软件学报

作者：袁超，王宏霞，何沛松

单位：袁超，四川大学 网络空间安全学院, 四川 成都 61006511,王宏霞，四川大学 网络空间安全学院, 四川 成都 61006502,何沛松，四川大学 网络空间安全学院, 四川 成都 61006503

关键词：图像隐写;注意力机制;生成对抗网络;对抗样本

基金：国家自然科学基金(61972269,61902263);四川省科技计划(2022YFG0320);中国博士后科学基金(2020M673276)

随着深度学习与隐写技术的发展,深度神经网络在图像隐写领域的应用越发广泛,尤其是图像嵌入图像这一新兴的研究方向.主流的基于深度神经网络的图像嵌入图像隐写方法需要将载体图像和秘密图像一起输入隐写模型生成含密图像,而最近的研究表明,隐写模型仅需要秘密图像作为输入,然后将模型输出的含密扰动添加到载体图像上,即可完成秘密图像的嵌入过程.这种不依赖载体图像的嵌入方式极大地扩展了隐写的应用场景,实现了隐写的通用性.但这种嵌入方式目前仅验证了秘密图像嵌入和恢复的可行性,而对隐写更重要的评价标准,即隐蔽性,未进行考虑和验证.提出一种基于注意力机制的高容量通用图像隐写模型USGAN,利用注意力模块,USGAN的编码器可以在通道维度上对秘密图像中像素位置的扰动强度分布进行调整,从而减小含密扰动对载体图像的影响.此外,利用基于CNN的隐写分析模型作为USGAN的目标模型,通过与目标模型进行对抗训练促使编码器学习生成含密对抗扰动,从而使含密图像同时成为攻击隐写分析模型的对抗样本.实验结果表明,所提模型不仅可以实现不依赖载体图像的通用嵌入方式,还进一步提高了隐写的隐蔽性.

来源：2024年第3期

《软件学报》期刊编辑部

查看软件学报杂志2024年第3期