基于可逆神经网络的大容量灵活视频隐写
计算机视觉与模式识别
2023-04-25 v1 密码学与安全
摘要
视频隐写是将秘密数据不显眼地隐藏于载体视频中，并在接收端通过解码协议恢复秘密数据的技术。尽管已有若干尝试，但多数局限于低容量和固定隐写。为纠正这些弱点，我们提出一种大容量灵活视频隐写网络（LF-VSN）。针对大容量，我们提出一种可逆流程，通过单个可逆神经网络（INN）执行多视频隐藏与恢复。我们的方法能以良好性能在1个载体视频中隐藏/恢复7个秘密视频。针对灵活性，我们提出一种密钥可控方案，使不同接收者能通过特定密钥从同一载体视频中恢复特定秘密视频。此外，我们通过在多视频隐藏中提出可扩展策略进一步提升灵活性，该策略可通过单一模型和单次训练在载体视频中隐藏可变数量的秘密视频。大量实验表明，在视频隐写性能显著提升的同时，我们所提LF-VSN具有高安全性、大隐藏容量和灵活性。源代码见 https://github.com/MC-E/LF-VSN。
引用
@article{arxiv.2304.12300,
title = {Large-capacity and Flexible Video Steganography via Invertible Neural Network},
author = {Chong Mou and Youmin Xu and Jiechong Song and Chen Zhao and Bernard Ghanem and Jian Zhang},
journal= {arXiv preprint arXiv:2304.12300},
year = {2023}
}
备注
Accepted by CVPR 2023