基于WGAN的生成式信息隐写方法研究

针对图像载体隐写方法容量较低的问题,提出一种基于Wasserstein距离的生成式对抗网络(Generative Adversarial Network,GAN)模型无载体图像生成式信息隐写方法。首先提出一种支持用户自定义的“特定信息-噪声”映射关系矩阵,在此基础上将特定信息二次编码为噪声,然后将噪声输入到已训练的WGAN模型中,最终输出包含特定信息的可视化图像。实验结果表明,提出的信息隐写方法可以有效提高信息隐写算法的抗检测攻击效能,提升生成式信息隐写容量,减少隐写图像数量。此外,该方法依托较为简单的网络结构即可实现,不过分依赖系统性能和资源,具有较好的工程实用性。