-
题名基于深度学习的图像隐写研究进展
被引量:8
- 1
-
-
作者
付章杰
李恩露
程旭
黄永峰
胡雨婷
-
机构
南京信息工程大学计算机与软件学院
鹏城实验室
清华大学电子工程系
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2021年第3期548-568,共21页
-
基金
国家自然科学基金项目(U1836110,61602253,61802058)
江苏省自然科学基金(BK20200039)。
-
文摘
图像隐写是信息安全领域的研究热点之一.早期隐写方法通过修改载体图像获得含密图像,导致图像统计特性发生变化,因此难以抵抗基于高维统计特征分析的检测.随着深度学习的发展,研究者们提出了许多基于深度学习的图像隐写方法,使像素修改更隐蔽、隐写过程更智能.为了更好地研究图像隐写技术,对基于深度学习的图像隐写方法进行综述.首先根据图像隐写过程,从3个方面分析了基于深度学习的图像隐写方法:1)从生成对抗网络和对抗样本2个角度介绍载体图像获取方法;2)分析基于深度学习的隐写失真设计方法;3)阐述基于编码解码网络的含密图像生成方法.然后,分析和总结了无载体图像隐写方法的优缺点,该类方法无需载体图像即可实现图像隐写,因此在对抗统计分析方面存在天然优势.最后,在深入分析与总结基于深度学习的图像隐写与无载体图像隐写2类方法优缺点的基础上,对图像隐写的发展方向进行了探讨与展望.
-
关键词
图像隐写
深度学习
生成对抗网络
对抗样本
无载体图像隐写
-
Keywords
image steganography
deep learning
generative adversarial networks
adversarial examples
coverless image steganography
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-