.png){kind=icon}
返回
Model Steganography During Model Compression
.png){kind=icon}
PRE
AI
DOI：10.1109/TDSC.2025.3645268.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期，许多压缩神经网络模型已在嵌入式平台上实现。然而，目前仍缺乏利用这些压缩模型进行隐蔽通信的隐写方法。本文提出了一种在模型压缩过程中应用的隐写方法，将秘密数据嵌入模型以创建隐写网络，该方法适用于大多数模型压缩技术，例如模型量化、模型剪枝和模型蒸馏。秘密数据接收方可以使用相应的提取网络提取秘密数据，而普通用户对秘密数据的存在毫不知情，从而避免引起怀疑。提取网络与模型压缩同步使用以嵌入秘密数据，最大限度地减少数据嵌入的影响。实验结果验证了该隐写网络在模型尺寸缩减、推理时间减少和高精度方面的有效性，以及在隐写术容量、安全性和鲁棒性方面的有效性。
Keyword:
Steganography
covert communication
neural networks
security
期刊
IF:
7.5
论文数:
2.4K
被引数:
9.6K
机构
引用论文
.png){kind=icon}
Instance-Aware Distillation for Efficient Object Detection in Remote Sensing Images用于遥感图像中有效目标检测的实例感知蒸馏
PREAI
分享收藏Improving Neural Network Efficiency via Post-training Quantization with Adaptive Floating-Point
PREAI
分享收藏Detecting Adversarial Image Examples in Deep Neural Networks with Adaptive Noise Reduction基于自适应降噪的深度神经网络对抗图像样本检测
OAAI
OAAI分享收藏
查看更多内容