生成对抗网络的无载体信息隐藏算法简介

news2024/11/26 22:31:46

一、研究背景

随着互联网技术的广泛应用和移动智能设备的快速普及,人们有了更多的途径传播和获取信息。每天海量的数据以视频、音频、图像、文字等各类形式在互联网中产生,这为人们的生活带来了极大的便利,但同时也引起了人们对信息泄露的担忧。近年来,社会各界逐渐意识到了信息安全的重要性,而信息隐藏作为信息安全的关键分支,也得到了相关专家及学者的关注。

信息隐藏将秘密信息隐藏到图像、视频、音频等普通宿主信号中而不改变其外部表现特征,在需要的时候便可根据宿主信号提取并恢复秘密信息,从而达到秘密通信和隐私保护的目的。与密码学将秘密信息生成不可识别的“乱码”相比,信息隐藏能够不知不觉的隐藏信息,降低了被第三方怀疑与攻击的风险。下图为信息隐藏一般过程图:

该技术可以追溯到1984年Simmons所提出的囚徒模型[1]:监狱的两个牢房中分别关押着囚犯Alice、Bob,他们企图在牢房中策划越狱行动,但是他们之间的任何通信行为都会被狱警Eva所监视,并且通信内容是可见的,一旦Eva发现犯人之间的存在“异常”通信,那么他们间的通信就会被立即切断。为了在Eva的监视之下完成秘密信息的传递,信息隐藏技术孕育而生。Alice将敏感信息通过相关操作隐藏在载体中,Bob收到含密载体后则可以通过约定的操作提取出敏感信息,该过程在监视者看来属于正常的通信行为,因此不会引起怀疑。 

2014年,Goodfellow等人[18]提出了生成对抗网络,其强大的图像生成能力使得深度学习和无载体信息隐藏有了更多结合的可能。因此通过设计恰当的映射规则,可以实现秘密信息到含密图像的映射,最终实现无载体信息隐藏。无载体信息隐藏只是在信息隐藏阶段不存在“嵌入”操作,并非不需要载体,它利用秘密信息直接生成或映射为含密载体,保持了载体图像的自然特征,在公开信道中传输时,减少了第三方人员的怀疑。因此基于生成对抗网络的无载体信息隐藏算法研究是十分有意义的。

二、经典算法介绍

2018年,Hu等人[30]首次提出利用秘密信息驱动生成对抗网络,生成含密图像的信息隐藏算法。其含密图像不存在任何嵌入操作,且无法找出与秘密信息的任何直接联系,具有较高的隐秘性。其算法框架如图3-1所示:

该算法利用DCGAN接收随机噪声作为输入,生成伪自然图像的特点,设计了一种量化方法,将秘密信息映射到指定区间内的随机噪声,并将此噪声作为输入,驱动DCGAN生成含密图像。在秘密信息恢复阶段,设计了一个噪声提取网络,用于从含密图像中提取出输入噪声向量,从而恢复秘密信息。该算法生成的图像如下:

该算法通过巧妙的设计映射关系,并利用GAN强大的图像生成能力,使得生成的含密图像和所隐藏的秘密信息“毫无关系”,加强了信息隐藏方法的隐蔽性。但是依然存在需要改进的地方,首先该方案使用DCGAN作为生成模型,导致生成的含密图像视觉效果较差,如图3-2所示,并且在训练过程中容易出现模式崩塌。其次,该算法所设计的提取模型虽然能够较好的提取出输入噪声,进而恢复秘密信息,但在噪声的干扰下,秘密信息恢复准确率将大幅度下降,因此该算法不具备噪声鲁棒性。算法流程图如下:

参考文献 

  1. Simmons G J. The prisoners’ problem and the subliminal channel[C]. Proceedings of the Advances in Cryptology. Springer, Boston, MA, 1984: 51-67.
  2. Goodfellow I, Pouget A J, Mirz M, et al. Generative adversarial nets [C]. Proceedings of the Advances in Neural Information Processing Systems, 2014: 2672-2680.
  3. Hu D H, Wang L, Jiang W, et al. A novel image steganography method via deep convolutional generative adversarial networks[J]. IEEE Access, 2018, 6: 38303-38314.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1632053.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

《QT实用小工具·四十六》多边形窗口

1、概述 源码放在文章末尾 该项目实现了可以移动的多边形窗口&#xff0c;项目demo演示如下所示&#xff1a; 项目部分代码如下所示&#xff1a; #include "polygonwindow.h"#include <QBitmap> #include <QQuickItem> #include <QQmlFile> #in…

[NeurIPS-23] GOHA: Generalizable One-shot 3D Neural Head Avatar

[pdf | proj | code] 本文提出一种基于单图的可驱动虚拟人像重建框架。基于3DMM给粗重建、驱动结果&#xff0c;基于神经辐射场给细粒度平滑结果。 方法 给定源图片I_s和目标图片I_t&#xff0c;希望生成图片I_o具有源图片ID和目标图片表情位姿。本文提出三个分支&#xff1a;…

AI大模型探索之路-训练篇7:大语言模型Transformer库之HuggingFace介绍

系列篇章&#x1f4a5; AI大模型探索之路-训练篇1&#xff1a;大语言模型微调基础认知 AI大模型探索之路-训练篇2&#xff1a;大语言模型预训练基础认知 AI大模型探索之路-训练篇3&#xff1a;大语言模型全景解读 AI大模型探索之路-训练篇4&#xff1a;大语言模型训练数据集概…

Web前端开发之CSS_2

关系选择器CSS盒子模型弹性盒子模型文档流浮动清除浮动定位 1. 关系选择器 1.1 后代选择器 E F{} 选择所有被 E 元素包含的 F 元素&#xff0c;中间用空格隔开 <ul> <li>后代列表1</li> <div> <ol> <li>后代列表2</li> </ol>…

20240428如何利用IDM下载磁链视频

缘起&#xff1a; https://weibo.com/tv/show/1034:4864336909500449 中国获奖独立纪录片《阿辉》揭秘红灯区“教父”的生存法则 5,751次观看 1年前 发布于 陕西 身为里中横 67.7万粉丝 互联网科技博主 微博原创视频博主 头条文章作者 https://weibo.com/tv/show/1034:4864…

深度学习:基于Keras框架,使用神经网络模型对葡萄酒类型进行预测分析

前言 系列专栏&#xff1a;机器学习&#xff1a;高级应用与实践【项目实战100】【2024】✨︎ 在本专栏中不仅包含一些适合初学者的最新机器学习项目&#xff0c;每个项目都处理一组不同的问题&#xff0c;包括监督和无监督学习、分类、回归和聚类&#xff0c;而且涉及创建深度学…

数据结构 - C/C++

快速跳转 数组链表栈队列串树 目录 数据结构 逻辑结构 物理结构 数据结构 数据 数据不仅仅包括整型、实型等数值类型&#xff0c;还包括字符及声音、图像、视频等非数值类型。 计算机可以理解并按照指定格式处理。 结构 元素相互之间存在一种或多种特定关系的数据集合。 …

Docker如何开启远程访问?

Docker是一种开源的容器化平台&#xff0c;通过将应用程序和其依赖项打包成容器&#xff0c;可以实现快速部署、弹性运行和简化管理。默认情况下&#xff0c;Docker的运行环境是局域网内的单机&#xff0c;但有时我们需要在不同地区的电脑、设备之间进行远程通信。本篇文章将介…

上市企业数字赋能指数数据集-2001到2022年(TF-IDF)

01、数据简介 上市公司数字赋能指数是一个用来衡量上市公司利用数字技术提高业务能力和效率的指标。这个指数反映了上市公司利用大数据、云计算和人工智能等数字技术&#xff0c;高效地利用商业资源和信息&#xff0c;并扩展供应关系的能力。市公司数字赋能指数是一种综合性的…

区间预测 | PSO-RF-KDE的粒子群优化随机森林结合核密度估计多变量回归区间预测(Matlab)

区间预测 | PSO-RF-KDE的粒子群优化随机森林结合核密度估计多变量回归区间预测&#xff08;Matlab&#xff09; 目录 区间预测 | PSO-RF-KDE的粒子群优化随机森林结合核密度估计多变量回归区间预测&#xff08;Matlab&#xff09;效果一览基本介绍程序设计参考资料 效果一览 基…

web安全---xss漏洞/beef-xss基本使用

what xss漏洞----跨站脚本攻击&#xff08;Cross Site Scripting&#xff09;&#xff0c;攻击者在网页中注入恶意脚本代码&#xff0c;使受害者在浏览器中运行该脚本&#xff0c;从而达到攻击目的。 分类 反射型---最常见&#xff0c;最广泛 用户将带有恶意代码的url打开&a…

websocket 单点通信,广播通信

Websocket协议是对http的改进&#xff0c;可以实现client 与 server之间的双向通信&#xff1b; websocket连接一旦建立就始终保持&#xff0c;直到client或server 中断连接&#xff0c;弥补了http无法保持长连接的不足&#xff0c;方便了客户端应用与服务器之间实时通信。 参…

信息系统管理

目录 一、信息系统管理范围 1、规划和组织 2、设计和实施 ①、信息系统架构 Ⅰ、集中式架构 Ⅱ、分布式架构 Ⅲ、SOA&#xff08;面向服务的系统架构&#xff09; 3、运维和服务 ①、运行管理和控制 ②、IT服务管理 ③、运行与监控 Ⅰ、运行监控 Ⅱ、安全监控 4、…

【题解】—— LeetCode一周小结17

【题解】—— 每日一道题目栏 上接&#xff1a;【题解】—— LeetCode一周小结16 22.组合总和 Ⅳ 题目链接&#xff1a;377. 组合总和 Ⅳ 给你一个由 不同 整数组成的数组 nums &#xff0c;和一个目标整数 target 。请你从 nums 中找出并返回总和为 target 的元素组合的个数…

01.Kafka简介与基本概念介绍

1 Kafka 简介 Kafka 是最初由 Linkedin公司开发&#xff0c;是一个分布式、支持分区(partition)的、多副本(replica)的&#xff0c;基于 Zookeeper 协调的分布式消息系统&#xff0c;它的最大的特性就是可以实时的处理大量数据以满足各种需求场景&#xff1a;比如基于 hadoop 的…

SpringBoot 快速开始 Dubbo RPC

文章目录 SpringBoot 快速开始 Dubbo RPC下载 Nacos项目启动项目的创建创建主项目接口定义服务的创建Dubbo 服务提供者的创建服务的消费者创建 添加依赖给 Provider、Consumer 添加依赖 开始写代码定义接口在 Provider 中实现在 Consumer 里面使用创建启动类 注册中心配置启动 …

R-Tree: 原理及实现代码

文章目录 R-Tree: 原理及实现代码1. R-Tree 原理1.1 R-Tree 概述1.2 R-Tree 结构1.3 R-Tree 插入与查询 2. R-Tree 实现代码示例&#xff08;Python&#xff09;结语 R-Tree: 原理及实现代码 R-Tree 是一种用于管理多维空间数据的数据结构&#xff0c;常用于数据库系统和地理信…

党建3d互动虚拟现实网上展厅有何优势?

在数字化浪潮席卷全球的今天&#xff0c;企业如何迅速踏上虚拟世界的征程&#xff0c;开启元宇宙之旅?答案就是——3D虚拟云展。这一创新平台&#xff0c;华锐视点以虚拟现实技术和3D数字建模为基石提供3D云展搭建服务&#xff0c;助力企业轻松搭建起虚拟数字基础设施&#xf…

Rust Web开发实战:打造高效稳定的服务端应用

Rust Web开发实战&#xff1a;打造高效稳定的服务端应用 本书将带领您从零开始构建Web应用程序&#xff0c;无论是API、微服务还是单体应用&#xff0c;都将一一涵盖。您将学到如何优雅地对外开放API&#xff0c;如何连接数据库以安全存储数据&#xff0c;以及如何对应用程序进…

用结构体把驱动层和应用层分开

用正点原子代码的usmart分析&#xff0c;如下&#xff1a; usmart.h usmart_config.c 实例&#xff1a;把结构体与具体驱动绑定一起 /* 正点原子的usmart串口的封装 涉及文件&#xff1a;usmart.h usmart.c usmart_config.c 还有外面使用的文件&#xff08;应用层调用&#xff…