基于Python神经网络及数字水印的图片攻击类别分析系统【100011887】

# 基于神经网络及数字水印的图片攻击类别分析系统 # 一、摘要 当今时代是一个信息爆炸的时代，随着网络和多媒体技术的发展，多媒体数据逐渐成为人们获取信息的重要来源，但问题也随之而来。由于多媒体信息与传统物质信息相比改动相对简单并且隐蔽性高，有一些不法分子对某些重要的数字信息做出恶意改动，制造出虚假的信息并传播，如果信息的接收人没有辨别出信息的真实性，可能就会造成不可估量的损失。因此，切实有效地保护数字信息的真实性是一个时下非常重要的话题。时下对信息真实性的保护大多在于保护端对端通讯，缺少对大量传播的数据真实性的保护。为了解决这个问题，利用图片受到攻击后水印改动的情况与机器学习的分类算法，我们开发出了基于神经网络及数字水印的图片攻击类别分析系统。该系统能够对插入水印的图片信息做是否受到攻击的判定，如果图像受到改动，还可以对改动的种类进行识别。 本产品由水印嵌入与提取模块、机器学习分类算法模块两部分组成。与其他产品相比，该产品中水印嵌入与提取的算法优不需要原图就可以实现水印的提取，更加切合图像改动检测的实际情况，满足公众对信息真实性验证的需求。应用机器学习对提取后的水印进行分析归类，可以鉴定图像的改动情况并且达到非常高的准确率。在此基础上，还可以扩展其他的功能，比如针对机器学习数据集攻击的识别，在未来的信息时代能够帮助安全从业人员节省大量精力。 关键词：数字水印 攻击检测 机器学习 神经网络 # 二、作品概述 ## 2.1 背景分析 我们生活在一个信息高度发达的时代，手机、ipad、笔记本电脑等现代电子产品为我们每天的生活带来形形色色的信息，传输技术的进步为我们平时生活信息的传递提供了极大的便利，使得信息交流更加迅速准确。然而，信息技术的快速发展也给信息的准确传递带来了挑战。在一个机构公布某些重要信息之后，难免会有一些不法分子别有用心，通过技术手段恶意篡改、攻击一些特殊意义的信息。如果相关人员没有识别出伪造的信息，选择信任了这些虚假的信息，就会造成难以估量的损失。就在2018 年，惠山法院对全省首例以篡改百度推广信息为手段骗取用户点击的案件进行了宣判。被告人自 2016 年下半年以来，通过自制软件发送钓鱼链接获取百度推广商户的账号和密码，登录这些账号，在原来设置的搜索关键词中添加违法的信息。据介绍，被“坑” 的企业遍布北京、上海、江苏、湖南、广东、河南等多个省、市。仅2017年3-5月间，就造成相关用户经济损失上万元。可见，对公开信息真实性的保护在当下已经凸显出了其重要性。 密码学手段也是一种保护信息的方法，但密码学更适合端对端通讯，不适合作为一种面向大众的公开信息真实性的验证方式。对于面向大众公开的信息，作为每一个需要验证信息真实性的用户来说，都生成一组密钥来实现信息的保护是极不方便而且不切实际的。而数字水印作为信息发布者认证信息的一种方式，提取数字水印更加适合让公众去检验信息来源的可靠性。 假设信息发布机构将水印嵌入在面向公众的信息中，公开的信息在人们拿到之后，如果需要对信息的真实性验证，就可以使用本产品的水印提取验证功能，了解信息是否真实是原机构发布的。根据提取水印的形变情况，消息的可靠性就可以辨识。获取到真实有效的信息，才能切实为生活带来便利，提高信息传播的水平。 ## 2.2 相关工作 ### 2.2.1 数字水印 数字水印简单来说就是将信息隐藏到多媒体数字对象中的技术。目前数字水印技术被认为就是利用数学计算方法把具有可鉴别性的数字信息嵌入其他信息中的技术。对于数字水印的应用，具体见下图：  本作品基于数字水印在载体图像受到改动之后的形变，对数字信息做出篡改提示。由于脆弱数字水印在载体图像受到不同种类的攻击时会产生不同的形变，我们可以根据水印的形变状况来判断图像受到的攻击种类。 ### 2.2.2 机器学习 机器学习通过计算手段利用经验改善系统的自身性能。经验即数据，计算机系统利用现有数据进行学习，产生模型进而对未来的行为做出决策判断。  基于本产品的水印算法，对于任意载体图像，只要嵌入的水印相同，其受到攻击后的提取特征也相同。因此，现实中一个公开信息的发布机构只需对应一个水印，本产品可以将需要服务的每个机构对应的水印制作出一组专用数据集进行训练产生模型，模型建立完毕之后即可按照水印提取之后的结果对载体图像进行攻击分类。 ## 2.3 应用前景分析 计算机的图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有应用。例如交通方面的车牌识别系统；公共安全方面的人脸识别技术、指纹识别技术；农业方面的种子识别技术、食品品质检测技术；医学方面的心电图识别技术等。本作品结合计算机图像识别技术，可应用于不同行业信息发布与认证过程中的真伪检验。由于水印在载体图像经过不同的改动后会展现出不同的特征，因此通过图像识别来判断图像是否受过改动以及受过何种改动是可行的。同时，应用机器学习来做图像分类可以大大减少相关从业人员的工作量。对于缩放等不改变原图内容的图像变换，鉴定者可根据自身需要进行分别。 # 三、作品设计与实现 ## 3.1 作品实现概述 整个作品的实现流程可以分为中央机构使用的嵌入阶段和用户端使用的提取识别过程阶段。具体实现过程如下。 ### 3.1.1 嵌入过程  读取载体图像后提取其中需要操作的数据层,对该数据层进行快速傅立叶变换,取结果后进行水印图像插入,再通过快速傅立叶逆变换实现还原后的图像。 ### 3.1.2 提取识别过程  用户端输入需要识别的图像,该系统读取图像后进行快速傅立叶变换,按照特定算法进行水印提取过程,再通过已经预训练好的模型进行验证分类,输出用户图像相应的信息，判断是否被攻击过，如有则判断受过何种类型的攻击。 ## 3.2 数字水印概述 水印信息为 W，可以是任何形式的数据；原始载体图片为 I，密钥 K 作为加强安全性的手段，防止水印受到未授权的攻击，可以是一个数据作为密钥也可即使几个数据的组合；嵌入算法 G 必须具有唯一性，通过密钥 K 唯一的生成添加了水印的图片。水印嵌入算法目前主要分为空域算法和变换域算法。根据上图的基本框架，可以用下面的公式概括水印嵌入算法。  在提取水印的时候，如�