资料下载
如何使用生成对抗网络进行信息隐藏方案资料说明
分享资料个
针对信息隐藏中含密栽体会留有修改痕迹，从根本上难以抵抗基于统计的隐写分析算法检测的问题，提出一种基于生成对抗网络（ GAN）的信息隐藏方案。该方案首先利用生成对抗网络中的生成模型G以噪声为驱动生成原始栽体信息；其次，使用±1嵌入算法，将秘密消息嵌入到生成的栽体信息中生成含密信息；最终，将含密信息与真实图像样本作为生成对抗网络中判别模型D的输入，进行迭代优化，同时使用判别模型S来检测图像是否存在隐写操作，反馈生成图像质量的特性，G＆D&S三者在迭代过程中相互竞争，性能不断提高。该方案所采用的策略与SGAN（ Steganographic GAN）和SSGAN（ Secure Steganography based on GAN）两种方案不同，主要区别是将含密信息与真实图像样本作为判别模型的输入，对于判别网络D进行重构，使网络更好地评估生成图像的性能。与SGAN和SSGAN相比，该方案使得攻击者在隐写分析正确性上分别降低了13.1 qo和6.4010。实验结果表明，新的信息隐藏方案通过生成更合适的栽体信息来保证信息隐藏的安全性，能够有效抵抗隐写算法的检测，在抗隐写分析和安全性指标上明显优于对比方案。
信息隐藏是将秘密信息以不可见的方式隐藏在一个宿主信号中，并在需要时将秘密信息提取出来，以达到隐蔽通信和版权保护等目的。它主要用于特定双方的秘密通信，特别是在快速增长的社交网络中，有丰富的图像和视频作为载体，这为信息隐藏提供了更多的机会和挑战。图1是信息隐藏的典型模型。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
