.png){kind=icon}
返回
Wavelet Domain Steganography for Robust Unlearnable Data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114422.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，不可学习数据已成为一种有效方法，通过有意阻止模型在训练中学习有意义模式，以防止个人数据被未经授权利用，同时确保处理后的数据在视觉上与原始数据无法区分。以往的方法，如误差最小化噪声方法，虽然在干扰模型学习方面取得了有希望的结果，但通常缺乏对抗训练的鲁棒性。近年来，基于卷积的技术被引入以解决此局限性，增强了对抗训练的抵抗力，但代价是牺牲了图像的高频细节。本研究提出了一种名为小波域信息隐藏（WDS）的新方法，该方法在小波变换域中隐藏类特定信息。通过利用小波固有的多分辨率和局部特性，WDS能够精确控制注入不同频率子带的信息隐藏内容。该方法在保持高频细节和视觉保真度的同时，有效抑制了深度神经网络对语义信息的学习。实验评估表明，WDS在常见数据增强和对抗训练场景下表现出鲁棒的不可学习性，从而在不可感知性和不可学习性之间实现了比以往方法更优的平衡。
Keyword:
Steganography
Wavelet
Unlearnable
Robust
