面向物联网隐蔽通信的可证明隐私保护图藏图框架

《Journal of Information Security and Applications》：A provably privacy-preserving image-in-image hiding framework for IoT covert communication

　　

• •
  提出了一种具有可证明隐私保护的图像隐藏框架，适用于物联网通信。
• •
  开发了一种DCT-BDP机制，以高实用性保护敏感载体图像。
• •
  设计了一种级联嵌入策略，以支持多秘密图像隐藏。
• •
  语义先验信息减少了辅助开销并改善了秘密图像的重建质量。
• •
  实验表明该框架能够实现隐私保护并具有强大的抗隐写分析能力。

引言

云计算和物联网（IoT）技术的快速发展，以及智能手机、智能摄像头和可穿戴设备等智能终端的广泛部署，推动了异构视觉数据在物联网和云平台之间的大规模获取、传输和共享。根据国际数据公司（IDC）的预测，到2028年全球数据圈规模将达到393.8 ZB，几乎是2018年的十倍[1]。虽然云辅助物联网服务促进了视觉数据的高效管理与通信，但也引入了显著的隐私风险。特别是，物联网图像可能包含敏感的身份证据、生物特征、行为和环境信息，这些信息可能在传输和共享过程中被用于身份推断、属性预测或用户重新识别。因此，物联网环境中的安全视觉通信不仅需要传输信息的保密性，还需要对隐私敏感的视觉内容进行有效保护。

图像隐写术，也称为图像隐藏[2]、[3]，通过将秘密信息以不可察觉的方式嵌入载体图像中，从而实现隐蔽通信。为满足日益增长的容量需求，研究逐渐从传统的低维比特流嵌入转向高维图像嵌入。2020年，Google正式提出了图像内图像隐藏任务[4]。随后，Jing等人[5]提出了基于可逆神经网络（INNs）的HiNet框架。Ping等人[6]结合压缩感知和块匹配策略以减少计算开销。为实现容量与视觉质量之间的平衡，Zhang等人[7]开发了基于对比噪声引导的可逆网络（CNGI-Net）。此外，Ping等人[8]提出了一种基于颜色变换的图像隐藏框架，能够将多张秘密图像嵌入到一张载体图像中。Ren等人[9]开发了KFDist框架，消除了隐写安全对密钥的依赖性。尽管取得了这些进展，但大多数现有的图像内图像隐藏方法隐式地假设载体图像不敏感，因此并未明确解决来自载体图像本身的隐私泄露问题。

然而，这一假设在实际物联网场景中并不现实。一方面，云平台通常被视为诚实但好奇的半可信实体。另一方面，物联网图像数据具有异构的隐私敏感性：普通场景风险有限，而包含人脸或居住环境的图像则可能暴露身份、生物特征、行为模式和社会关系[10]。更重要的是，图像内图像隐藏的根本目标是保持隐写图像与其载体图像之间的高视觉相似度。因此，尽管秘密载荷通过图像隐藏得到了保护，但继承自载体图像的隐私敏感信息仍可能存在于传输的隐写图像中，导致视觉隐私推断、属性推断和重新识别攻击的风险。因此，当载体图像本身包含隐私敏感信息时，仅保护秘密载荷并不能保证安全的隐蔽通信。传统密码技术，如混沌置乱[11]、同态加密[12]和安全多方计算[13]，提供了强大的保密性保证。然而，这些方法主要设计用于保护信息保密性，而非保留视觉特征。因此，加密输出或保护后的表示通常无法维持视觉隐写所要求的感知和统计特性，难以满足隐蔽通信的不可察觉性要求。

为缓解这一问题，近期研究开始探索隐写系统中载体图像的隐私保护变换。Li等人[14]通过去色化和上色模型减少了隐私暴露。Ren等人[15]提出了一种基于迭代潜在变量精化的自适应载体隐私保护方法，提供多级隐私增强。Yang等人[16]引入妆容风格迁移来修改与身份相关的面部外观。虽然这些方法可以减少隐私暴露，但它们主要依赖于启发式变换和实证评估，难以提供严格且可量化的隐私保证。因此，需要一种具有形式化保证的原则性隐私保护机制，以在保留隐蔽通信所需的视觉和统计特性的同时保护敏感载体图像。

基于上述分析，本文围绕三个基本需求来构建载体隐私保护的图像内图像隐藏问题：1）实用性，保留足够的视觉和统计保真度以实现视觉不可察觉的隐蔽通信；2）隐私性，抑制载体图像中的敏感信息，抵御视觉推断、属性推断和重新识别攻击；3）可证明性，提供数学上可量化和可验证的隐私保证。如表1所示，现有方法通常仅解决了这些需求的子集，因此无法为隐私保护的图像内图像隐藏提供集成解决方案。同时，实际的物联网隐蔽通信还需要高容量多图像嵌入、可靠的秘密重建和低辅助通信开销。

为应对这些挑战，本文提出了一种用于物联网隐蔽通信的可证明隐私保护的图像内图像隐藏框架。本文的主要贡献总结如下：

• •
  提出了一种统一的隐私保护图像内图像隐藏框架，用于安全的物联网隐蔽通信，明确解决了来自载体图像的隐私泄露问题，同时综合考虑隐私保护、视觉实用性、嵌入容量和通信效率。
• •
  提出了一种新颖的DCT域块差分隐私机制（DCT-BDP），其中高斯机制扰动高频DCT系数以抑制细粒度隐私敏感信息，指数机制根据效用函数选择候选块以维持视觉一致性。该设计实现了具有形式化差分隐私保证的可控隐私-效用权衡。
• •
  提出了一种级联高容量图像内图像隐藏方法，支持多张秘密图像嵌入，同时保持高不可察觉性，并实现从语义结构到细粒度纹理的渐进式重建。
• •
  大量实验表明，所提框架实现了高容量隐藏和高保真重建，同时提供了有效的载体隐私保护和强大的抗隐写分析能力。

本文其余部分组织如下。第2节介绍相关工作和问题描述。第3节描述所提出的用于物联网隐蔽通信的可证明隐私保护图像内图像隐藏框架。第4节介绍实验结果和分析，第5节得出结论。

各节摘要

相关工作

差分隐私（DP）是一种严格的隐私保护框架，提供独立于对抗假设的数学可量化保证。经典差分隐私机制[17]、[18]、[19]主要设计用于结构化数据发布和统计查询发布，其中噪声被注入到低维且定义明确的数据表示中。然而，它们无法直接应用于高维非结构化数据（图像、视频、音频）[20]。为解决这一问题

所提方法

本节介绍所提出的用于物联网隐蔽通信的可证明隐私保护图像内图像隐藏框架，如图2所示。该框架旨在同时解决载体隐私保护和高容量隐蔽通信问题，同时保留图像隐藏所需的视觉实用性。考虑到物联网图像的异构隐私敏感性，采用了一种自适应策略。具体而言，对于包含身份相关信息（如面部）的载体图像

实验设置

实现环境与数据集。所提框架使用PyTorch实现，并在配备NVIDIA RTX 4090 GPU、120 GB内存和Windows 11系统的工作站上进行评估。为评估所提方法在多样化物联网视觉数据上的泛化能力，采用了三个代表性数据集，包括CelebA-HQ[34]、AFHQ[35]和UnIE[36]，分别涵盖面部图像、动物图像和日常物体。对于每个数据集，随机选取500张图像

结论

本文提出了一种用于物联网隐蔽通信的可证明隐私保护图像内图像隐藏框架，在统一框架内实现了载体隐私保护、高容量嵌入和高保真重建的联合优化。引入了一种DCT-BDP机制，对载体图像实施严格的(?, δ)-DP，在提供形式化隐私保证的同时保留下游数据隐藏任务所需的实用性。提出了一种基于邻域感知PatchMatch的级联隐藏架构

CRediT作者贡献声明

Yu Ren：写作–审稿与编辑，写作–初稿撰写，方法论，数据管理，概念化。Di Xiao：监督，资金获取。Dawei Hao：可视化，验证。Qihong Cheng：验证。

利益冲突声明

作者声明不存在任何已知的利益冲突财务关系或个人关系，这些关系可能影响本文所报道的工作。

Yu Ren|Di Xiao|Dawei Hao|Qihong Cheng