![]()
对载密图像进行后处理是提升隐写安全性的有效方式。然而，现有的对载密图像的后处理方案缺乏对载密图像自身特点的考虑，这在理论上不具备较强的可解释性，并且现有方案未充分考虑到提升隐写方案在基于手工特征的和基于神经网络的隐写分析器检测下的全面安全性，因此现有方案存在一定的局限性。我们提出一种基于人工免疫的对同类载密图像具有通用性的免疫处理框架以进一步提升隐写安全性。基于人工免疫原理与隐写问题之间的天然关联，我们将对来自相同隐写过程的载密图像的免疫处理策略视为抗体，将受抗体保护的载密图像抵抗隐写分析器的性能视为抗体亲和度。基于免疫动态优化过程，动态搜索最优免疫处理策略，并将其用于对载密图像的进一步优化。如图1(a)所示，根据特定的隐写过程预训练一个基于CNN的隐写分析器，其对于原始载密图像的梯度信息可作为候选点的选择依据之一。然后，通过综合考虑原始载密图像的纹理信息，嵌入修改信息，以及梯度信息以全面地衡量载密图像的特性，从而初步筛选进行免疫处理的候选元素。我们设计了免疫处理代价函数以评估对各个候选点进行免疫处理的适合程度，并采用Gibbs采样器实现最小化总免疫处理代价，从而决定最终的免疫处理点。最后对免疫处理点执行免疫处理从而生成免疫载密图像。如图1 (b)所示，为了搜索最优免疫处理策略，我们将免疫处理策略![]()
编码为抗体，将受抗体保护的载密图像抵抗隐写分析器的性能编码为抗体亲和度，在正确的方向和较优抗体的周围采用人工免疫算法动态搜索最优免疫处理策略![]()
。经最优免疫处理所优化的载密图像将具备更强的抵抗各类隐写分析器的性能。 ![]()
图1 基于人工免疫系统的针对载密图像的免疫处理框架构建
实验结果如表1所示。从表1可见，相较于原始的隐写方案，经过免疫处理的载密图像能够表现出更高的抵抗隐写分析器的性能。这表明免疫载密图像能够提升各类隐写算法的全面安全性。表1 所提方法在不同隐写分析器检测下的安全性
![]()
论文信息
相关工作已在IEEE Transactions on Information Forensics & Security（TIFS）发表，作者为四川大学的陈奕静、王宏霞（通讯作者）、李万杰、李汶珊。Y. Chen, H. Wang, W. Li, W. Li, “A steganography immunoprocessing framework against CNN-based and handcrafted steganalysis,” IEEE Transactions on Information Forensics and Security, 19: 6055-6069, 2024 上述研究工作受到国家自然科学基金(No. 61972269)“基于人工免疫系统的信息隐藏研究”的支持。
供稿：陈奕静、王宏霞，四川大学网络空间安全学院智能多媒体安全实验室
实验室简介：智能多媒体安全实验室秉承“仰望浩瀚星空，探索科学奥秘，丰收硕果累累”的科研文化，一直专注于多媒体信息安全、信息隐藏、数字水印、数字取证、智能信息处理方面的研究。实验室已毕业100多位研究生，现有在站博士后2位、在读博士生13位、在读硕士生26位。实验室团队已在IEEE TIFS/TDSC/TMM/TCSVT/TNNLS/TFS、中国科学、软件学报、ACM MM/IH & MMSec、IEEE ICME/ICASSP/WIFS、IWDW等国内外重要学术期刊和会议上发表学术论文200余篇，并已与国内外高校和相关企业开展了数字水印、信息隐藏、数字取证方面的合作研究，部分研究成果已在国家重要部门、电商和电信得到有效应用。欢迎到川大智能多媒体安全实验室访问交流！
