基于生成式隐式神经表示的图像隐写术
密码学与安全
2024-06-05 v1
摘要
在高级隐写术领域，模型的规模通常与基本网格的分辨率直接相关，这需要训练一个独立的神经网络来进行消息提取。本文提出了一种基于生成式隐式神经表示的图像隐写术。该方法通过将数据表示为连续函数表达式，超越了图像分辨率的限制。值得注意的是，该方法允许使用多种多媒体数据作为载体图像，从而拓宽了潜在载体的范围。此外，通过固定一个神经网络作为消息提取器，我们有效地将训练负担转移到了图像本身，从而既减少了计算开销，又提高了隐写速度。该方法还规避了与消息提取器相关的潜在传输挑战。实验结果表明，该方法实现了出色的优化效率，对于64x64维度的图像仅需3秒即可完成，同时仅隐藏1 bpp的信息。此外，消息提取的准确率达到了100%的惊人水平。
引用
@article{arxiv.2406.01918,
title = {Image steganography based on generative implicit neural representation},
author = {Zhong Yangjie and Liu Jia and Ke Yan and Liu Meiqi},
journal= {arXiv preprint arXiv:2406.01918},
year = {2024}
}
备注
33 pages, 15 figures and 5 tables