基于点云表示的 INR 生成式隐写
密码学与安全
2025-04-22 v3 计算机与社会
摘要
生成式隐写（GS）直接通过密钥消息驱动生成隐藏媒体，相较于传统隐写技术具有更大的隐藏容量和更强的抗经典诱察鲁棒性。然而，现有 GS 方法的生成器和提取器仅能针对特定的数据格式和类型，缺乏通用性。此外，模型大小通常与底层网格分辨率相关，提取器的传输行为也容易引发诱察疑虑。隐式神经表示（INR）是一种以连续方式表示数据的技术。灵感来自此方法，我们提出了一种基于点云表示的 INR 生成式隐写方法（INR-GSPC）。通过使用函数生成器，解决了生成器模型随网格数据增长呈指数级增长的问题，能够生成广泛的数据类型并突破分辨率限制。为统一生成器和消息提取器的数据格式，将数据转换为点云表示。我们设计并固定了一个点云消息提取器，通过对点云进行迭代并添加小扰动来生成隐藏媒体。该方法可避免消息提取器的训练和传输过程。迄今为止，首次将点云应用于生成式隐写。实验表明，该方案生成的隐藏图像平均 PSNR 值超过 65，消息提取准确率超过 99%。
引用
@article{arxiv.2410.11673,
title = {INR-Based Generative Steganography by Point Cloud Representation},
author = {Zhong Yangjie and Liu Jia and Luo Peng and Ke Yan and Cai Shen},
journal= {arXiv preprint arXiv:2410.11673},
year = {2025}
}
备注
10pages,13figures