DiffStega：基于扩散模型的通用无训练无覆盖图像隐写
计算机视觉与模式识别
2024-07-16 v1
摘要
传统图像隐写关注于将一个图像嵌入另一个图像中，以避免未授权实体的隐写分析。无覆盖图像隐写（Coverless Image Steganography, CIS）通过不使用任何覆盖图像来增强隐写的隐蔽性。近期研究利用文本提示作为密钥实现 CIS，通过扩散模型完成隐写。然而，这种方法面临三个挑战：当私有提示被猜测时失效、为实现语义多样性难以构建公共提示、以及在频繁传输过程中存在提示泄露风险。为解决这些问题，本文提出了 DiffStega，一种创新的无训练无覆盖基于扩散模型的 CIS 策略，适用于通用场景。DiffStega 使用基于密码的参考图像作为图像提示，搭配文本提示，确保只有获授权的方能检索隐藏信息。此外，我们开发了噪声翻转技术（Noise Flip）进一步防御未授权解密。为全面评估方法在一般 CIS 任务中的表现，我们构建了一个包含多种图像隐写实例的数据集。实验表明，我们的方法在灵活性、密码敏感性和恢复质量等方面显著优于现有方法。代码已公开于 \url{https://github.com/evtricks/DiffStega}。
引用
@article{arxiv.2407.10459,
title = {DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models},
author = {Yiwei Yang and Zheyuan Liu and Jun Jia and Zhongpai Gao and Yunhao Li and Wei Sun and Xiaohong Liu and Guangtao Zhai},
journal= {arXiv preprint arXiv:2407.10459},
year = {2024}
}
备注
9 pages, 7 figures; reference added; accepted at IJCAI2024 main track