本文探讨了利用深度学习技术进行图像隐写的方法，包括ste-GAN-ography和SSGAN。ste-GAN-ography通过对抗训练生成隐藏信息的图像，并与传统隐写算法如HUGO和S-UNIWARD比较。而SSGAN则采用WGAN而非DCGAN，结合GNCNN提升图像的抗分析能力。所有模型均包含生成器、判别器以及用于检测秘密信息的额外判别器S*。
ste-GAN-ography: Generating Steganographic Images via Adversarial Training
这篇文章还是比较简单的，模型主要包括三个子网络，代表Alice、Bob和Eve三方，如上图所示，Alice将秘密信息隐写在图像中传送给Bob，Bob要从收到了图像中提取出秘密信息，Eve窃取了图像并试图分析图像中是否包含秘密信息。
通过训练Alice可以有效地将秘密信息嵌入图像中，作者通过实验与HUGO、WOW和S-UNIWARD等隐写算法进行了比较。评估指标主要是ATS（当时性能很好的隐写分析算法《Unsupervised steganalysis based on artificial training sets.》），Eve。（0.4bpp 0.4bit per pixel）
文章的描述和我理解的有点不一样，如果表中是ATS和Eve的分辨是否隐写了秘密信息的准确率，那么应该是值越大性能越好，所以ATS比Eve更好，但是文章说的是Eve效果更好。不解…
最低0.47元/天 解锁文章
1733
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
