软件学报

作者：马宾，韩作伟，徐健，王春鹏，李健，王玉立

单位：马宾，齐鲁工业大学(山东省科学院) 网络空间安全学院, 山东 济南 250353;山东省计算机网络重点实验室, 山东 济南 25009811,韩作伟，齐鲁工业大学(山东省科学院) 网络空间安全学院, 山东 济南 250353;山东省计算机网络重点实验室, 山东 济南 25009802,徐健，山东财经大学 计算机科学与技术学院, 山东 济南 25001403,王春鹏，齐鲁工业大学(山东省科学院) 网络空间安全学院, 山东 济南 250353;山东省计算机网络重点实验室, 山东 济南 25009804,李健，齐鲁工业大学(山东省科学院) 网络空间安全学院, 山东 济南 250353;山东省计算机网络重点实验室, 山东 济南 25009805,王玉立，齐鲁工业大学(山东省科学院) 网络空间安全学院, 山东 济南 250353;山东省计算机网络重点实验室, 山东 济南 25009806

关键词：隐写;隐写分析;生成对抗网络;多重对抗;U-Net

基金：国家自然科学基金（61802212，61872203）；山东省重大科技创新工程（2019JZZY010127，2019JZZY010132，2019JZZY010201）；山东省自然科学基金（ZR2019BF017，ZR2020MF054）；山东省高校科研计划（J18KA331）；山东省高等学校青创人才引育计划（S019-161）；济南市“高校20条”引进创新团队（2019GXRC031）

人工智能的发展为信息隐藏技术带来越来越多的挑战，提高现有隐写方法的安全性迫在眉睫.为提高图像的信息隐藏能力，提出一种基于U-Net结构的生成式多重对抗隐写算法.所提算法通过生成对抗网络与隐写分析器优化网络、隐写分析对抗网络间的多重对抗训练，构建生成式多重对抗隐写网络模型，生成适合信息隐写的载体图像，提高隐写图像抗隐写分析能力；同时，针对现有生成对抗网络只能生成随机图像，且图像质量不高的问题，设计基于U-Net结构的生成式网络模型，将参考图像的细节信息传递到生成载体图像中，可控地生成高质量目标载体图像，增强信息隐藏能力；其次，采用图像判别损失、均方误差（MSE）损失和隐写分析损失动态加权组合作为网络迭代优化总损失，保障生成式多重对抗隐写网络快速稳定收敛.实验表明，基于U-Net结构的生成式多重对抗隐写算法生成的载体图像PSNR最高可达到48.60 dB，隐写分析器对生成载体图像及其隐写图像的判别率为50.02%，所提算法能够生成适合信息嵌入的高质量载体图像，保障隐写网络快速稳定收敛，提高了图像隐写安全性，可以有效抵御当前优秀的隐写分析算法的检测.

来源：2023年第7期

《软件学报》期刊编辑部

查看软件学报杂志2023年第7期