.png){kind=icon}
返回
Deep Learning-Based Image Steganography with Latent Space Embedding and Smart Decoder Selection
.png){kind=icon}
OA
AI
DOI：10.3390/e27121223.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像隐写对于安全通信至关重要，能够实现在载体图像中嵌入隐藏数据。尽管传统的LSB嵌入等方法易被检测，但GANs和自动编码器等深度学习技术提升了性能，然而它们仍面临动态适应多样秘密数据类型、训练数据集有限以及对失真鲁棒性不足的问题。为解决这些问题，我们提出了一种具有自适应多编解码器对、大规模数据集训练及优化架构（含专用组件）的灵活框架。该模型在秘密恢复准确率（SRA）、隐写图像质量（SSIM、PSNR）和抗噪声鲁棒性方面实现了显著提升，其中SSIM达到0.99，恢复准确率超过98%。同时，该模型降低了检测率，在隐写分析中AUC接近0.5。这些结果为安全图像传输和隐私保护通信领域设立了新的基准。
Keyword:
image steganography
deep learning
adaptive encoder-decoder framework
robustness to noise
steganalysis
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
暂无机构信息
引用论文
A Comprehensive Survey of Digital Image Steganography and SteganalysisLuo, W.; Liao, X.; Cai, S.; Hu, K. 数字图像隐写与隐写分析的综合综述. APSIPA Trans. Signal Inf. Process. 2024, 13, e30. [Google Scholar] [CrossRef]
PREAI
分享收藏Research on image steganography based on a conditional invertible neural network基于条件可逆神经网络图像隐写的研究
PREAI
分享收藏A Steganography Algorithm Based on CycleGAN for Covert Communication in the Internet of Things.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容