统一深度学习范式解构 APVD 隐写术及其有效载荷
密码学与安全
2025-11-21 v1
摘要
在数字通信时代，隐写术允许将数据 covert 嵌入媒体文件中。自适应像素值差分（Adaptive Pixel Value Differencing, APVD）因其高嵌入容量和隐蔽性而受到重视，传统隐写分析面临挑战。本文提出一种基于深度学习的 APVD 隐写检测与逆向隐写分析方法，用于恢复隐藏有效载荷。我们提出一种带注意力机制的卷积神经网络（CNN），具有两个输出头，同时实现隐写检测和有效载荷恢复。模型在 1 万张来自 BOSSbase 和 UCID 数据集的图像上训练和验证，检测准确率达 96.2%，嵌入有效载荷恢复率最高可达 93.6%。结果表明，有效载荷大小与恢复准确率呈强烈逆相关。本研究揭示了自适应隐写术的漏洞，为数字取证分析提供工具，同时鼓励在 AI 驱动技术时代重新评估数据安全。
引用
@article{arxiv.2511.16604,
title = {Systematically Deconstructing APVD Steganography and its Payload with a Unified Deep Learning Paradigm},
author = {Kabbo Jit Deb and Md. Azizul Hakim and Md Shamse Tabrej},
journal= {arXiv preprint arXiv:2511.16604},
year = {2025}
}