基于边界平衡生成对抗网络的生成式隐写

• 作者: 刘佳 张敏情 李宗翰 雷雨
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 信息隐藏 生成对抗网络 生成式隐写 评价方法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 34-41
• 页数: 8页
• 分类号: TP309
• 字数: 4978字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2019419

摘要

针对基于深度生成模型的载体合成隐写中生成含密图像质量不高的问题,提出了一种基于边界平衡生成对抗网络(boundary equilibrium generative adversarial network,BEGAN)的生成式隐写方法.该方法首先将秘密信息分段并转化为噪声,而后将噪声输入到BEGAN生成器中得到高质量的含密图像;在消息提取阶段,从含密图像输入噪声提取器中恢复出噪声,最后将噪声转化为秘密信息并完成消息提取.首次提出了针对含密图像的质量评价问题.实验结果和分析表明,与基于深卷积生成对抗网络(deep convolution generative adversarial networks,DCGAN)的隐写方法相比,采用基于编码-解码结构的BEGAN模型能够提高含密图像质量,增大输入噪声的长度能够提高隐写容量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏情	武警工程大学密码工程学院	112	324	8.0	11.0
5	刘佳	武警工程大学密码工程学院	44	88	4.0	6.0
9	李宗翰	武警工程大学密码工程学院	3	1	1.0	1.0