信息隐藏应用于数据库及集成学习隐密分析方法研究

论文摘要

自九十年代出现以来,信息隐藏引起了信息安全领域研究者们的极大关注。它可以将特定的信息(如版权信息、秘密消息等)嵌入到图像、音频、视频及文本文件等各种数字媒体中,起到保护数据版权或隐蔽通信的目的。本文主要从信息隐藏在关系数据库中的应用和信息隐藏分析两个方面开展研究工作。现有的关系数据库数字水印算法的嵌入方式基本都是采用某种算法对关系数据的一些属性值做少量修改,以达到嵌入水印的目的。这样做就容易破坏数据的真实性和有效性。本文通过信息隐藏技术的使用,把对关系数据的修改转移到对信息隐藏载体的修改,从而不必修改关系数据的属性值即可嵌入水印。该算法不仅适用于数值型属性的关系数据,而且适用于非数值型属性的关系数据。实验证明该算法能够有效地抵抗对关系数据库数字水印的攻击,具有较好的鲁棒性。由于信息隐藏既可以为秘密通信提供安全保障又可以为不法分子所利用,所以它也是一柄双刃剑。随着信息隐藏的迅速发展,伴随而来就是对隐密分析技术的迫切需求。本文将集成学习应用到信息隐藏隐密分析技术。集成学习技术就是通过一定的方式把多个弱分类器结合起来形成一个强的分类器。目前,当信息隐藏的载体中嵌入较多的秘密信息时,隐密分析的检测准确率较高;可是当载体中嵌入的秘密信息较少时,隐密分析的检测准确率偏低。所以通过引入集成学习技术,把小容量嵌入时的分类器看成是弱分类器,再通过集成学习技术来提高检测准确率。实验结果显示把基于Fisher的线性分类器进行集成,效果并不明显,而对基于神经网络的分类器进行集成,分析的准确性有明显提高。最后,本文对未来的关系数据库数字水印技术及集成学习隐密分析方法进行了展望,提出了需要进一步研究的问题和可能的发展方向。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 研究概况
• 1.3 本文的主要工作
• 1.4 论文的结构
• 2 信息隐藏和隐密分析的研究现状
• 2.1 引言
• 2.2 信息隐藏的概述
• 2.3 信息隐藏的一般模型
• 2.4 信息隐藏的主要应用
• 2.5 隐密分析的现状
• 2.6 小结
• 3 信息隐藏在关系数据库数字水印中的应用
• 3.1 引言
• 3.2 数字水印技术
• 3.2.1 数字水印的研究内容及分类
• 3.2.2 数字水印技术的主要应用
• 3.2.3 数字水印技术的特征与通用模型
• 3.3 关系数据库数字水印的特征
• 3.3.1 关系数据库数据与多媒体数据的差异
• 3.3.2 关系数据库数字水印特性
• 3.3.3 关系数据库的几种数字水印技术
• 3.3.4 关系数据库数字水印的攻击
• 3.4 Shehab的基于优化思想的关系数据库数字水印算法
• 3.4.1 算法模型
• 3.4.2 嵌入bit水印算法
• 3.4.3 最佳判决门限
• 3.4.4 该算法的特点及存在的不足
• 3.5 基于信息隐藏技术的数值属性关系数据库数字水印算法
• 3.5.1 算法模型
• 3.5.2 算法描述
• 3.5.3 数据分段的算法
• 3.5.4 提取函数的算法
• 3.5.5 基于图像的信息隐藏算法
• 3.5.6 实验结果及鲁棒性分析
• 3.6 基于信息隐藏技术的非数值属性关系数据库数字水印算法
• 3.6.1 算法模型
• 3.6.2 基于Lagrange插值的预处理过程
• 3.6.3 实验结果
• 3.7 小结
• 4 基于集成学习的JPEG图像隐密分析技术
• 4.1 引言
• 4.2 集成学习的理论基础
• 4.2.1 集成学习的起源
• 4.2.2 集成学习的构成
• 4.2.3 集成学习的作用
• 4.2.4 集成学习存在的不足
• 4.3 集成学习的主要算法
• 4.3.1 AdaBoost算法简介
• 4.3.2 Bagging算法简介
• 4.3.3 AdaBoost& Bagging理论分析
• 4.4 基于Fisher线性分类器的集成学习隐密分析实验
• 4.4.1 利用AdaBoost的隐密分析算法
• 4.4.2 实验结果与分析
• 4.5 基于神经网络的集成学习隐密分析实验
• 4.5.1 利用AdaBoost的隐密分析算法
• 4.5.2 实验结果与分析
• 4.6 小结
• 5 总结与展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢