面向大规模数字图像的安全外包隐写分析

Steganalysis is one of the key technologies of anti-steganography, and it can determine whether secret information is included in suspicious images of network efficiently. However, current methods of steganalysis has very high computation cost and it cannot realize the real-time monitoring for a large number of images of network. This project studies secure outsourcing of steganalysis for large-scale images, and outsources the computation tasks of analyzer to the cloud servers. Moreover, the plaintext images and the analyzing results are private for the servers, and their computation results can be verified by the analyzer. The main research contents include proposing new steganalysis algorithms to improve the performance, which is applicable for powerful servers in an environment of outsourcing. It also includes verifiable outsourcing schemes of extracting features. In these schemes, the analyzer obtains the features of plaintext images by using the method of multi-ciphertexts, where the plaintext images and the results of feature extraction are all secret for the servers. We also propose the outsourcing schemes of detection of classifier based on attributed-based encryption, where the plaintext features and the judgement results are all protected from the servers, and the analyzer can verify the correctness of the computation results. We then realize the whole process of steganalysis directly based on homomorphic encryption and cryptographic protocols, where the analyzer can obtain the judgement results of the plaintext images only if it inputs the ciphertext images. This project is applicable to steganalysis of large-scale images, and it has important significance and profound influence for the development of information security.

隐写分析是反隐写的关键技术，能够有效判断网络中的可疑图像是否含有秘密信息。现有的隐写分析方法具有很高的计算代价，不能对网络中的海量图像进行实时监控。本项目研究面向大规模数字图像的外包隐写分析，将分析者的计算任务外包给服务器，同时实现待检测图像和分析结果的保密性，以及服务器返回结果的可验证性。主要研究内容有：1）针对服务器的强大计算能力，提出适用于外包的新型隐写分析算法，提高检测性能；2）采用多密文加密方法，提出可验证的外包特征提取算法，实现待检测图像和明文特征的保密性；3）使用基于属性加密算法，研究安全外包的分类器检测方案，既能保密明文特征及判决结果，又能验证服务器对密文特征的判决；4）基于同态加密和密码协议，实现安全外包的隐写分析总框架，分析者只需输入密文图像，就能得到待检测图像的判决结果。本项研究适用于大规模图像的隐写分析，对信息安全的发展具有重要意义和深远影响。

隐写分析能够有效判断网络中的可疑图像是否含有秘密信息，但现有的隐写分析方法具有很高的计算代价，不能对网络中的海量图像进行实时监控。本项目研究面向大规模数字图像的外包隐写分析，将分析者的计算任务外包给服务器，同时实现待检测图像和分析结果的保密性，以及服务器返回结果的可验证性，选题具有重要的学术意义和应用价值。.项目的主要研究内容包括：1）针对大规模数字图像，提出共生矩阵和直方图特征的外包提取算法，同时实现原始图像的保密性和外包结果的正确性，并大幅降低了用户的计算代价。2）研究适用于外包计算的隐写分析方案，通过无监督学习方法从一幅可疑图像构建多幅参考图像，提高了检测精度，但不增加用户的计算代价。3）提出鲁棒视频隐写和加密图像可逆信息隐藏算法，可以有效地隐藏视频序列中的机密消息，并确保接收者能够完美重构这些消息。4）对公钥密码方案中计算复杂的算法，如私钥生成、模指数运算、基于属性签名等提出了外包方案，所提方案均在安全模型中可证安全，同时实现数据的保密性和外包结果的可验证性。5）研究安全的区块链方案，基于空间证明共识机制，提出隐私保护的可修改区块链方案。.本项目共发表和录用学术论文22篇，其中SCI检索17篇，EI检索5篇，包括IEEE Trans及中科院一区论文3篇，CCF-B及二区以上论文10篇；荣获2018年党政机要密码科技进步奖三等奖，排名第4；申请发明专利4项；培养博士研究生1名，已毕业；培养硕士研究生14名，已毕业5名。