這裏要說的還是和前兩篇博文一樣,是基於GAN的隱寫方法。
A Novel Image Steganography Method via Deep Convolutional Generative Adversarial Networks(2018)
傳統的基於嵌入的隱寫方法都對cover image進行了修改,這使得stage image很容易被基於機器學習的隱寫分析算法檢測出來。就有了stegenography without embedding(SWE)的概念,他不需要修改載體圖像的數據。這篇文章基於深度卷積生成對抗網絡提出了一種新的SWE方法。通過將祕密信息映射成噪聲向量,並且訓練生成器基於噪聲向量生成圖像。
整個模型主要分三個階段,首先是訓練DCGAN得到生成器G,輸入噪聲生成器G可以生成圖像。其次是訓練CNNs模型(提取器E),E從G生成的圖像stege image中提取信息。最後,發送者和接受這者分別利用G和E,發送者將祕密信息分割成片段Si,並將它們映射到噪聲向量zi,G由zi生成stage image,接收者收到stage image後用E提取噪聲向量z’i並反映射得到祕密信息。
Embedding Image Through Generated Intermediate Medium Using Deep Convolutional Generative Adversarial Network(2018)
這篇論文也是基於DCGAN的,通過DCGAN來生成紋理圖像作爲cover image,然後將一張大小和cover image一樣的祕密圖像隱寫到cover image中得到stage image,其中隱寫是通過基於CNN的concealing network完成。
concealing network需要完成兩個工作,將祕密圖像寫入生成的紋理圖像(cover image)和提取出祕密圖像。