第一章 緒論
研究背景
拜高科技所賜，近代的網路發展日漸快速。有許多人藉由高速網路將自己喜 愛的多媒體檔案上傳至雲端服務並加以共享。但在現代網路普及的同時，也因為 有人的貪圖方便，藉由網路擅自分享他人的創作物，衍生出數位盜版、抄襲等ㄧ 些不合法的舉動出現，導致創作者的數位版權無意間地被侵犯，造成創作者的權 益損失。因此，數位版權管理是一個相當重要的議題。
為解決這些問題，學者使用資料隱藏(Information Hiding)技術來保護資料。
資料隱藏技術是在幾十年前由D. Parnas 所提出的概念 [1]，將訊息或數位簽章嵌 入在創作物上，其外表用肉眼看起來跟原本的創作物沒什麼不同，但再次使用演 算法反過來提取資料，以聲明此創作物的所有權，這能有效防止第三方非法竊 取、擅自分享原作等問題，藉以保障創作者的權益。
隱寫術概觀
如圖 1 [2]所示，資料隱藏技術之下被分為幾個分支技術，如：浮水印
(Watermarking)、隱寫術(Steganography)、匿名(Anonymity)等，隱寫術即是其中之 一。隱寫術的概念是由「眼見為憑(What You See Is What You Get)」 [3]這個觀念 引申而來。因為有的時候只憑靠事情的表面也不能完全知道真正的實情，而隱寫 術即是利用這一點，使用「以假亂真」的手法蒙騙了常人的感官，並藉此達到隱 藏資料的效果。
2
圖 1 資料隱藏技術及其衍生分支技術
隱寫術這一詞源自於兩個希臘詞：「封面(stegos)」以及「寫作(grafia)」 [3]，
所以它也可以另稱為「封面寫入演算法」。就如同名稱上的意思一樣，隱寫術即
Covert channels Steganography
Linguistic steganography
Technical steganography
Anonymity Copyright marking
Robust copyright marking
Cover File
Secret Data
Stego File Embed
Program
Recovered File (Optional)
Secret Data Retrieve
Program
傳送端 接收端
3
隱寫術通常做法如圖 2 所示 [3]，傳送端將隱藏資料(Secret Data)及準備好的 多媒體載體(Cover File)，透過嵌入演算法將資料嵌入載體，使其變成新的檔案 (Stego File)。接收端要取回原隱藏資料時再使用解嵌入演算法取回即可。
可逆式隱寫術(Reversible Steganography)是一個比較特殊的隱寫術。在可逆式 隱寫術的場合下，接收端使用解嵌入演算法取回資料的同時也可以恢復原本嵌入 前的檔案載體(Recovered File)。這類技術有著讓載體完全無損(lossless)地還原的 特性，非常適合用在醫療用圖片上，可確保醫療上的正確性，免得造成醫生的誤 判而導致不可彌補的後果 [5] [6]。
對於隱寫術演算法的設計，學者們歸納了一套隱寫術的設計特性規則，我們 會在下一節去做說明。
隱寫術特性
隱寫術有三大特性 [4] [7]：
1. 隱蔽性(Imperceptibility)：嵌入隱藏資料之後，載體本質難免會有一些失 真。隱寫術最主要的特性即是盡量讓輸出載體的失真程度降低，做到在 外觀上「幾乎」看不出甚麼破綻，以防被第三方察覺。
2. 穩健性(Robustness)：檔案在傳輸的過程中，有可能會造成接收到的檔案 有缺失不完整或被惡意竄改的情形。穩健性就是在於在檔案被破壞的情 況下也能把資料提取出來，這有助於降低惡意攻擊的影響。
3. 容量(Capacity)：在現代隱寫術，載體高容量性是必須考慮的要素。因為 演算法主要注重於內部的隱藏資料，載體必須有辦法騰出如一整個要隱 藏資料的大小甚至更大的空間來寫入資料。
但是對於任何隱寫術(或是跟任何資料隱藏相關的技術)而言，這三種特性是 無法同時並存的。
4
圖 3 隱寫術三大特性矛盾關係示意圖
如圖 3 所示，隱寫術的三大特性實際上是處於互相矛盾的狀態 [8]。若是要 讓其中一個特性效益最大化時，必定會干擾到其餘的兩個特性。同時將其中兩個 特性增強時，很有可能會導致剩餘的一個特性無效化。譬如在提升載體品質的同 時，很有可能導致載體可塞的資料量變少。或者若將穩健性提升，相對的可能要 浪費更多載體的空間或要素拿去設定並加強資料的穩健度等。在現代要製作有效 率的隱寫術，必須同時兼顧載體隱蔽性及容量是設計隱寫術演算法的一大課題。
所以在本論文的隱寫術將只針對其中兩大特性：隱蔽性、容量去做設計。
研究目標及計劃
隱寫術應時代變遷而推陳出新，在現代的隱寫術領域中流行使用多個既有的 隱寫術或演算法進行組合，為的就是追求良好的嵌入品質以及特性。本論文主要 以研究圖像隱寫術為主，是以圖像裡的像素值做為載體來嵌入資料。
我們使用了由J. Tian 提出的差值擴張演算法(Difference Expansion，簡稱 DE) [9]以及從其衍生出來的改良演算法如：降低差值擴張演算法(Reduced Difference Expansion，簡稱 RDE) [10]、DE of quads [11]以及其它衍生的隱寫術文獻 [12]
[13] [14]等作為研究對象。並從 DE 演算法領域中挑出其中一篇隱寫術論文 [14]，再從其演算法進行改良。在隱寫術的三大特性中，我們以隱蔽性及容量作 為改善對象，以盡量提升圖片載體品質為主要目標。最後的實驗部分將我們的方 法以及前人的方法 [14]做測試，並在品質與容量上做比較。
隱蔽性
穩健性 容量
5
章節說明
在接下來的幾個章節，我們會在第二章回顧一下前人所提出的DE 演算法及 其相關的隱寫術演算法，第三章講述我們的方法，第四章將會列出實驗比較結 果，並以第五章總結。
6