[發明專利]一種基于生成式隱寫對抗的圖像隱寫方法及系統

在審

• 申請號: 202110896729.1
• 申請日: 2021-08-05
• 公開（公告）號: CN113538202A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 馬賓;韓作偉;徐健;馬睿和;李健;王春鵬
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆偉姣

本發明公開一種基于生成式隱寫對抗的圖像隱寫方法及系統，包括構建包括生成網絡、隱寫器、判別網絡和隱寫分析網絡的生成式隱寫對抗模型，生成網絡將原始圖像轉換為載體圖像，隱寫器將秘密圖像嵌入載體圖像后得到載秘圖像，判別網絡判斷載體圖像的真實性，隱寫分析網絡判斷載秘圖像是否含有秘密圖像信息；根據判別網絡和隱寫分析網絡的判斷結果分別構建生成網絡與判別網絡、隱寫分析網絡的損失函數，根據三者的損失函數對生成網絡與判別網絡和隱寫分析網絡進行對抗訓練，得到訓練后的生成式隱寫對抗模型；基于訓練后的生成式隱寫對抗模型得到與原始圖像對應的隱寫圖像。生成高視覺質量的載體圖像，提高載體圖像信息隱藏的安全性。

技術領域

本發明涉及圖像隱寫技術領域，特別是涉及一種基于生成式隱寫對抗的圖像隱寫方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

信息隱藏是保證信息安全的重要技術之一，可以將秘密信息潛移默化地隱藏到載體中。信息隱藏不僅能夠保證數據本身的安全性，還可以保證數據的安全傳輸。隱寫術是信息隱藏領域的重要方法，為了成功傳輸秘密信息，發送方利用人類視覺系統對數字圖像部分區域的不敏感性，以一種不可見的方式將秘密信息隱藏到載體圖像中，使之不會引起檢測者的懷疑，從而保證秘密信息能夠安全地傳遞；接收方利用密鑰從載秘數據中提取秘密信息。

傳統的圖像隱寫算法可以劃分為空域隱寫、變換域隱寫和無載體隱寫三種類型。空域圖像隱寫算法通過直接修改圖像像素值嵌入秘密信息，其中有最低有效位(LSB)算法、S-UNIWARD、WOW、HUGO等；變換域隱寫算法通過修改載體圖像的頻域系數實現秘密信息的隱藏，其中包括離散傅里葉變換(DFT)隱藏算法、離散余弦變換(DCT)隱藏算法、離散小波變換(DWT)隱藏算法等；無載體隱寫算法不直接改變載體圖像數據，而是通過圖像的特征屬性表示要傳輸的秘密信息。

隱寫分析是一種根據觀測到的數據信息，判斷其是否含有秘密信息的技術?；谏疃葘W習的隱寫分析模型(如GNCNN、Xu’Net、YeNet、SRNet)檢測準確率已逐漸超過傳統的SRM隱寫分析模型。隱寫分析技術的快速發展嚴重威脅隱寫算法的安全。生成對抗網絡(GAN)對復雜數據強大的建模能力，為隱寫與深度學習的結合提供契機，根據不同的秘密信息隱藏方法將基于深度學習的隱寫算法分為：生成式隱寫、嵌入式隱寫、無載體隱寫三種隱寫策略。

在現有的生成式隱寫技術中，生成圖像視覺質量不高，達不到實際使用要求；在載體圖像上增加對抗樣本的方法，需要重新訓練每個輸入圖像，只適用于少量圖像的情況；對載體圖像劃分區域，部分區域嵌入秘密信息，部分區域添加對抗樣本的方式，只對部分圖像進行增強，增加被隱寫分析器識別的風險。

在現有的嵌入式隱寫技術中，基于自動學習失真函數的嵌入式隱寫模型(ASDL-GAN)雖然可以自動尋找載體中更安全的像素點進行嵌入隱寫，但安全性較低。

在現有的無載體圖像隱寫技術中，基于DCGAN的隱寫網絡模型生成的載秘圖像不需要嵌入和修改，不會被攻擊方發現，但存在隱寫容量較小，生成的圖像不夠真實等問題?；谳o助分類生成對抗網絡(ACGAN)的無載體圖像隱寫方法由于類別標簽數量有限，隱藏容量仍然低。

發明內容

為了解決上述問題，本發明提出了一種基于生成式隱寫對抗的圖像隱寫方法及系統，通過生成對抗網絡的對抗訓練思想，使生成網絡與判別網絡、隱寫分析網絡對抗訓練，構建圖像生成式隱寫對抗模型，生成高視覺質量、更適合嵌入秘密圖像的載體圖像，提升載體圖像嵌入秘密信息后的抗檢測能力，提高載體圖像信息隱藏的安全性。

為了實現上述目的，本發明采用如下技術方案：

第一方面，本發明提供一種基于生成式隱寫對抗的圖像隱寫方法，包括：