基于CNN对抗嵌入的图像隐写——CNN-Based Adversarial Embedding for Image Steganography

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