GIFDL：基于生成图像波动失真学习的增强隐写术安全性
密码学与安全
2025-04-22 v1
摘要
最小失真隐写术 currently is modification-based steganography的主流方法。该方法的一个关键问题在于如何定义隐写失真。随着深度学习技术的快速发展，失真的定义从人工设计演变为深度学习设计。同时，快速的图像生成技术进步使得生成图像成为可行的载体。然而，现有的基于机器学习的失真设计方法未能充分利用生成载体的优势，导致安全性性能 suboptimal。为此，我们提出了GIFDL(Generated Image Fluctuation Distortion Learning)，一种基于生成图像波动的隐写失真学习方法。我们受自然隐写术思想的启发，采用一系列高度相似的波动图像作为输入至隐写失真生成器，并引入新的GAN训练策略以将隐写图像伪装为波动图像。实验结果表明，与基于最先进GAN的失真学习方法相比，GIFDL在三种隐写分析器上的检测错误率平均提高3.30%，显示出对抗隐写分析的优越性能。
引用
@article{arxiv.2504.15139,
title = {GIFDL: Generated Image Fluctuation Distortion Learning for Enhancing Steganographic Security},
author = {Xiangkun Wang and Kejiang Chen and Yuang Qi and Ruiheng Liu and Weiming Zhang and Nenghai Yu},
journal= {arXiv preprint arXiv:2504.15139},
year = {2025}
}
备注
Accepted by IEEE TIFS