CNN-Based Adversarial Embedding for Image Steganography
https://ieeexplore.ieee.org/abstract/document/8603808
这篇论文发表在TIFS( IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY),TIFS是网络与信息安全领域的国际两大顶级期刊之一,中国计算机学会(CCF)推荐的A类期刊,SCI一区TOP期刊,目前影响因子有7多了。
1 概述
近些年来,深度学习被引入隐写分析领域。基于深度学习的隐写分析技术相比传统的隐写分析,有更高的检出性能。基于深度学习的隐写分析成为隐写术面临的巨大挑战。
这篇论文提出了一种名为对抗嵌入(adversarial embedding ,ADV-EMB)的隐写方案。这个方式在实现了隐藏隐写信息的同时,欺骗基于CNN网络的隐写分析网络。
对抗嵌入根据目标CNN隐写分析网络的反向传播的梯度,挑战图像元素修改的成本。其实就是和对抗样本生成原理相同。
但是直接对抗嵌入整张图像,会导致隐写信息嵌入部分的像素也被干扰,从而可能导致隐写信息的损坏或者丢失。但是所幸,对抗样本的生成并不需要整个图像的参与,还有论文(one pixel attack)只修改一个像素就完成对抗攻击。因此本文的解决方式就是将图像分成两个部分,一个负责隐写信息的嵌入,一个负责添加扰动实现对抗