时服务器需要向文件附加一小段信息，比如一个标签或安全代码，但又不能在不解锁图像的情况下看到其内部内容。如果服务器试图打开文件以添加注释，隐私就会被破坏；如果它无法打开文件，它就找不到隐藏该注释所需的空隙。科学家们开发出了一种被称为“加密图像中的可逆数据隐藏”的巧妙变通方法。这种技术允许服务器将额外的数据嵌入到锁定的图像中，随后由获得授权的人员检索该数据，并将图片恢复到完全原始的状态，仿佛数据从未存在过一样。挑战一直在于如何在不破坏图片质量或破坏锁定的安全性前提下，找到足够的空间来隐藏信息。
由越南科学技术研究院和工业技术经济大学的研究人员开展的一项近期研究，针对目前最先进方法中的一个特定弱点提出了对策。现有的顶尖系统通过将图像划分为小块，并在每个块内对像素进行打乱，同时保持相邻像素之间的关系。这种保留的关系创造了一种可以被利用来隐藏数据的冗余模式。然而，研究人员发现这种领先的方法有两个显著缺陷。首先，它通过在每个块的所有像素中加上完全相同的数值来进行打乱。虽然这保持了内部模式的完整性，但却使块的整体“粗糙度”或方差保持不变。这意味着观察者仅通过观察加密块的统计特性，就能分辨出图像中平滑区域与纹理丰富区域之间的区别，这是一种安全泄露。其次，该方法使用一个固定且不变的规则来预测一个像素根据其邻居应该呈现的样子，而这个规则并不总是对图像的每个部分都最为高效。
为了解决这些问题，该团队提出了一种新方法，用一种更复杂的“倾斜偏移”取代了简单的常数加法。想象一下，将块中的像素视为一个平坦的地板；旧方法是将整个地板抬高相同的高度，保持其倾斜度不变。新方法则使地板发生倾斜，一侧抬高的程度比另一侧更多。这种倾斜是根据数据隐藏服务器拥有的特殊密钥计算出来的，但其设计确保了服务器虽然无法得知任何单个像素的实际亮度，却仍能看到相邻像素之间的差异。由于这种倾斜改变了块的方差，平滑区域与纹理区域之间的统计差异消失了，使得加密图像更难被分析。此外，由于这种偏移在块内呈直线分布，相邻像素之间的数学差异会完美抵消，从而允许数据隐藏服务器直接在加密数值上进行操作，而无需知道隐藏真实图像值的秘密偏移量。
这种加密方式的变化也要求数据隐藏方式随之改变。之前的系统使用三个相邻像素的复杂平均值来进行预测，但这种方法在面对新的倾斜偏移时会失效。研究人员将其替换为一种更简单的、基于单一邻居的预测方式，这种方式能与新的加密方式可靠地配合。他们还引入了一个自适应系统，用于测试每个块内预测的不同起始点，并选择能为隐藏信息创造最多空间的起始点。这种灵活性对于具有复杂纹理的图像特别有用，因为在这些图像中，单一的固定规则会留下较少的空间。通过结合这些改进，研究人员消除了对专门追踪哪些块被修改过的映射图的需求，而这一步骤此前浪费了大量空间。
他们在多种标准及通用图像集上的实验结果表明，这种新方法是完全可逆且更为有效的。在标准测试图像上，与之前的最佳方法相比，新技术的隐藏数据量增加了约16%，达到了每像素1.48比特。在更具多样性的通用图像上，这种提升更为显著，容量提升了4%到12%，最高达到每像素2.01比特。至关重要的是，新方法成功地打乱了块的方差，使其无法区分平滑区域与纹理区域，将安全泄露降低到了与随机概率无法区分的水平。研究证实，通过将加密的几何形状从平移变为倾斜，并调整预测策略以与之匹配，可以在不损害完美恢复原始图片能力的前提下，在加密图像中更安全地隐藏更多数据。
技术摘要：用于高容量可逆数据隐藏加密图像的仿射加密与自适应单邻域预测技术
问题陈述
可逆数据隐藏于加密图像（RDHEI）技术使云服务能够在不解密图像的情况下，将辅助数据（如标签、认证码）嵌入到加密图像中，并允许授权用户随后提取数据并完美恢复原始图像。虽然“加密后腾出空间”（VRAE）方法因其对内容所有者的处理需求极低而适用于云外包场景，但实现高嵌入容量仍然具有挑战性。
作者指出了 Chai 等人 [16] 最近提出的基准方案中的特定缺陷，该方案利用保持相关性的加密来维持用于嵌入的块内像素冗余。该基准方案采用块级加密，即在每个块内的所有像素中添加一个常数偏移量。作者指出该方法存在两个关键缺陷：
- 统计泄露： 由于在块内所有像素中都添加了相同的常数，块方差保持不变。这使得观察者可以根据方差来区分平滑块和纹理块，即使全局熵看起来很高。
- 次优预测： 基准方案使用固定的参考位置作为其预测器，并采用三邻域平均法。这种启发式方法并不适用于所有图像区域，从而限制了嵌入容量。
方法论
所提方法保留了 VRAQ 的一般结构（块置换、加密、预测以及高位平面冗余编码或 HBP-RMC），但重新设计了加密和预测阶段，以解决识别出的缺陷。
- 保持相关性的仿射加密：
与其添加常数偏移量，不如应用由 ZB(i,j)=(XB(i,j)+aBi+bBj+cB)mod256 定义的逐块仿射调制（倾斜平面）。
- 密钥委派： 调制密钥 Km 被拆分为斜率密钥 Ks 和偏移密钥 Kc。内容所有者持有两者，但仅将 Ks 委派给数据隐藏者（云端）。
- 同态性： 该加密对于模运算下的成对差分具有同态性。当计算两个像素之间的差值时，常数项 cB 会抵消，留下一个仅取决于斜率参数（aB,bB）和坐标差值的已知偏移量 Δr。这使得数据隐藏者可以在不知道绝对像素值的情况下计算预测残差。
- 方差扰乱： 与基准方案不同，该方法通过扰乱块方差，防止了平滑块与纹理块信息的泄露。
- 位置图移除： 由于仿射调制是统一应用于所有块且无需进行条件回绕检查，因此基准方案所需的用于追踪跳过块的位置图 (Φ) 被消除了，从而减少了辅助信息开销。
- 模运算单邻域预测：
由于仿射密钥仅在成对差分下抵消，基准方案依赖于 floor 函数（该函数会破坏抵消过程）的三邻域平均预测器被替换。
- 单邻域预测器： 每个像素根据单个参考侧邻域进行预测。加密域残差计算为 e(p)=smod256(ZB(p)−ZB(q)−Δr(p,q))。
- 残差保持： 由于同态特性，该加密残差与明文域残差一致，从而保留了 HBP-RMC 编码所需的冗余。
- 自适应参考选择： 该方法不再使用固定的参考位置，而是测试块内所有可能的参考位置（k12 个位置），并选择在经过 HBP-RMC 编码后能最大化嵌入空间（均匀位平面）的位置。该选择索引（对于 4×4 块为 4 位）作为辅助信息存储。
- 数据嵌入与恢复：
数据隐藏者使用斜率密钥计算残差，通过 HBP-RMC 腾出空间并嵌入消息。恢复过程涉及通过按曼哈顿距离从参考位置递增的方向处理像素来重建加密块（以确保预测的邻居已经完成恢复），随后使用完整密钥进行解密。
核心贡献
- 带有委派斜率密钥的仿射加密： 一种新的加密方案，用倾斜平面取代了常数偏移量，实现了在模差分下抵消密钥流，同时通过扰乱块方差来增强隐私保护。
- 模运算单邻域预测器： 一种专为仿射加密设计的预测器，它依赖于成对差分而非平均值，确保预测误差直方图与明文域保持一致。
- 自适应参考选择： 一种动态选择每块最优参考位置的机制，以最大化嵌入容量，这对纹理图像特别有利。
- 消除位置图： 移除跳块逻辑及其相关的位置图，降低了辅助数据的开销。
实验结果
该方法在来自标准数据集（USC-SIPI）和通用数据集（BOSSbase, BOWS2, UCID）的 8 位灰度图像上使用 4×4 块进行了评估。
- 容量： 所提方法在标准图像上实现了 1.48 bpp 的净嵌入率（比基准方案高约 16%），在通用数据集上高达 2.01 bpp（提升 4–12%）。
- 安全性：
- 直方图： 所提加密产生的直方图接近均匀分布（卡方值在 240–280 之间），而基准方案仍呈现不均匀性（6,800–49,600）。
- 方差： 基准方案的块方差可以完美分离平滑块和纹理块；所提方法将这种可分离性降低到了接近随机水平。
- 熵： 虽然两种方案都实现了高全局熵（~8 bits），但所提方法相比基准方案显著降低了各块间的局部熵变化。
- 可逆性： 该方案经验证是完全可逆的，能够完美恢复原始图像并提取隐藏的消息。
意义
本文声称，通过将仿射加密与模运算单邻域预测器相结合，成功解决了 RDHEI 中高嵌入容量与隐私保护之间的权衡问题。其主要意义在于消除了以往相关性保持方案中存在的基于方差的泄露问题，并移除了位置图的开销，从而在确保未经授权的观察者无法从加密图像中获取任何底层内容结构信息（如平滑 vs 纹理区域）的同时，提高了净嵌入率。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。