|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘 要:该文提出了一种基于 LWE(Learning With Errors)算法的密文域可逆隐写方案,利用 LWE 公钥密码算法
`6 D0 Q% A- G对数据加密,用户在密文中嵌入隐藏信息,对于嵌入信息后的密文,用户使用隐写密钥可以有效提取隐藏信息,使 N7 f% h2 o9 z: P& w* u" y3 G
用解密密钥可以无差错恢复出加密前数据实现了提取过程与解密过程的可分离。通过推导方案在解密与提取信息过
2 H* i# p5 e1 D. C, I8 K6 @7 Q程中出错的概率,得到直接影响方案正确性的参数为所选噪声的标准差,实验获得并验证了标准差的合理取值区间;
. `4 P& t7 E- B& d: F* z4 `) ~通过推导嵌入后密文的分布函数,分析密文统计特征的变化情况,论证了嵌入密文的隐藏信息的不可感知性。该方3 | p) ~& u, M @& E1 q) z3 c* f% t
案是在密文域进行的可逆隐写,与原始载体无关,适用于文本、图片、音频等各类载体。实验仿真结果表明该方案1 q2 _' ^# e- h7 S
不仅能够保证可逆隐写的可靠性与安全性,而且 1 bit 明文在密文域最大可负载 1 bit 隐藏信息。8 b# U- A9 B9 G3 G
关键词:信息安全;密文域可逆隐写;格;LWE (Learning With Errors)
/ X9 w+ D# }3 ~. w4 e8 Y* }3 |1 引言% W' @. r+ _% L9 \' d) K6 }; o
信息隐藏的多数隐写算法在嵌入信息后给原始8 F( J9 l% v- d' W3 f# S5 ]
载体带来永久性失真,这些失真在一些对数据认证, T; y/ B9 P, U
要求较高,同时需要无失真恢复出原始载体的应用
0 J7 i* O8 f9 T) l场合是不可接受的,如云环境中的隐私数据保护、0 A5 F; L3 d2 ?$ Z& [2 O
1 |9 b1 ?- z; f X% [! [1 m2 x% O! I$ D4 P1 D3 t l
. Q; e7 W- K. Z ]. v- U# J8 n& }1 D' U% ]. e. \
& v8 V6 t% U% E0 f) }# X附件下载:
5 E. u! c+ v9 F1 W* H; E) t9 ]' i4 \+ ~! c9 n5 g* s
|
|