隐写
文章平均质量分 54
YouLan999
眼里长着太阳,笑里全是坦荡;
做自己的太阳,无需凭借谁的光
展开
-
2020_SPAR-RL_Au Automatic Cost Learning Framework for Image Steganography Using Deep Reinforcement L
Abstract:基于深度卷积网络的隐写术自动损失学习正受到越来越多的关注。在这种框架下隐写方法已被证明比采用手工损失的方法实现更好的安全性能。然而,它们仍然表现出一些限制,妨碍了充分利用它们的潜力,包括使用基于函数逼近神经网络的嵌入模拟器和粗粒度优化目标,而不明确使用像素信息。在本文中,我们提出了一种新的嵌入损失学习框架叫做SPAR-RL(SteganographicPixel-wise Actions and Rewards with ReinforecementLearning),它克服了上述原创 2021-09-16 18:55:39 · 351 阅读 · 0 评论 -
2020_Secure Robust JPEG Steganography based on AutoEncoder with Adaptive BCH Encoding
Abstract:社交网络无处不在,目前正在传播大量信息。因此在这样的环境中,传输秘密信息是值得研究的。然而,用于传输消息的图像通道通常是使用JPEG压缩通道进行压缩,这是有损的,并且会损坏传输的数据。因此,为了防止秘密信息被破坏,迫切需要一种健壮的JPEG隐写术。本文提出了一种基于自适应BCH编码的自动编码器的安全鲁棒JPEG隐写方案。特别的,首先对自动编码器进行预训练以拟合压缩通道压缩前后JPEG图像之间的变换关系。除此之外,根据载体图像的内容自适应的使用BCH编码以降低秘密信息提取的错误率。基于实原创 2021-09-14 18:57:20 · 244 阅读 · 0 评论 -
2019_UT-GAN_An Embedding Cost Learning Framework Using GAN
Abstract:成功的自适应隐写术主要集中在嵌入有效载荷,同时最小化适当定义的失真函数。深度学习在隐写分析中的应用极大的挑战了现有的自适应隐写方法,但也显示了隐写术改进的潜力。这篇文章提出了一种用于隐写术的失真函数生成框架,它有三个模块:一个U-Net结构的生成器,用于将载体图像转换为嵌入改变概率映射图;一个无需预训练的双Tanh函数用于在对抗训练中传播梯度时逼近最佳嵌入模拟器;以及一个基于卷积神经网络和多个高通滤波器作为判别器的增强型隐写分析器。在不同数据集上的大量实验结果表明,该框架优于当前最先进原创 2021-09-11 09:53:34 · 617 阅读 · 2 评论 -
2019_ISGAN_Invisible steganography via generative adversarial networks
Abstract:目前大量的工作将CNNs引入到隐写分析中,并超越了传统的隐写分析算法。这些工作显示了深度学习在信息隐藏领域的改进潜力。也有几个显示基于深度学习的作品做图像隐写术,但是这些作品在容量、不可见性和安全性上仍然存在问题。本文中,我们提出了一种新的CNN架构ISGAN,在发送端和将秘密的灰度图像隐藏进一个彩色载体图像中,在接收端将秘密图像精确提取出来。我们的工作有三个贡献:1)我们通过仅在载体图像的Y通道隐藏秘密图像隐藏图像来提高不可见性。2)引入生成对抗网络,通过最小化隐写图像和自然图像的经原创 2021-09-10 20:21:14 · 569 阅读 · 0 评论 -
2019_ADV-EMB_CNN-based Adversarial Embedding for Image Steganography
Abstract:最近,在经验对象(如数字媒体)中最成功的隐写方法是嵌入有效载荷,同时最小化适当定义的失真函数。失真的设计本质上是留给隐写术师的唯一目标,因为有效的实用代码存在于有效载荷失真界限附近。从业者的目标是设计失真以获得具有高经验统计可检测性的方案。在本文中,我们提出了一种通用的失真设计叫做通用小波相对失真(UNIWARD),它可以应用于任意域的嵌入。嵌入失真被计算为载体图像的方向滤波器组分解中的系数的相对变化的总和。方向性迫使嵌入改变载体对象中难以在多个方向建模的部分,例如纹理或者噪声区域,同原创 2021-09-10 10:52:01 · 502 阅读 · 0 评论 -
2018_End-to-End Trained CNN Encoder-Decoder Networks For Image Steganography
Abstract:所有现有的图像隐写方法使用手工制作的特征来隐藏二进制有效载荷到载体图像中,这导致了小的有效载荷容量和图像失真。这里我们提出了一种基于编码器-解码器结构的卷积神经网络用于作为有效载荷的图像的嵌入。为此,我们做了如下三大贡献:i) 我们提出了基于深度学习的通用图像隐写编码器-解码器结构。ii)我们引入了一个新的损失函数,确保编码器-解码器网络的联合端到端训练。iii)我们在一列具有挑战性的公开数据集(MNIST、CIFAR10、PASCAL-VOC12、ImageNet、LFW)上对进行了原创 2021-09-04 11:53:04 · 407 阅读 · 0 评论 -
2017_ASDL-GAN_Automatic Steganographic Disortion Learning Using a Generative Adversarial Network
Abstract:生成对抗网络已经显示出在两个子网络相互竞争的统一框架下,可以有效的生成来自真实对应物的人工样本。本文,首先提出了一种使用生成对抗网络的自动隐写失真学习框架,该网络由隐写生成子网络和隐写分析判别子网络组成。通过交替训练这两个相互对抗的自网络,我们提出的框架可以自动学习给定空间载体图像的每个像素的嵌入改变概率。学习的嵌入变化概率然后可以被转换成嵌入失真,这可以在现有的最小失真嵌入框架中采用。在此框架下,失真函数与对抗进化隐写分析器下的不可检测性直接相关。实验结果表明,在对抗学习的情况下,我原创 2021-09-03 18:17:47 · 670 阅读 · 0 评论 -
2015_MiPOD_Content-Adaptive Staganography by Minimizing Statistical Detectability
Abstract:大多数当前的隐写术方案通过最小化试探性定义的失真来嵌入秘密有效载荷。类似地,使用配备有丰富图像模型的分类器根据经验评估他们的安全性。在本文中,我们寻求一种基于局部估计的多变高斯载体图像模型的可替代方案,该模型足够简单,可以导出自适应LSB匹配的最强检测器的封闭表达,但同时又足够复杂,可以捕获自然图像的非平稳特性。我们表明当适当选择载体模型估计量时,可以获得最先进的性能。所选模型中可检测性的封闭表达用于获得关于作为分类器构建的经验经验隐写分类器的性能极限的新的基本认识。特别的,我们考虑了原创 2021-09-01 15:13:22 · 407 阅读 · 0 评论 -
2014_HILL_A New Cost Function for Spatial Image Steganography
Abstract:在最小化嵌入失真的情况下,定义良好的损失函数对于隐写术是至关重要的。本文提出了一种新的空间图像损失函数。所提出的损失函数是通过使用一个高通滤波器来定位图像中不太可预测的部分,然后使用两个低通滤波器来使低损失值更加聚类来设计的。实验表明,使用该损失函数的隐写方法使得嵌入变化更加集中在纹理区域,从而在抵抗现有隐写分析方面比现有工作(包括HUGO,WOW,S-UNIWARD)取得了更好的性能。HILL(High-pass,Low-pass,Low-pass)。Conclusion:本原创 2021-09-01 15:10:38 · 449 阅读 · 0 评论 -
2014_S-UNIWARD_Universal distortion function for steganography in an arbitrary domain
Abstract:最近,在经验对象(如数字媒体)中最成功的隐写方法是嵌入有效载荷,同时最小化适当定义的失真函数。失真的设计本质上是留给隐写术师的唯一目标,因为有效的实用代码存在于有效载荷失真界限附近。从业者的目标是设计失真以获得具有高经验统计可检测性的方案。在本文中,我们提出了一种通用的失真设计叫做通用小波相对失真(UNIWARD),它可以应用于任意域的嵌入。嵌入失真被计算为载体图像的方向滤波器组分解中的系数的相对变化的总和。方向性迫使嵌入改变载体对象中难以在多个方向建模的部分,例如纹理或者噪声区域,同原创 2021-09-01 15:09:33 · 1105 阅读 · 0 评论 -
2012_WOW_Designing Steganographic Distortion Using Directional Filters
Abstract:这篇文章提出了一种在空间域定义加性隐写失真的新型方法。改变一个像素后,方向高通滤波器输出的变化被加权,然后用倒赫德范数进行聚合,以定义单个像素的成本。与其他自适应嵌入方案相比,聚合规则被设计成强迫嵌入改变到高纹理或有噪声的区域并避免干净的边缘。因此,新的嵌入方案对使用丰富模型的隐写分析具有明显更强的抵抗力。实际的嵌入算法是使用校正子网格码来实现的,以最小化给定有效载荷的失真。WOW(Wavelet Obtained Weights)Conclusion本文证实了之前所怀疑的–在原创 2021-09-01 15:07:34 · 401 阅读 · 0 评论 -
2011_STC_Minimizing Additive Distortion in Steganography using Syndrome-Trellis Codes Abstract
Abstract:这篇论文提出了一种完整使用的方法,利用一般(非二进制)嵌入操作来最小化隐写术中的附加失真。让每个隐写元素的每个可能值都被分配一个标量,该标量表示用该值替代载体元素而引起的嵌入变化的失真。总失真被假定为每个元素失真的总和。考虑了有效载荷受限发送器(在嵌入固定载荷时最小化总失真)和失真受限发送器(在引入固定总失真时最大化有效载荷)。在不损失任何性能的情况下,通过替换载体元素的单个值,将非二进制情况分解成几个二进制情况。采用一种新的基于Vitewbi算法的双卷积码的综合编码编码方案来处理二进原创 2021-09-01 15:06:01 · 431 阅读 · 0 评论 -
2010_HUGO_Using High-Dimensional Image Models to Perform Highly Undetectabal Stega
Steganography系列之一:2010_HUGO_Using High-Dimensional Image Models to Perform Highly Undetectabal SteganographyAbstract:本文提出了一套完整的方法来设计实用的、高度不可检测的真实数字媒体隐写系统。主要的设计原则是通过有效的编码算法来最小化适当定义的失真。失真被定义为已用于隐写分析扩展最先进特征项向量的加权差。这使我们能够保存隐写分析者使用的模型,因此即使对于大型有效载荷也无法检测。即使当嵌入原创 2021-09-01 15:01:59 · 418 阅读 · 0 评论