隐写术是信息隐藏研究领域中的重要分支,研究如何利用公开媒体在公开信道上实现秘密信息的隐蔽通信是隐写术的主要应用场景之一。隐写术不仅在军事、情报、国家安全等方面具有重要意义,与个人隐私保护也密切相关。随着互联网的迅速发展,图像、音频、视频等数字媒体的广泛传播,以普通数字媒体作为通信载体的隐写技术具有极为重要的研究价值和广阔的应用前景。当前隐写术的主流研究方向是基于最小化失真模型的自适应隐写,但是这种隐写术只追求与未处理过的自然图像不可区分,而现实情况是:在社交平台上分享各类处理后的图像已成为常态。流行于社交平台的常用图像处理方法为隐写载体提供了充分的边信息,如何依据当前的图像处理操作及参数数据,整合来自各方面的边信息,把个人的隐秘通信行为隐藏于海量的社交网络数据中而不被侦测到,进而把隐写从实验室环境推向主流社交媒体平台,将成为未来的隐写发展趋势。目前针对图像处理的边信息隐写术的研究还局限于对简单的图像处理(如尺度缩放、JPEG压缩等)产生的量化误差影响的研究,同时,图像风格变换是当下流行的图像处理方式之一,因此针对不同类型和程度的风格变换的图像,改进经典的自适应隐写算法具有十分重要的意义。本文首先回顾了隐写术的相关概念、以及数字图像隐写术的发展现状,然后把图像风格变换分为微小变化和剧烈变化两种情况,从行为安全角度展开讨论了两种场景下的隐写边信息,并对每种场景提出针对性的边信息隐写方法。本文的主要研究和创新成果如下:1.基于图像变换参数微扰的边信息隐写针对图像微小变化的情况,以变换参数的微扰为边信息,提出并推导了基于图像变换参数微扰的边信息隐写模型,针对图像处理中的灰度线性变换和gamma变换,采用S-UNIWARD和WOW隐写算法,详细探讨了参数扰动对于隐写及隐写分析的影响。经过参数扰动的图像变换,能使载体载密图像在特征空间上的分布更加随机均匀,验证了理论模型中能把隐写带来的图像噪声隐藏在了因参数微扰而带来的图像像素波动中,引入了图像集的失配因素,提高了隐写分析者的检测难度,提高隐写算法安全性能。通过实验结果验证了与传统隐写算法比较,该模型下的隐写算法在对抗隐写分析时,能有效提高隐写分析者的检错率,而且在一定范围内,隐写分析者的检错率将随着波动参数的增大而增大。2.基于风格迁移像素波动的边信息隐写针对图像剧烈变化的情况,以变换前后像素值的波动为边信息,提出了基于像素波动的边信息隐写模型,针对基于卷积神经网络的风格迁移变换,采用S-UNIWARD隐写算法,设计基于像素值变化的边信息,定义像素值变化的度量函数捕捉像素的波动程度,根据载体对图像处理过程的敏感程度调整定义隐写失真,调节其隐写嵌入修改概率,改进原有的隐写算法。实验表明,通过风格迁移变换可以大幅度提高隐写载体图像集的隐写适用性,在隐写算法中考虑像素值波动的边信息,调整像素的基础失真,通过实验结果验证了在保持隐写分析者的虚警率的同时,能够有效提高隐写分析者检测的漏检率,从而提高了隐写算法的安全性能。