用于在线社交网络隐蔽传输的图像生成网络

在线社交网络比以往任何时候都更能促进互联网上的通信，使得通过此类噪声信道进行秘密消息传输成为可能。本文提出一种无载体图像隐写网络，称为CIS-Net，它直接以待传输的秘密消息为条件合成高质量图像。CIS-Net由四个模块组成，即生成模块、对抗模块、提取模块和噪声模块。即使图像受到JPEG压缩攻击的失真，接收方也能无损提取隐藏消息。为掩饰隐写行为，我们收集了头像和贴纸场景下的图像并相应地训练网络。由此，生成的图像更倾向于逃避恶意检测与攻击。与以往图像隐写方法的区别主要在于针对多种攻击的鲁棒性与无损性。在多个公开数据集上的实验表明了其优越的抗隐写分析能力。