RDHE3DM-SPDM:基于短路径生成和动态多MSB预测的加密3D网格中的可逆数据隐藏技术

《Computer Standards & Interfaces》:RDHE3DM-SPDM:Reversible Data Hiding in Encrypted 3D Meshes based on Short-Path Generation and Dynamic Multi-MSB Prediction

【字体: 时间:2026年02月08日 来源:Computer Standards & Interfaces 3.1

编辑推荐:

  本文针对加密3D网格模型的数据隐藏需求,提出结合短路径生成与多MSB预测的解决方案。通过欧氏距离生成短路径提升坐标相似性,记录起始点减少冗余存储,实验表明嵌入率达95.25%,平均59.28 bpv,同时实现可分离性与完全可逆恢复。

  
作者:Hengxiao Chi、Chia-Chen Lin、Ching-Chun Chang、Chin-Chen Chang
台湾台中市40724,逢甲大学信息工程与计算机科学系

摘要

随着元宇宙的快速发展,3D多边形网格模型在真实场景构建和虚拟形象生成中变得至关重要。加密的3D网格越来越多地被用于秘密通信和版权保护。这一趋势凸显了对可逆和可分离数据隐藏技术的需求日益增长。现有方法存在两个关键问题,这些问题为进一步改进提供了机会:首先,顶点冗余的利用效率有待提高;其次,大量参考顶点的存储需求可以进一步优化。解决这些问题将有助于提升整体的嵌入容量。本文提出了一种基于短路径生成和多最高有效位(MSB)预测的可逆数据隐藏方法。该方法通过根据欧几里得距离依次连接每个顶点与其最近邻点来生成短路径,从而确保路径上的坐标高度相似,显著提高了MSB预测的准确性。此外,只记录每个短路径的起始顶点,大大减少了辅助信息的存储量。因此,嵌入顶点的比例和整体嵌入容量都得到了提升。所提出的方案还实现了数据的分离性,数据提取和模型恢复可以独立进行。同时,在不牺牲可逆性的前提下保持了高嵌入效率。实验结果验证了该方法的有效性,当$m=5$时,嵌入顶点率达到了95.25%,平均嵌入率为59.28 bpv。该方法能够实现高容量、无错误的数据提取以及原始模型的完整恢复。未来,该方法可以扩展到更复杂的网格结构(如点云模型),为在实际3D应用中部署该方法提供了广阔前景。

章节摘录

引言

自1992年“元宇宙”概念首次提出以来,虚拟现实(VR)、增强现实(AR)和人工智能(AI)的发展极大地加速了其演进。元宇宙已逐渐从一个抽象概念转变为一个实用的技术生态系统。在这个系统中,3D多边形网格建模发挥着基础性作用,它为构建真实场景、生成虚拟形象以及创建交互式虚拟环境提供了结构基础。

相关工作

为了提高本文的可读性,如引言中所述,本节首先简要介绍了3D多边形网格模型加密领域的一些可逆数据隐藏(RDH)方法[[23], [24], [25], [26], [27], [28], [29], [30], [31], [32], [33], [34], [35], [36], [37]]。接下来,我们将详细介绍两种基于MSB预测的加密3D多边形网格的RDH算法。

提出的方法

本文主要研究三维三角网格,这些网格由一系列相互连接的三角形组成,用于表示物体的表面。在加密3D网格的应用场景中,假设潜在攻击者只能访问加密后的网格模型,他们无法获取任何形式的密钥,也无法观察到模型所有者与授权接收者之间的密钥交换过程。密钥通过安全的密钥交换协议传输。

实验结果

在本节中,我们评估了所提出的方法。实验中使用的六个3D多边形网格模型如图3所示。通常,3D数据根据不同的应用场景存储在多种文件格式中(例如OFF、OBJ、MD2)。
在本文中,我们仅关注存储在OFF格式中的3D数据。实验是在Windows PC操作系统下,使用Intel (R) Core (TM) i5-9500 CPU和MATLAB 2017a版本生成的随机秘密信息。

结论

本文提出了一种结合短路径生成和多MSB预测的集成方法,用于实现加密3D多边形网格模型的高容量、可分离和可逆数据隐藏。此外,所提出的坐标转换方法将输入模型的每个顶点坐标值转换为正数。在方法中,我们需要根据虚拟起点找到模型中的所有短路径,并计算每个顶点的多最高有效位(MSB)。

未引用参考文献

[[51], [52], [53], [54], [55], [56], [57]]

CRediT作者贡献声明

Hengxiao Chi:撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论设计、数据分析、概念化。Chia-Chen Lin:撰写 – 审稿与编辑、初稿撰写、验证、方法论设计、概念化。Ching-Chun Chang:撰写 – 审稿与编辑、验证。Chin-Chen Chang:指导与研究监督。
Hengxiao Chi于2019年获得中国南京东南大学计算机科学与技术学士学位,目前就读于逢甲大学信息工程与计算机科学系攻读博士学位。她的研究兴趣包括密码学、信息安全及数据隐藏技术。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号