您好, 访客   登录/注册

HCGAN:一种基于GAN的高容量信息隐藏算法

来源:用户上传      作者:张克君 李旭 于新颖 冯丽雯 秦昊聪 张健毅

  摘要:针对现有信息隐藏算法存在隐写容量低、信息提取困难以及安全性差等问题,本文提出了一种基于生成对抗网络的高容量信息隐藏算法(High Capacity Information Hiding Algorithm Based on GAN,HCGAN).在秘密信息嵌入方面,使用基于Im-Residual结构的编码器将秘密信息嵌入载体图像中,避免了秘密信息嵌入r由卷积层提取特征导致的信息损失.在秘密信息提取方面,使用基于稠密结构的解码器从含秘图像中提取出秘密信息,利用特征复用来增加秘密信息的提取率.在抗隐写分析方面,利用基于隐写分析的鉴别器与基于Im- Residual 结构的编码器进行对抗训练,以提高含秘图像的抗隐写分析能力.实验表明,经过对抗训练后,HCGAN在2 bpp嵌入率下比WOW和S-UNIWARD在0.4 bpp嵌入率下具有更低的隐写分析检测率.
  关键词:信息隐藏;深度学习;生成对抗网络;自编码器;卷积神经网络
  中图分类号:TN915.08文献标志码:A
  HCGAN:A High Capacity Information Hiding Algorithm Based on GAN
  ZHANG Kejun LI Xu YU Xinying FENG Liwen QIN Haocong ZHANG Jianyi1
  (1. Department of Cyberspace Security,Beijing Electronic Science and Technology Institute,Beijing 10007 China;
  2. School of Cyberspace Security,Beijing University of Posts and Telecommunications,Beijing 100876,China)
  Abstract:Aiming at the problems of low steganographic capacity,difficult information extraction,and poor security in existing information hiding algorithms,this paper proposes a high capacity information hiding algorithm based on GAN (HCGAN). For secret information embedding,an Im-Residual structure-based encoder is applied to embed the secret information into the carrier image,avoiding the information loss caused by the feature extraction of the convolution layer. For secret information extraction,a dense structure-based decoder is utilized to extract secret information from the secret image,and feature reuse is used to increase the extraction rate of secret information. In terms of anti-steganalysis,the discriminator based on steganalysis and the encoder based on Im-Residual structure are used for adversarial training to improve the anti-steganalysis ability of the secret image. Experiments show that after adversarial training,HCGAN has a lower steganalysis detection rate at an embedding rate of 2bpp than the WOW and SUNIWARD algorithms at an embedding rate of 0.4bpp.
  Key words:information hiding;deep learning;generative adversarial networks;autoencoder;convolutional neural network
  随着网络信息技术的快速发展和移动终端设备的不断普及,数字多媒体成为互联网通信的主要载体.数字多媒体的广泛应用使得网络中充斥着大量对国家、企业或个人而言十分敏感的信息.为保证这些信息能被安全地传递,发送方通常需要对信息进行加密,同时加密后的密文只能被持有特定密钥的接收者解密,但密文的伪随机性会暴露秘密信息的存在,从而引来攻击者的怀疑和攻击.信息隐藏技术通过将敏感的秘密信息伪装成普通信息来隐藏秘密信息,为上述问题提供了解决方案,对信息安全有着重要意义[1].
  在信息隐藏过程中,发送方首先将秘密信息嵌入载体中形成含秘载体,随后把含秘载体上传到公共信道[2].特定的接收方从公共信道中下载含秘载体,使用密钥或提取算法从中提取出秘密信息.在秘密信息的传递过程中,除了通信双方之外,其他人虽然可以下载含秘载体但无法获取其中的秘密信息.信息隐藏技术的这种隐蔽性能够有效阻止攻击者对秘密信息的感知和破坏,进而保证了秘密信息在传递过程中的安全[3].

nlc202208291742



转载注明来源:https://www.xzbu.com/4/view-15438674.htm

相关文章