计算机研究与发展

作者：付章杰,李恩露,程旭,黄永峰,胡雨婷,

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,

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.

来源：2021年第3期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第3期