基于隐式神经表示的统一隐写术
密码学与安全
2025-05-06 v1
摘要
数字隐写术是一种用于加密数据传输的隐藏实践。通常，隐写方法将秘密数据嵌入到载体数据中，以创建包含隐藏秘密数据的隐写数据。然而，隐写技术通常需要为每种数据类型设计特定的框架，这限制了其通用性。在本文中，我们提出了U-INR，一种通过隐式神经表示（INR）实现隐写术的新方法。我们不是为每种数据格式使用特定的框架，而是直接使用INR网络的神经元来表示不同数据类型的秘密数据和载体数据。为了实现这一想法，数据发送方和接收方之间共享一个私钥。该私钥可用于确定秘密数据在INR网络中的位置。为了有效利用此密钥，我们进一步引入了一种基于密钥的选择策略，该策略可用于确定INR内部用于数据存储的位置。跨多种数据类型（包括图像、视频、音频以及SDF和NeRF）的综合实验证明了U-INR的通用性和有效性，强调了其在各种应用中提高数据安全性和隐私性的潜力。
引用
@article{arxiv.2505.01749,
title = {Unified Steganography via Implicit Neural Representation},
author = {Qi Song and Ziyuan Luo and Xiufeng Huang and Sheng Li and Renjie Wan},
journal= {arXiv preprint arXiv:2505.01749},
year = {2025}
}