[发明专利]一种基于生成式隐写对抗的图像隐写方法及系统

说明书

本发明公开一种基于生成式隐写对抗的图像隐写方法及系统，包括构建包括生成网络、隐写器、判别网络和隐写分析网络的生成式隐写对抗模型，生成网络将原始图像转换为载体图像，隐写器将秘密图像嵌入载体图像后得到载秘图像，判别网络判断载体图像的真实性，隐写分析网络判断载秘图像是否含有秘密图像信息；根据判别网络和隐写分析网络的判断结果分别构建生成网络与判别网络、隐写分析网络的损失函数，根据三者的损失函数对生成网络与判别网络和隐写分析网络进行对抗训练，得到训练后的生成式隐写对抗模型；基于训练后的生成式隐写对抗模型得到与原始图像对应的隐写图像。生成高视觉质量的载体图像，提高载体图像信息隐藏的安全性。

技术领域

本发明涉及图像隐写技术领域，特别是涉及一种基于生成式隐写对抗的图像隐写方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

信息隐藏是保证信息安全的重要技术之一，可以将秘密信息潜移默化地隐藏到载体中。信息隐藏不仅能够保证数据本身的安全性，还可以保证数据的安全传输。隐写术是信息隐藏领域的重要方法，为了成功传输秘密信息，发送方利用人类视觉系统对数字图像部分区域的不敏感性，以一种不可见的方式将秘密信息隐藏到载体图像中，使之不会引起检测者的怀疑，从而保证秘密信息能够安全地传递；接收方利用密钥从载秘数据中提取秘密信息。

传统的图像隐写算法可以划分为空域隐写、变换域隐写和无载体隐写三种类型。空域图像隐写算法通过直接修改图像像素值嵌入秘密信息，其中有最低有效位(LSB)算法、S-UNIWARD、WOW、HUGO等；变换域隐写算法通过修改载体图像的频域系数实现秘密信息的隐藏，其中包括离散傅里叶变换(DFT)隐藏算法、离散余弦变换(DCT)隐藏算法、离散小波变换(DWT)隐藏算法等；无载体隐写算法不直接改变载体图像数据，而是通过图像的特征属性表示要传输的秘密信息。

隐写分析是一种根据观测到的数据信息，判断其是否含有秘密信息的技术。基于深度学习的隐写分析模型(如GNCNN、Xu’Net、YeNet、SRNet)检测准确率已逐渐超过传统的SRM隐写分析模型。隐写分析技术的快速发展严重威胁隐写算法的安全。生成对抗网络(GAN)对复杂数据强大的建模能力，为隐写与深度学习的结合提供契机，根据不同的秘密信息隐藏方法将基于深度学习的隐写算法分为：生成式隐写、嵌入式隐写、无载体隐写三种隐写策略。

在现有的生成式隐写技术中，生成图像视觉质量不高，达不到实际使用要求；在载体图像上增加对抗样本的方法，需要重新训练每个输入图像，只适用于少量图像的情况；对载体图像划分区域，部分区域嵌入秘密信息，部分区域添加对抗样本的方式，只对部分图像进行增强，增加被隐写分析器识别的风险。

在现有的嵌入式隐写技术中，基于自动学习失真函数的嵌入式隐写模型(ASDL-GAN)虽然可以自动寻找载体中更安全的像素点进行嵌入隐写，但安全性较低。

在现有的无载体图像隐写技术中，基于DCGAN的隐写网络模型生成的载秘图像不需要嵌入和修改，不会被攻击方发现，但存在隐写容量较小，生成的图像不够真实等问题。基于辅助分类生成对抗网络(ACGAN)的无载体图像隐写方法由于类别标签数量有限，隐藏容量仍然低。

发明内容

为了解决上述问题，本发明提出了一种基于生成式隐写对抗的图像隐写方法及系统，通过生成对抗网络的对抗训练思想，使生成网络与判别网络、隐写分析网络对抗训练，构建图像生成式隐写对抗模型，生成高视觉质量、更适合嵌入秘密图像的载体图像，提升载体图像嵌入秘密信息后的抗检测能力，提高载体图像信息隐藏的安全性。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于生成式隐写对抗的图像隐写方法，包括：