隐写模糊安全性测度及其优化嵌入算法研究

There are two key problems in the research of the steganography communication security field. One is to evaluate the security of the steganographic system. The other is to design the high-capacity and low-distortion steganographic algorithms. First, according to the indeterminacy of steganography communication, the cover data and the stego data are modeled as a high-order fuzzy statistical model. And the Minkowski distance, vague set similarity measure and fuzzy "super sausage" geometric coverage are adopted to research the fuzzy security measures for the steganographic system. Then, under the guidance of this theory, the project optimizes the various steganographies of STC model by using different intelligent optimization methods. On the one hand, the single objective optimization problems in the steganographic process, such as statistical features, decision hyperplane, embedding position are studied by using SFLA(Shuffled Frog Leaping Algorithm), EO(Extremal Optimization) and DE(Differential Evolution) etc. On the other hand, according to the inter restricted relationships of the steganographic design ndexes,such as embedding capacity, security,and etc. The new frameworks and new algorithms of the multi-objective optimization steganographic problem are explored in this project.In a word, our research can enrich the steganographic security theory, and provide a new way to design the high-capacity and low distortion secure steganographic algorithms.

隐写安全性测度、高容量低失真隐写算法设计是隐写通信研究领域的两大关键问题。本项目首先根据隐写通信中存在的模糊不确定性，通过构建隐写载体数据和载密数据的高阶模糊统计模型，采用闵科夫斯基距离、Vague集相似度量、模糊"超香肠"几何覆盖来探索隐写模糊安全性测度问题，进而在其理论指导下，研究不同智能优化方法对STC模型下的各类隐写算法的优化改进。一方面，从优化统计特征、优化决策面、优化嵌入位置等单目标优化角度，采用混合蛙跳优化算法、极值动力学优化、差分优化来研究隐写过程中的可优化问题；另一方面，从嵌入容量、安全性等隐写设计指标的相互制约关系，探索多目标智能优化隐写问题的新框架和新算法。本项目的研究可丰富隐写安全性理论，为设计高容量低失真的安全隐写算法提供新思路。

本项目首先根据隐写通信中存在的模糊不确定性，本项目将Vague集相似度量和直觉模糊集距离引入隐写系统的安全性评价研究中，通过构建隐写载体数据和载密数据的高阶模糊统计模型，定义隐写系统Vague集相似度量和直觉模糊集距离隐写高阶安全性测度，并研究其相关性质。在该隐写安全性理论指导下，本项目进一步展开了不同智能优化方法对各类隐写算法的优化改进研究。一方面，采用单目标优化策略，提出了基于混合蛙跳优化的图像OMP分解隐写算法，该算法将隐写过程与基于稀疏分解的图像压缩过程合二为一，将秘密信息隐藏于量化后的稀疏分解参数中。该算法对嵌入位数不敏感，可通过选择不同的原子重构数量及嵌入位数,灵活地扩充嵌入容量。此外，针对现有智能优化改进隐写不能对高维特征同时进行优化的问题，本项目提出了一种混合蛙跳优化决策面的改进LSB土k隐写算法，有效地提高了LSB土k隐写的安全性。另一方面，从多目标优化角度出发，本项目提出了一种改进的多目标粒子群优化算法，并将该多目标粒子群优化应用于DCT域数字水印系统设计，设计了基于多目标粒子群优化的DCT域数字水印算法。本项目的研究为设计高容量低失真的安全隐写算法提供了新的思路。