基于反向计算生成对抗网络的高效区块链隐写
密码学与安全
2025-06-23 v1
摘要
区块链隐写通过将隐秘数据编码到特定区块链交易字段中实现数据隐藏。然而，现有研究仅关注特定字段的嵌入方法，缺乏对必需字段生成嵌入的考虑。本文提出了通用区块链隐写框架（GBSF）。发送方生成所需字段（如金额和手续费），将额外的隐秘数据嵌入以增强信道容量。基于GBSF，我们设计了一种可逆生成对抗网络（R-GAN），其采用带有可逆生成器的生成对抗网络，以生成所需字段并将额外隐秘数据编码到可逆生成器的输入噪声中。我们进一步探讨了R-GAN的性能缺陷。为提升性能，我们提出了带有反直觉数据预处理和自定义激活函数的R-GAN，称为CCR-GAN。反直觉数据预处理（CIDP）机制用于减少隐秘数据的解码错误，但会导致梯度爆炸，影响模型收敛。我们设计了名为ClipSigmoid的自定义激活函数以解决此问题。同时提供CIDP和ClipSigmoid的理论依据。我们还开发了一种称为T2C的机制，用于平衡容量与隐蔽性。我们采用比特币主网的交易金额作为所需字段进行实验，以验证可行性。随后将所提方案应用于其他交易字段和区块链，以演示其可扩展性。最后，我们对 various 区块链和交易字段进行容量与隐蔽性评估，并探讨容量与隐蔽性之间的权衡。结果表明，R-GAN和CCR-GAN能够有效提升信道容量，并优于现有领域的SOTA工作。
引用
@article{arxiv.2506.16023,
title = {Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network},
author = {Zhuo Chen and Jialing He and Jiacheng Wang and Zehui Xiong and Tao Xiang and Liehuang Zhu and Dusit Niyato},
journal= {arXiv preprint arXiv:2506.16023},
year = {2025}
}