社交网络多用户协同的行为隐写

As a means to covert communication, steganography is of great significance to national security. The rapid development of social networking services allows steganographic communication to be easily concealed, thus designing steganographic systems suited to social environment is quite desirable. Different from modifying multimedia content, this project exploits multi-user collaborative interactions for steganography, which is data-driven behavior camouflage. This project conducts research from four aspects. First, we convert a secret message into a directed graph, which can be released in social networks. Second, we evaluate the covertness of behavior steganography by analyzing social networks and user behaviors, and design methods to ensure covertness. Third, in case that a receiver cannot observe all involved interactions, we design reliable methods to recover the secret message without error. Finally, we develop new steganographic methods by combining above methodologies. We believe that this project will enrich the theory and methods of steganography, and provide technical support for adapting to the development needs of new environment.

隐写为隐蔽通信提供了技术保障，对国家信息与网络安全有重要意义。社交网络服务的快速发展为隐写提供了便利条件，发展适用于社交新环境的隐写具有显著学术价值。本项目突破修改多媒体数据传输秘密信息的观念，利用社交网络多用户协同的、秘密信息驱动的行为伪装实现隐蔽传输，提供了与传统隐写截然不同的伪装方式，将从四方面开展研究：首先，研究秘密信息的图表示，将秘密信息变换成可通过交互行为承载的有向网络；然后，对社交网络和用户建模，评估交互行为的隐蔽性，并设计保障隐蔽性的方法；接着，针对接收者不能观测到全部交互的情况，研究抗局部不可见性的秘密信息的重构技术。最后，研究同时具有隐蔽性和抗局部不可见性的隐写新方法。本项目研究成果将拓展隐写的理论和方法，能为适应新环境下隐写的发展需求提供技术支持。

隐写是一种将机密信息隐藏在公开载体中进行隐蔽传输的通信技术，对军事和重要部门人员间的安全通信有重要的意义。利用社交行为实现隐写通信借助了社交网络方便、即时和容易伪装的优势，突破了修改给定多媒体数据传输机密信息的传统观念，具有重要的研究价值。本项目旨在探索多用户社交行为驱动的隐写新方法，主要研究了多用户协同交互的图隐写、基于不同社交行为的安全隐写、基于代价函数的稳健性度量与保障以及对抗视角下的隐写检测。代表性进展包括：1)设计了一种图结构隐写方法，使多个用户通过协同交互实现“交互行为—图结构—机密信息”的等价映射，接收者全程保持静默，只需观测交互行为就能重建图结构，进而提取机密信息；2)设计了一种隐写视觉故事生成模型，使用户能够在没有任何直接干预的情况下自动发布社交隐写状态，并使用联合注意力机制保障隐蔽性，实现根据若干图像生成含密故事文本；3)通过引入掩码预测机制和吉布斯采样，使生成式隐写文本不仅具有更高的语义质量和更强的抗隐写分析能力，而且隐写文本中固定位置的词可以直接串联构成机密信息；4)利用社交内容的纹理特性和局部相关性建立稳健性的信息嵌入代价函数，通过最小化代价函数实现稳健的信息嵌入和提取；5)从对抗的角度出发，运用图神经网络学习社交内容的局部和全局敏感特征，实现隐蔽信息的高效检测,为更安全的隐写研究提供驱动力。