Skip to main content
QUICK REVIEW

[论文解读] Trellis-coded quantization for public-key steganography

Gaëtan Le Guelvouit|ArXiv.org|Nov 28, 2008
Advanced Steganography and Watermarking Techniques参考文献 8被引用 7
一句话总结

本文提出一种基于网格编码量化(TCQ)和湍流TCQ的公钥隐写方案,相较于先前工作,显著提升了透明度与安全性。通过利用载体信号的辅助信息,并采用优化码书的迭代嵌入方法,该方法在信号-噪声比方面相比标量Costa方案提升了5.5 dB,显著增强了Cachin在音频隐写中的安全准则,且不依赖于载体统计特性。

ABSTRACT

This paper deals with public-key steganography in the presence of a passive warden. The aim is to hide secret messages within cover-documents without making the warden suspicious, and without any preliminar secret key sharing. Whereas a practical attempt has been already done to provide a solution to this problem, it suffers of poor flexibility (since embedding and decoding steps highly depend on cover-signals statistics) and of little capacity compared to recent data hiding techniques. Using the same framework, this paper explores the use of trellis-coded quantization techniques (TCQ and turbo TCQ) to design a more efficient public-key scheme. Experiments on audio signals show great improvements considering Cachin's security criterion.

研究动机与目标

  • 为解决现有公钥隐写方案严重依赖载体信号统计特性且容量较低的局限性。
  • 开发一种与载体信号分布无关的通用公钥隐写框架。
  • 通过用先进的网格编码量化技术替代标量Costa方案,提升透明度与安全性。
  • 在被动监视者遵循Cachin安全准则的前提下,提升嵌入效率与鲁棒性。
  • 仅通过公钥基础设施与编码器端的辅助信息,实现安全且高容量的消息传输。

提出的方法

  • 该方案利用网格编码量化(TCQ)与湍流TCQ设计出可自适应载体信号的智能码书,且无需预先知晓其统计特性。
  • 通过一种迭代算法实现嵌入,逐步将载体信号向所选码书中的目标码字移动,确保最小失真。
  • 在初始化阶段采用伪随机空间划分技术,实现与载体统计特性无关的临时密钥嵌入。
  • 在持久阶段使用基于种子生成的加抖动私有码书,码字选择为与当前信号状态最接近者。
  • 采用类似蒙特卡洛的迭代嵌入过程,以在保持低失真前提下达到目标码字。
  • 通过Cachin的相对熵准则评估安全性,测量载体信号与伪载体信号分布之间的差异。

实验结果

研究问题

  • RQ1与标量Costa方案相比,网格编码量化能否提升公钥隐写方案的容量与透明度?
  • RQ2在Cachin准则下,使用湍流TCQ如何影响隐写系统的安全性?
  • RQ3能否通过基于TCQ的空域划分使初始化阶段摆脱对载体信号统计特性的依赖?
  • RQ4在给定误码率下,使用TCQ替代SCS所能实现的信噪比增益是多少?
  • RQ5所提方法在不同音频内容类型(如爵士乐与重金属)中,安全性能提升程度如何?

主要发现

  • 所提出的基于湍流TCQ的隐写方案在每元素1比特的嵌入速率下,相比经典标量Costa方案,信噪比增益达5.5 dB。
  • 该方案显著降低了实现误码率低于$10^{-5}$所需的$P/N$比,大幅提升了嵌入效率。
  • Cachin安全准则显示,该方法在高嵌入速率下相比标量Costa方案约提升十倍安全性。
  • 安全性能在不同音频内容类型中保持一致,包括平滑贝斯独奏与高能电吉他曲目。
  • 初始化阶段成功实现密钥嵌入,且不依赖载体信号统计特性,增强了通用性。
  • 迭代嵌入过程确保伪载体信号在满足失真约束的同时,准确抵达目标码字。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。