Natias：基于神经元归因的可迁移图像对抗隐写

图像隐写是一种将秘密信息隐藏在数字图像中的技术。相反，隐写分析旨在检测图像中是否存在秘密信息。最近的深度学习隐写分析方法已取得卓越的检测性能。作为一种反措施，由于其有效欺骗基于深度学习的隐写分析能力，对抗隐写受到了广泛关注。然而，隐写分析师经常使用未知的隐写分析模型进行检测。因此，对抗隐写在欺骗非目标隐写分析模型方面的能力，即可迁移性，变得尤为重要。然而，现有的对抗隐写方法并未考虑如何增强可迁移性。为解决此问题，我们提出了一种名为 Natias 的新型对抗隐写方案。具体而言，我们首先对目标中间层的每个神经元的输出进行归因，以识别关键特征。接下来，我们破坏这些可能被各种隐写分析模型采用的关键特征。因此，可以促进对抗隐写的可迁移性。我们提出的方法可以无缝集成到现有的对抗隐写框架中。详实的实验分析确认，我们提出的技术在与以往方法相比时具有 improved 的可迁移性，并在再训练情景中实现了提高的安全性。