鲁棒可逆隐写网络

抗五种攻击

基于可逆神经网络的图像隐写网络，特别考虑了舍入误差因素，在受攻击条件下仍能保证较高的图像恢复质量。

Hang, Yang · 徐义田 · 刘旭华 · 马晓栋

Engineering Applications of Artificial Intelligence 2024

参数信息

容器图像平均PSNR

34.28 dB

秘密图像平均PSNR

32.96 dB

技术优势

抗多种攻击

在 5 种不同攻击下仍能保持较高的恢复图像质量，优于现有最先进方法。

考虑舍入误差

显式考虑实际中不可避免的舍入误差，并设计梯度近似函数解决其不可微问题，提高实用性。

应用场景

• 信息安全隐写：在受攻击信道中可靠隐藏敏感信息，替代脆弱隐写方案。
• 图像取证：嵌入鲁棒水印以辅助篡改检测与来源追踪，抵抗常见图像处理。
• 数字水印：提供抗失真的不可见水印，保护版权且不影响视觉质量。
• 通信安全：在噪声和压缩信道中实现隐蔽通信，保证秘密信息可恢复。