云存儲環境中基于矢量量化的圖像偽裝加密方法*

鄭思飛,馮子婧,劉成語，陳日清，柳曉龍

(福建農林大學計算機與信息學院，福建 福州 350002)

1 引言

在信息技術日益發展的當今時代，云存儲將數據存儲服務帶入了一個新時代，為大眾提供了便捷的網絡訪問和數據共享方式。近年來，隨著云存儲技術的飛速發展，存儲在第三方數據庫中的云端圖像文件與日俱增，然而隨之而來的是日益增多的泄密事件[1]。在此背景下，用戶對將含有個人隱私或敏感數據的內容直接暴露在開放的信道或不可靠的數據庫中頗具顧慮。因此，基于保證隱私性等目的，圖像所有者有必要在圖像傳輸至云端服務器之前先進行加密，避免未經授權的訪問。

目前，學者們已經提出了許多基于頻域或空間域的圖像加密方法，以保護云端圖像[2 - 4]。頻域圖像加密方法[5]通常被設計為在頻域中使用安全密鑰系數更改圖像數據或更改變換函數，例如離散分數階傅里葉變換、量子傅里葉變換和倒數正交參數變換等，以達到加密圖像的目的?？臻g域圖像加密方法[6]基于著名的替代置換網絡，利用替換過程更改圖像像素值，并利用置換過程更改圖像像素位置。這些置換過程和替換過程是空間域圖像加密方法的核心，包括P-Fibonacci變換、隨機網格和混沌系統等技術?？臻g域和頻域圖像加密方法都能夠以較高的安全性保護圖像，然而它們輸出的加密圖像在視覺上都類似紋理或噪聲。從安全的角度來看，這種類似紋理或噪聲的特征是明顯的視覺信號，表明存在可能包含重要信息的加密圖像。因此，這些圖像無疑會引起攻擊者的關注，從而導致大量不同類型的密碼分析、非法編輯甚至刪除圖像內容等惡意攻擊與分析[7]。

針對上述問題,Lee等人[8]曾試圖利用色彩轉換技術將原始圖像轉換成一幅同樣大小的可見秘密碎片馬賽克圖像，以達到圖像偽裝的目的。然而這種方法在解密時會造成圖像失真，并不能完整地還原出原始圖像。Bao等人[9]和Zheng等人[10]分別提出了基于離散小波變換DWT(Discret Wavelet Transform)與最低有效位修改的圖像偽裝加密算法，雖然能夠完整地還原原始圖像，但是偽裝加密后的圖像尺寸急劇增大，嚴重影響了存儲效率。為使偽裝圖像與原始圖像的大小保持一致，學者們相繼提出了基于圖像塊分類的偽裝加密方法[11-13]，其基本思想是根據圖像塊的標準差分別對原始圖像和目標圖像進行固定分位數分類，進而實現不同圖像的自適應分類與塊之間的匹配。然而，以上基于塊分類的轉換方式沒有考慮子塊間的邊緣失真問題，偽裝加密后的圖像有較大失真，視覺質量與安全性有待提高。

因此，為進一步提高云端圖像存儲效率與偽裝圖像的視覺質量，本文提出了一種新型的基于矢量量化VQ(Vector Quantization)[14]的圖像偽裝加密方法。在對原始圖像進行偽裝加密之前，通過矢量量化將原始圖像轉化為VQ索引表，接著利用離散小波變換(DWT)，以“明文-明文”的偽裝加密方式在掩蓋原始圖像內容的同時隱蔽加密行為本身。本文方法不僅可以像傳統加密方法一樣以正常方式保護圖像，而且還提供了額外的視覺偽裝保護。實驗結果表明，通過本文方法偽裝加密后的圖像具有良好的視覺效果與偽裝性能。

2 偽裝加密方法

2.1 圖像偽裝加密階段

圖像偽裝加密階段提供一種“明文—明文”的新型圖像加密方式，可以從根本上掩蓋秘密圖像信息與加密行為本身。此階段擬引入一幅與原始圖像完全不同的參照圖像，通過對圖像載體先后執行矢量量化、預加密與偽裝轉換完成“原始圖像—參照圖像”的轉換。圖像偽裝加密基本過程如圖1所示。

Figure 1 Image camouflage encryption process圖1 圖像偽裝加密過程圖

2.1.1 矢量量化

矢量量化(VQ)是一種圖像編碼技術，具有框架簡單和解碼高效的特性，廣泛應用于圖像處理。在矢量量化過程中，首先將原始圖像分割為多個塊，每個塊由4*4個像素組成。假設原始圖像大小為4m*4n，則將該圖像分割為m*n個4*4大小的像素塊。當圖像尺寸不能平均分割時，需將原始圖像的最后一行與最后一列擴展，使其長寬補齊至4的倍數。量化過程中所使用的碼書是通過大量訓練生成的數據集，包含許多稱為代碼字(cw)的代表性圖像塊。通常碼書的行數為256，列數為16，如圖2所示。碼書通過矢量量化算法LBG(Linde Buzo Gray)生成，首先從網絡數據庫中選擇大量不同種類的圖像用于訓練，隨后將這些圖像分割為大小相同的塊，組成訓練集，塊大小與上述矢量量化過程中的塊大小相同，即4*4。然后隨機選取256個塊作為初始碼字，即可得到初始碼書。分別以選出的256個初始碼字為重心，將訓練集中的其他塊分配到最近的重心(以歐幾里得距離進行判斷)。所有訓練集將產生256個由4*4的塊組成的群落。針對每個群落計算出新的重心,比較新重心與舊重心之間的歐幾里得距離，如果比較結果都小于閾值，說明群落的重心變化不大，已經產生收斂。每個群的重心向量即為碼書。否則回到分配重心的步驟進行循環。本文矢量量化過程中所有的圖像均使用同一碼書。

在矢量量化過程中，計算每個原始圖像塊相對應的16個像素值與碼書中每一行的16個值的歐幾里得距離，得到的歐幾里得距離最小的那一行，即表示該行與原始圖像塊最為相似，可以用該行的值代替原始圖像中的像素值，并將該行對應的行號存入VQ索引表中。對原始圖像中的每一個塊分別執行上述相同的操作，將所有塊對應的值存入VQ索引表中，即得到VQ索引表，具體實例如圖2所示。

Figure 2 Examples of vector quantization圖2 矢量量化實例

2.1.2 偽裝加密

無線傳感器網絡初始部署以及改進的單目標粒子群算法覆蓋優化和考慮安全連通度以及網絡覆蓋率多目標粒子群算法覆蓋優化以及改進的多目標粒子群算法覆蓋優化的網絡覆蓋率的仿真結果如圖2,圓表示節點的通信半徑。

經過矢量量化后的VQ索引表將作為偽裝加密過程的輸入圖像，其大小為m*n。為了進一步保護原始圖像的內容以提升安全性，在將VQ索引表進行偽裝加密之前需要對其進行預加密處理。預加密通過排列和替換來改變VQ索引表中像素的位置和值的大小，其定義如式(1)所示:

P=T(O,K)

(1)

其中,P是經過預加密處理之后得到的預加密圖像，O是VQ索引表，K是進行預加密處理時所需要的密鑰，T(·)是預加密處理的變換函數。預加密處理所使用的預加密算法可以使用傳統加密算法。

在完成預加密過程之后，對預加密圖像進行偽裝變換，以將其轉換為偽裝圖像,其定義如式(2)所示：

E=F(P，R)

(2)

其中,E表示最終的偽裝圖像，P表示經過預加密處理的預加密圖像，R表示參考圖像。選取的參考圖像R的長和寬需分別是預加密圖像P的長和寬的4倍，與矢量量化前的原始圖像大小相同，即4m*4n。在偽裝轉換過程中，首先將參考圖像R進行離散小波變換(DWT)，得到4個子帶,分別為：水平和垂直方向上的低頻分量(CA)、水平方向上的低頻和垂直方向上的高頻分量(CH)、水平方向上的高頻和垂直方向上的低頻分量(CV)、水平和垂直方向上的高頻分量(CD)。隨后將預加密圖像經過二進制轉換后嵌入到經過變換的參考圖像的CV和CD子帶中。最后將經過變換的參考圖像進行DWT逆變換，得到最終的偽裝圖像。

偽裝變換過程以圖3為例，假設參考圖像的大小為8*8，經過矢量量化與預加密后的預加密圖像大小為2*2，圖中的每一個數字代表當前像素點的像素值。首先將參考圖像進行DWT變換得到4個子帶，由DWT的特性可知，分解得到的CA和CH分量包含了原始圖像的主要能量，而其他2個中頻分量CV與CD表達的是圖像的細節部分，代表的圖像信息相對較少,因此將預加密圖像P轉換為二進制數值并嵌入CV和CD子帶中并不會影響偽裝圖像的視覺效果。為了降低嵌入原始圖像后參考圖像的失真率，CV和CD子帶中的每1個像素值只嵌入原始圖像像素值中的1位。以第1個像素59為例，其二進制數為00111011，將其直接替換CV子帶的相應位置的值即可完成嵌入操作。對圖像P中的所有像素值執行完相同操作后，再將該經過處理的參考圖像進行DWT逆變換，即可得到最終的偽裝圖像。

從圖3中的例子可以看出，由于參考圖像經過DWT變化后的CV和CD中的像素值普遍較小，故將其用數字0或1代替后對整體圖像的影響也較小。因此，最終得到的偽裝圖像像素值與參考圖像像素值差異不大，且一定程度上保留了像素之間的相關性，保證了最終偽裝圖像的視覺效果。將這樣一幅具有視覺意義的偽裝圖像放置到具有大量圖像的云環境中，他人很難將其與普通圖像區分開來，從而躲避了被攻擊的風險，提升了云環境中圖像存儲的安全性。

Figure 3 Example of camouflage transformation圖3 偽裝變換實例

2.2 圖像還原階段

具有解密密鑰的授權用戶能夠從云環境中下載偽裝圖像，并恢復出原始圖像。具體過程如圖4所示。

Figure 4 Image restoration process圖4 圖像還原過程

圖像還原階段是偽裝加密階段的逆過程。首先將偽裝圖像進行DWT變換，得到CA、CH、CV和CD子帶。隨后提取出CV和CD子帶中的像素值，按照嵌入階段相反的過程進行重組即可得到預加密圖像，如圖5所示。從提取結果可知，偽裝轉換沒有在轉換過程中損失預加密圖像的任何信息，在保證安全性的基礎上也保證了信息的完整性。最后使用與預加密算法對應的解密算法并使用解密密鑰K進行解密，即可得到經過矢量量化的VQ索引表。

Figure 5 Example of pre encrypted image extraction圖5 預加密圖像提取實例

對于VQ索引表中的每一個值，找到碼書中該碼字編號(cw)所對應的16個像素值，即可將其恢復為原始圖像中所對應的塊，如圖6所示。完成VQ索引表的所有塊恢復之后即可得到最終的恢復圖像。

Figure 6 Example of image restoration圖6 圖像恢復實例

3 實驗與結果分析

PSNR=10×lg((255)2)/

(3)

其中,x(i,j)與x′(i,j)分別表示2幅圖像在位置(x，y)上的像素值。值得注意的是，30 dB為一幅重構圖像的評價閾值，當PSNR大于該閾值時，2幅圖像之間的差異性很難被人眼識別。

Figure 7 Test images圖7 測試圖像

本文實驗預加密過程使用分塊異或置亂加密算法，具體過程如下：首先將原始圖像分割為大小相同的塊，塊的數量為N。隨后隨機生成由N個0～255的隨機數組成的隨機序列作為加密秘鑰K1。每個塊中的每個像素值與隨機序列中對應的隨機數進行異或運算，即可得到異或加密后的圖像。然后生成1～N的正整數的自然數列作為加密秘鑰K2，并按其順序對異或加密后的圖像進行置亂，得到經過分塊異或置亂加密的圖像，即預加密圖像。

使用不同的原始圖像與不同的參考圖像得到的PSNR值如表1所示?？梢钥闯觯琍SNR值主要受到參考圖像的影響，不同的參考圖像對PSNR的影響較大，而不同的原始圖像對PSNR值影響較小，幾乎可以忽略不計。此外，實驗中所有PSNR值均大于30 dB，所以從視覺上很難將參考圖像與偽裝圖像區別開來。

Table 1 PSNR results of the proposed method after camouflage encryption

本文方法經解密后可無損地恢復出經矢量量化的VQ索引表，通過解碼VQ索引表可近似地恢復出原始圖像。表2展示了恢復圖像與原始圖像的PSNR結果，所有圖像的PSNR值在恢復后均超過 30 dB，2幅圖像之間的差異性很難被人眼識別，而且具有很高的壓縮視覺質量。

Table 2 PSNR results of the proposed method after decryption

為了更好地展示出本文方法所具有的偽裝性能，將本文方法與Bao等人[9]和Zheng等人[10]提出的方法進行對比。由于本文方法使用的原始圖像與參考圖像大小均為512*512，而Bao等人和Zheng等人提出的方法只能將具有參考圖像1/4大小的原始圖像嵌入到參考圖像中，即只可將256*256大小的原始圖像偽裝成512*512的參考圖像，因此，Bao等人和Zheng等人提出的方法偽裝加密后的圖像尺寸將急劇增大，嚴重影響了云端圖像的存儲效率。

從偽裝后的圖像視覺效果的角度出發，以原始圖像A嵌入到參考圖像F為例，圖8顯示了本文方法與Bao等人所提方法偽裝加密后圖像視覺效果的對比結果。從圖8中可以看出，本文方法的偽裝加密圖像和普通圖像并無太大差異。而Bao等人所提方法的偽裝加密圖像雖然在外觀上與參考圖像之間具有一定的相似度，但其圖像上顯現的條狀曲線頗為明顯，容易使人將其與普通圖像區分開來。因此，相比于Bao等人所提方法，本文方法偽裝加密后的圖像視覺效果更優，具有更好的偽裝性。

Figure 8 Visual effect comparison of camouflage encrypted image圖8 偽裝加密圖像視覺效果對比

為進一步對比不同方法偽裝加密后的圖像視覺效果，表3展示了本文方法與Bao等人[9]和Ping等人[12]所提方法的PSNR值對比結果。

Table 3 Comparison of PSNR values after camouflage encryption

從表3中可以看出，在相同的原始圖像與參考圖像條件下，本文方法的PSNR值均高于Bao等人與Ping等人所提方法的。3種方法在面對較為平滑的參考圖像時PSNR值都比較高，都表現出較為良好的特性。因此，總體來看，本文提出的方法在各種條件下都表現出了更好的性能，能夠為圖像偽裝加密提供更高的安全保障。

4 結束語

本文提出了一種新型的圖像偽裝加密方法，利用矢量量化與離散小波變換的特性，以“明文-明文”的偽裝加密方式從根本上掩蓋了原始圖像在云存儲環境中的內容與加密行為。本文方法不僅可以像傳統加密方法一樣以正常方式保護圖像，而且還提供了額外的視覺偽裝保護。實驗結果表明，本文方法在偽裝加密過程中可以很好地保留原始圖像的圖像信息。此外，最終產生的偽裝圖像在視覺效果與PSNR值上都表現出了良好的性能。與相關研究相比，本文方法不僅能夠有效提高云端圖像的存儲效率，而且還具有更好的視覺效果與偽裝性。目前，本文方法的偽裝圖像在不同類型噪聲、扭曲、旋轉和裁剪等攻擊下，不能恢復出原始圖像。未來我們將進一步研究具有魯棒性的偽裝加密方法，為圖像偽裝加密提供更高的安全保障。