基于GAN的高容量隐写术：SteganoGAN: High Capacity Image Steganography with GANs

SteganoGAN: High Capacity Image Steganography with GANs

2019年的文章，收录于arxiv，没有发表在期刊
https://arxiv.org/abs/1901.03892
https://github.com/DAI-Lab/SteganoGAN/tree/master/steganogan

概述

本文使用GAN，在图像中隐藏任意二进制数据，优化模型产生的图像的质量。

传统的图像隐写术，只能够在每个像素中隐藏0.4bit的信息。不是说不能隐藏更多，而是在超出这个容量之后，会导致隐写图像能够被自动隐写分析攻击检查出伪影，从而无法实现隐写中的隐藏的目的。

使用深度学习能够实现图像的端到端的隐写。

本文使用GAN来实现隐写。使用dense connections来减轻梯度消失问题，提高隐写性能。使用多个loss function来优化encoder，decoder和critic network。本文的方法成功嵌入数据，并实现了每像素4.4bits信息的嵌入。

隐写效果图【我看不出区别】

实现

网络结构

网络分为三个部分。
一个是encoder，输入原始图像cover im