信息保护在当今已经成为一个重要的研究方向。有史以来人们对于私密信息保护的探索从未停止。到了现代,我们的社会已经被各种各样的信息充斥、填满,其中就包括很多不能公开的数据。这些私密的数据在传播的过程中,就面临着被盗用或者刻意改写的风险。传统的信息攻击大都基于互联网,这是因为在网络中,所有的数据都是以数字信号的形式存储的。传统保护信息的方法主要有密码学和隐写术。在本文中,我们分别从两个方面,结合了当前技术的进展,研究了基于物理与视觉感知模型的信息保护问题。首先,我们对物理密码破解的过程进行了建模,以此来帮助用户更好地保护信息。在研究中,我们假设攻击者在用户输入完密码并且离开之后才进行密码的窃取。他们使用红外相机对用户输入密码的痕迹进行偷拍和分析,进而分析出密码。我们探索了基于红外相机的密码攻击对于信息安全的威胁性。我们首先对红外序列进行了建模,然后利用最大似然函数法进行模型的求解。在这个过程中,最大的挑战在于模型的建立,其次是如何优雅并且有效率地求解该模型。我们在研究中通过对红外序列的深入分析解决了上述两个问题。最后,我们提出了一系列可以帮助用户保护密码的建议。其次,我们研究了针对单人用户的视觉信息隐藏问题。我们的算法基于视觉掩蔽效应,利用人眼的特性将私密信息隐藏起来。与传统的隐写术与数字水印的加密方法不同,我们的方法利用了人眼会被多通道干扰信息影响,进而无法分辨私密信息的特点,设计了信息隐藏的算法。并且通过定制的滤光片来为用户提取私密信息。滤光片可以过滤掉干扰信息,那么用户看到的就只有私密信息了。通过这样的方式,我们实现了快速、有效的视觉信息保护。再次,我们还研究了针对多用户的视觉信息隐藏问题。我们的研究是在TPVM(Tem-poral Psycho-Visual Modulation)技术的基础之上的。TPVM 技术 旨在设计一种新的多媒体显示方式,利用时间和空间上的冗余信息,同时向多用户显示不同的信息。因此TPVM技术可以用来设计针对多用户的视觉信息隐藏系统。拥有授权的用户可以看到私密信息,但是非授权用户只能看到干扰信息。在TPVM中,一个基础的问题是矩阵的非负分解。传统的非负矩阵分解算法(NMF,Nonnegative Matrix Factorization)通常基于迭代的方式进行,算法速度慢、泛化能力弱。我们设计了基于深度神经网络的模型,对多张图像进行非负矩阵分解,并且将该算法应用在多用户的视觉信息隐藏系统中。我们的方法具有速度快、泛化能力强的特点。此外,基于上述研究,我们还探索了干扰图像内容对于视觉信息隐藏系统的影响。我们选取了与私密信息相似的图像进行私密信息的隐藏,实验结果表明,相似的干扰图像对于信息隐藏的效果有一定的帮助。我们将干扰图像选取的算法与针对多用户的信息隐藏算法结合在一起,并取得了更好的隐藏效果。