CIF:面向基于扩散生成式隐写的可靠消息提取的约束反演框架
密码学与安全
2025-11-25 v2
摘要
生成式图像隐写术旨在将秘密信息隐藏在生成的图像中而不引起怀疑。然而,在高容量嵌入或有损传输的实际场景中,现有方法仍存在提取精度有限的问题。其主要挑战在于从含密图像中准确恢复嵌有秘密信息的潜向量。为解决这一问题,我们提出了CIF,一种旨在实现精确消息提取的约束反演框架。具体而言,CIF通过在潜空间中强制线性一致性来降低动态结构误差,同时通过根据局部轨迹稳定性自适应调整积分阶数来降低数值积分误差。实验结果表明,我们的方法将潜向量重建误差降低了35%以上,并实现了比现有方法更高的消息提取精度。
引用
@article{arxiv.2508.00434,
title = {CIF: A Constrained Inversion Framework for Reliable Message Extraction in Diffusion-Based Generative Steganography},
author = {Yuqi Qian and Yun Cao and Meiyang Lv and Haocheng Fu},
journal= {arXiv preprint arXiv:2508.00434},
year = {2025}
}