迈向深度网络隐写术：从网络到网络
密码学与安全
2023-07-10 v1 人工智能
摘要
随着深度神经网络（DNN）的广泛应用，如何公开信道中隐蔽传输 DNN 模型引起我们的关注，尤其是那些为秘密学习任务训练的模型。本文中，我们提出深度网络隐写术以实现 DNN 模型的隐蔽通信。不同于现有侧重于对载体数据进行细微修改以容纳秘密信息的隐写方案，我们的方案面向学习任务，将秘密 DNN 模型的学习任务（称为秘密学习任务）伪装为隐写 DNN 模型中执行的另一普通学习任务（称为隐写学习任务）。为此，我们提出一种基于梯度的滤波器插入方案，将干扰滤波器插入秘密 DNN 模型的重要位置以形成隐写 DNN 模型。随后利用密钥通过边信息隐藏将这些位置嵌入隐写 DNN 模型。最后，我们通过部分优化策略激活干扰滤波器，使生成的隐写 DNN 模型在隐写学习任务上工作。我们在任务内隐写与任务间隐写（即秘密与隐写学习任务属于相同与不同类别）上均进行了实验，二者均证明了我们所提方法在 DNN 模型隐蔽通信上的有效性。
引用
@article{arxiv.2307.03444,
title = {Towards Deep Network Steganography: From Networks to Networks},
author = {Guobiao Li and Sheng Li and Meiling Li and Zhenxing Qian and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2307.03444},
year = {2023}
}
备注
8 pages. arXiv admin note: text overlap with arXiv:2302.14521