一种应用在金融领域的信息隐写方法和系统技术方案

本发明专利技术公开了一种应用在金融领域的信息隐写方法和系统。该方法应用于金融公司与客户进行产品传输过程中信息的隐写及读取，首先将信息通过基于MobilenetV2无载体隐写方法隐写在图像载体中，信息与图像形成一种映射关系，图像载体传输后通过信息隐写进行可逆过程即可。本发明专利技术结合DANet注意力机制，抽取精细高维语义的CNN特征作为映射基准，弥补了MobileNetV2在效率和精度平衡下损失的特征表征能力，可以有效维稳载体特征和秘密信息的关联，提升隐写方案的鲁棒性，为进一步在金融领域的实际业务应用提供坚实的理论保障。域的实际业务应用提供坚实的理论保障。域的实际业务应用提供坚实的理论保障。

【技术实现步骤摘要】
一种应用在金融领域的信息隐写方法和系统


[0001]本专利技术涉及互联网
，具体涉及一种应用在金融领域的信息隐写方法和系统。

技术介绍

[0002]近年来，随着大数据、云计算、人工智能等新兴技术与金融行业的融合，孕育了全新的金融服务产品和模式。这些新产品、新模式一方面大量挖掘和收集用户数据和信息，为用户提供精准化、个性化、便捷化的服务。与此同时，用户的隐私数据在传输使用中也可能被非法获取，导致信息泄露事件频发。因此，如何平衡数据使用和隐私数据传输成为一道亟需解决的课题。
[0003]传统的信息隐藏方法主要依赖于人工分析、需要复杂的先验知识，其主要思想是将秘密信息嵌入到载体之中，这不可避免的造成载体的失真，同时也容易被隐写分析工具所检测，造成秘密信息被窃取。因此，现有的方法由于上述缺陷，限制了其进一步的应用。
[0004]无载体隐写是一种前沿的隐秘通信技术，它主要通过建立数字载体与秘密信息的关联实现隐写。它不需要将信息嵌入到图像中，即不修改载体，而是直接将载体特征映射到秘密信息，从而保证数字载体的原始性，在避免被攻击者怀疑的同时有效保护了秘密信息的安全。然而，目前基于映射的的无载体隐写算法或抗攻击鲁棒性有限，或隐写效率无法满足应用实时性需求。
[0005]MobilenetV是谷歌团队2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络，在准确率只有极小幅降低的情况下，大量减少参数与运算量,因此，该技术被广泛应用于图像识别领域，提高对图像特征的识别有效性，MobileNetV2网络是MobileNetV1网络改进版本，目前尚未有MobileNetV2网络应用于无载体隐写，且针对金融领域的应用特点，提高信息隐写的实时性能以及图像特征在应用中的抗旋转性或是在抗几何攻击的鲁棒性能是本申请的研究重点。

技术实现思路

[0006]为了克服现有技术的不足，本专利技术的提出一种应用在金融领域的信息隐写方法，有效提升骨干网络特征提取效率，有效维稳载体特征和秘密信息的关联，提升隐写方案的鲁棒性。
[0007]本专利技术为实现上述目的，所采用的技术方案是：一种应用在金融领域的信息隐写方法，包括以下步骤：
[0008]步骤1，根据发送方的传输环境，构建秘密信息隐藏所需的图像数据库，用于特征提取网络的训练以及含密载体的选择；
[0009]步骤2，发送方使用训练好的图像数据库训练基于MobilentV2和DANet的特征提取器，并结合特征序列生成算法构成载体到特征序列的映射方案；
[0010]步骤3，发送方将所需秘密信息进行二值化编码，并按照发送方需求进行二值化秘
密信息的切分；
[0011]步骤4，将数据库中所有图像按照映射方案转化为同长度的二值化特征序列，并构建倒排索引结构；
[0012]步骤5，分段后的二值化秘密信息分别在倒排索引结构中搜索对应的载体，直至找到秘密信息所对应的含密载体；
[0013]步骤6，发送方持有含密载体，并将其按照顺序发送给持有接收方；接收方采用相同的映射方案对含密载体进行解密，得到提取的二值化秘密信息，并逆向解码恢复秘密信息。
[0014]一种应用在金融领域的信息隐写系统，包括：
[0015]MobilentV2特征提取网络的训练模块，金融公司通过各种方式收集并构建特征提取网络所需要的隐写图像训练数据，通过训练基于MobilentV2和DANet注意力机制的分类网络，最终获取训练完成的特征提取网络；
[0016]MobilentV2特征提取模块，将图像载体输入至MobilentV2的骨干网络提取初步语义特征图，将初步语义特征图输入至DANet注意力模块对特征进行增强，提取最终的MobilentV2增强特征；
[0017]特征序列的映射模块，在基于映射规则的隐写策略中，特征序列的映射方法至关重要，它决定了隐写方案抵御攻击的能力，通常来说是将一个图像输入至MobilentV2特征提取模块，提取MobilentV2特征，再利用设计的特征序列生成方法将特征转化抗鲁棒的特征序列，即可能匹配的秘密信息；
[0018]倒排索引的构建模块，在无载体隐写领域，秘密信息搜索匹配载体的过程是耗时的，为了提高秘密信息的匹配速度，需设计一种可以加速匹配的倒排索引结构。
[0019]秘密信息的隐写模块，秘密信息的无载体隐写本质是将载体与秘密信息进行匹配的过程，发送方先将需要传输的秘密信息按照需求进行分段，然后通过索引结构来匹配对应的载体，并获取对应的含密载体，最后将含密载体发送给接收方。
[0020]秘密信息的提取模块，接收方按顺序接收所有含密载体后，并使用相同的特征序列生成方法计算特征序列，即可成功恢复秘密信息，该过程即秘密信息隐写的可逆过程。
[0021]本专利技术的有益效果是：通过本专利技术应用在金融领域的信息隐写方法和系统，提取MobileNetV2特征作为无载体映射基准，一方面可以利用CNN特征抗旋转的特性，提升其在抗几何攻击的鲁棒性能。另一方面，相比于主流的CNN网络如DenseNet、ResNet，MobileNetV2可以有效提升特征序列的生成效率，提高隐写实时性能，便于应用。此外，结合DANet注意力机制，抽取精细高维语义的CNN特征作为映射基准，弥补了MobileNetV2在效率和精度平衡下损失的特征表征能力，可以有效维稳载体特征和秘密信息的关联，提升隐写方案的鲁棒性，为进一步在金融领域的实际业务应用提供坚实的理论保障。
附图说明
[0022]图1为本专利技术方法的流程图。
[0023]图2为本专利技术方法应用的流程图。
[0024]图3为本专利技术实例提供的特征提取网络结构图。
具体实施方式
[0025]为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0026]在一个实施例中，如图1所示，本专利技术的一种应用在金融领域的信息隐写方法，包括如下步骤：
[0027](1)根据发送方的传输环境，构建秘密信息隐藏所需的图像数据库，用于特征提取网络的训练以及含密载体的选择；
[0028](2)发送方使用训练好的图像数据库训练基于MobilentV2和DANet的特征提取器，并结合特征序列生成算法构成载体到特征序列的映射方案；
[0029](3)发送方将所需秘密信息进行二值化编码，并按照发送方需求进行二值化秘密信息的切分；
[0030](4)同样的，将数据库中所有图像按照映射方案转化为同长度的二值化特征序列，并构建倒排索引结构；
[0031](5)分段后的二值化秘密信息分别在倒排索引结构中搜索对应的载体，直至找到秘密信息所对应的含密载体；
[0032](6)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用在金融领域的信息隐写方法，其特征在于：该方法应用于金融公司与客户进行产品传输过程中信息的隐写及读取，首先将信息通过基于MobilenetV2无载体隐写方法隐写在图像载体中，信息与图像形成一种映射关系，图像载体传输后通过信息隐写进行可逆过程即可。2.根据权利要求1所述的应用在金融领域的信息隐写方法，其特征在于：基于MobilenetV2无载体隐写具体包括以下步骤，步骤1，构建秘密信息隐藏所需的图像数据库，用于特征提取网络的训练以及含密载体的选择；步骤2，使用训练好的图像数据库训练基于MobilentV2和DANet的特征提取网络，并结合特征序列生成算法构成载体到特征序列的映射方案；步骤3，将所需秘密信息进行二值化编码，并根据需求进行二值化秘密信息的切分；步骤4，将数据库中所有图像按照映射方案转化为同长度的二值化特征序列，并构建倒排索引结构；步骤5，分段后的二值化秘密信息分别在倒排索引结构中搜索对应的载体，直至找到秘密信息所对应的含密载体；步骤6，持有含密载体的发送方将其按照顺序发送，接收方采用相同的映射方案对含密载体进行解密，得到提取的二值化秘密信息，并逆向解码恢复秘密信息。3.根据权利要求2所述的应用在金融领域的信息隐写方法，其特征在于：所述步骤2中训练基于MobilentV2和DANet的特征提取网络具体为：首先，根据载体图像数据集构建基于MobilentV2和DANet的CNN模型；然后，设置训练所需参数，利用训练集训练基于MobilentV2和DANet的CNN模型，直至模型收敛；最后，利用测试集测试所训练模型，并按照评价指标保存最优模型。4.根据权利要求2所述的应用在金融领域的信息隐写方法，其特征在于：所述步骤4中的构建倒排索引结构具体包括以下步骤：按照步骤3的特征序列的映射算法得到所有图像对应的特征序列，连接mysql数据库，依据载体图像的存储地址和特征序列，建立一个加速匹配的mysql倒排索引表，以实现快速的特征序列匹配和载体图像读取。5.根据权利要求4所述的应用在金融领域的信息隐写方法，其特征在于：所述步骤5具体包括：将正常的秘密信息二值化编码为二值化秘密信息S，并将其分成长度为D
‑
1的秘密信息段；如果S不是D
...

【专利技术属性】
技术研发人员：黄新爱，
申请(专利权)人：保险职业学院，
类型：发明
国别省市：