本文是一篇计算机论文，本论文从压缩感知的信息隐藏方法出发，以此为基础，研究半张量积、确定性对角矩阵、安全认证机制等影响信息嵌入容量的因素及其作用方式，构建基于压缩感知的密文域信息隐藏算法。
1 绪论
1.1 选题背景与意义
如今，照相机被集成到无处不在的手持设备中，例如手机、平板电脑，人们可以利用这些设备随时随地拍摄高分辨率的图像，捕捉每天的精彩瞬间。随着移动网络的快速发展，许多拍摄的数字图像和视频通过网络分享或传输到第三方存储供应商[1]，如iCloud、Google Drive、OneDrive和Dropbox。据报道，社交网络的用户每周分享超过10亿张新照片[2]，其中大部分记录了人们与家人和朋友的日常生活。然而，照片包含各种个人隐私，例如身份、车牌号码和健康状况等敏感信息[3]。尽管这些云存储服务为保存和分享图片提供存储空间，减少本地设备的存储负担，以及预览、组织和管理图片的等便利性功能，但这些服务也引发了隐私问题[4, 5]。尽管现今的社交网络和照片存储及分享平台都提供了隐私设置，以限制公众对图像的访问，但是这些设置往往非常复杂且不够充分。此外，云服务提供商可以直接访问用户的图像，而且由于牟取利益而泄露图像数据的事件时有发生。
此外，电子医疗系统分享数据协助医生进行远程医疗诊断以来，数据安全同样也一直是研究和讨论的重要主题[6]。病历和医学图像中患者的敏感医疗隐私信息，是黑客最为关注的内容之一。患者医疗数据在医院内部网络或互联网传输过程中，通常缺乏有效的保障措施，无法确保患者敏感信息的保密性、完整性和隐私性，可能会遭受严重的问题，如恶意篡改和隐私泄露[7, 8]。在患者医疗数据的存储和分享方面，医学影像云[9]在未来的医疗行业中将是不可或缺的存在，云存储和云服务的进步为纸质存储提供了替代方法，有助于维护患者的医疗信息，并为患者的数据访问提供便利。然而，由于云环境是半信任的，存储和分享患者医疗数据时需要更加安全地保护患者的敏感信息，同时在半信任的环境中进行患者敏感数据的匹配也存在问题[9]。
......................
1.2 国内外研究现状
在当今信息时代，保护敏感信息的安全性越来越成为一项至关重要的任务。为了实现这一目标，加密技术和信息隐藏技术被广泛应用。加密技术通过使用数学算法将明文转换为密文，从而使得敏感信息在传输和存储过程中得到保护。同时，信息隐藏技术则通过将信息嵌入到数字媒体中的不可感知部分，实现了对信息的隐私保护。这两种技术的组合，为信息保护提供了更加有效和全面的手段。例如，可以使用加密技术对敏感数据进行加密，然后使用信息隐藏技术将密钥信息隐藏在数字媒体中。这样做不仅可以实现数据加密保护，还可以增强密钥的安全性，防止被攻击者窃取。
此外，加密技术和信息隐藏技术的发展也为信息保护带来了新的可能性。近年来，一些新的加密算法和信息隐藏技术已经被开发出来，并且正在逐渐应用于各个领域。例如，基于人工智能的信息隐藏技术，可以通过智能化的算法，将信息嵌入到数字媒体中的更加隐蔽部分，从而提高信息的安全性。同时，基于量子力学的加密技术也为信息保护提供了更加高效和安全的手段。当然，加密技术和信息隐藏技术也并非完美的保护手段。一些攻击者可能会利用各种漏洞和弱点，对加密和信息隐藏进行攻击和破解。因此，为了确保信息的安全性，还需要不断地提高这些技术的安全性，加强对攻击的防范和对抗。
...............................
2 相关基础理论与方法
2.1 图像加密基础知识
作为最常见的一种多媒体信息，图像加密在现代的生活中非常重要。特别是在一些特殊的场景下，在商业交易中，电子合同通常包含双方之间的敏感信息，例如商业计划、商业机密和个人身份信息等，如果这些信息泄露出去，将会给公司和个人带来损失和麻烦；在医疗行业中，病人的医学图像往往包含个人身份信息、病人病史以及病情等敏感信息。这些信息如果被非法获取或泄露，可能会导致病人的隐私权受到侵犯，并可能造成其他不良后果；遥感图像中，可以提供有关地面物体的重要信息，包括地形、资源分布等。如果这些信息泄露出去，可能会对国家安全和经济利益产生负面影响。都要求图像信息具有一定的保密性。为保护图像信息的机密性和完整性，研究人员设计出大量高效且安全的图像加密算法。常见的图像加密算法包括对称加密算法和非对称加密算法，一般的加解密步骤如图2.1所示。对称加密算法使用相同的密钥加密和解密数据，而非对称加密算法使用一对公钥和私钥来加密和解密数据。对称加密算法中，最常用的算法包括AES(Advanced Encryption Standard)和DES(Data Encryption Standard)。AES是一种高级加密标准，目前广泛应用于各种安全领域，包括图像加密。DES虽然比AES简单，但由于密钥长度较短，已经不再安全，不建议使用。在非对称加密算法中，最常用的算法是RSA。RSA使用公钥和私钥来加密和解密数据，可以保证数据的机密性和完整性。
计算机论文怎么写
.............................
2.2 压缩感知理论
压缩感知是Donoho(2006)提出的一种新颖的信号压缩采样理论[10]，能够以比香农采样定理给出的采样率低得多的采样率对信号进行采样，并且在某些条件下，仍然能通过这些少量的采样数据准确恢复原始信号。
图像数据在传输过程中可能遭到攻击者篡改，但是并不是所有对图像数据的操作都是有害的，例如压缩、量化、降低分辨率、低功耗噪声等，虽然对图像数据有所改变，但却是用户可以接受的范围。
数据的完整性对于远程医疗诊断至关重要。所以，要求重建图像数据的完整性认证能够检测到一些恶意内容更改操作。同时，考虑到图像的大量传输，需要容忍一定水平的量化噪声、信号噪声以及重构噪声等保留内容操作。基于压缩感知的数据完整性认证框架包含3个核心功能。
1) 认证矩阵生成器(Authentication Matrix Generator，GEN)。类似于伪随机数生成，GEN采用尺寸信息和初始值作为输入构建混沌矩阵用于认证。
2) 值提取功能(Extraction Value Operations，Evo)。基于压缩感知的消息认证码(Compressive Sensing based MAC，CSMAC)是在Evo的帮助下通过提取MACy的值顺序获得的。Evo对输入序列进行排序，然后输出相应的顺序序列，例如Evo([8, 3, 5, 9, 6, 2]) = [5, 2, 3, 6, 4, 1]。
........................
3 基于半张量积压缩感知的密文域医学图像大容量信息隐藏算法 ........................ 12
3.1 算法概述 ................................. 12
3.2 提出的大容量信息嵌入及逐步恢复策略 .......................... 12
4 基于2D压缩感知的密文域可逆信息隐藏算法 ........................... 24
4.1 算法概述 ..................................... 24
4.2 提出的密文域可逆信息隐藏算法 .................................... 24
5 总结与展望 .................................... 33
5.1 总结 ............................ 33
5.2 展望 ........................................ 34
4 基于2D压缩感知的密文域可逆信息隐藏算法
4.1 算法概述
在日常社交网络中，重点是保护用户的隐私和个人信息的安全。基于图像的冗余性，为充分利用相邻像素的关联性，提高嵌入性能，本文提出一种基于压缩感知的二步预测框架。首先，构建确定性对角矩阵对原始图像进行采样，作为图像恢复的重建信息。然后，通过基于非线性总变异(Total Variation，TV)的高精度错误预测算法计算原始图像像素和的初步预测误差，分别将初步预测误差和重建信息划分为大小相等的块，并计算其最终预测误差。最后，分别对最终预测误差的8个位面进行重新排列和位流压缩用流密码对腾空后的图像进行加密，并通过多个最低有效位替换将额外的数据嵌入到预留的空间中。这种二步预测方案是通过提升预测误差的准确性，来提高密文域图像的秘密信息嵌入容量。密文域可逆信息隐藏算法的流程图如图4.1所示。
计算机论文参考
...........................
5 总结与展望
5.1 总结
本论文从压缩感知的信息隐藏方法出发，以此为基础，研究半张量积、确定性对角矩阵、安全认证机制等影响信息嵌入容量的因素及其作用方式，构建基于压缩感知的密文域信息隐藏算法。在相关研究成果的基础上，提出两种大容量信息隐藏算法，并进行安全性分析。本文的主要研究内容如下：
(1) 在医疗数据分享过程中，患者的敏感信息易受篡改或伪造，导致信息的保密性、完整性、隐私性受到威胁，严重影响医生对患者的诊断。针对以上问题，利用医学图像高冗余特性，本文提出一种密文域大容量信息隐藏方案。该方案结合半张量积压缩感知与大容量秘密数据嵌入方式，将载体图像密文域腾出约3.75bpp 的空间用以嵌入患者敏感信息。将医学图像数据分为非敏感数据和敏感数据两部分，通过传输非敏感数据以及半张量积压缩感知重构获取敏感数据实现云端与医院之间数据共享。实现以低复杂度的重构方式将半张量积压缩感知重建图像恢复到高质量图像，并以高效率的认证方式验证载体图像及嵌入秘密信息的完整性。
(2) 加密图像中的可逆信息隐藏受到越来越多的关注，因为它可以保护原始图像的内容，同时嵌入的数据可以被准确地提取，原始图像可以被无损地重建。针对这个问题，为充分利用相邻像素的关联性，提高嵌入性能，本文提出一种基于压缩感知的二步预测框架。首先，构建确定性对角矩阵对原始图像进行采样，作为图像恢复的重建信息。然后，通过基于非线性总变异的高精度错误预测算法计算原始图像和的初步预测误差，分别将初步预测误差和重建信息划分为大小相等的块，并计算其最终预测误差。最后，分别对最终预测误差的8个位面进行重新排列和位流压缩用流密码对腾空后的图像进行加密，并通过多最低有效位替换将额外的数据嵌入到腾空的房间中。这种二步预测方案进一步提高了预测的准确性。实验结果表明，所提出的方法在预测精度和嵌入性能方面优于最先进的加密图像中的可逆信息隐藏。
参考文献（略）