![](https://csdnimg.cn/release/download_crawler_static/85384091/bg1.jpg)
小 型 微 型 计 算 机 系 统
Journal of Chinese Computer Systems
2019 年 8 月 第 8 期
Vol. 40 No. 8 2019
收稿日期:2018-12-27 收修改稿日期:2019-03-12 基金项目:国家重点研发计划项目(2017YFB0802000) 资助;国家自然科学基金项目
(61379152,61403417) 资助. 作者简介:王耀杰,男,1990 年生,硕士研究生,研究方向为信息隐藏、深度学习;杨晓元,男,1959 年生,硕士,教
授,博士生导师,研究方向为信息安全、密码学;刘 佳,男,1981 年生,博士,副教授,研究方向为深度学习、信息隐藏技术.
基于 GAN 的生成式图像隐写方案
王耀杰,杨晓元,刘 佳
(武警工程大学 网络与信息安全武警部队重点实验室,西安 710086)
(武警工程大学 密码工程学院,西安 710086)
E-mail:wangyaojie0313@ 163. com
摘 要: 针对信息隐藏中载体修改会留有修改痕迹、载体选择困难且负载量太低的问题,本文在载体合成的基础上提出了一种
基于 GAN 的生成式图像隐写方案(GS-GAN). GS-GAN 在生成对抗网络的基础上,采用隐藏的信息作为驱动直接生成含密图
像进行传输,符合“ 无载体” 信息隐藏思想,可有效抵抗基于统计特性的隐写检测. 同时,基于加密算法的密钥,即使截获隐藏的
内容,在无密钥的前提下,只会获得无意义的结果. 我们在 CelebA 数据集进行了实验,验证了该方案的安全优势和可行性.
关 键 词: 信息隐藏;对称加密;生成式;生成对抗网络
中图分类号: TP309 文献标识码:A 文 章 编 号:1000-1220(2019)08-1740-05
Generative Image Steganography Scheme Based on GANs
WANG Yao-jie,YANG Xiao-yuan,LIU Jia
(Key Laboratory for Network and Information Security of Chinese Armed Police Force,Engineering University of PAP,Xi′an 710086,China)
(College of Cryptographic Engineering,Engineering College of PAP,Xi′an 710086,China)
Abstract:According to the embedding method of secret information,steganography can be divided into:cover modification,selection
and synthesis. Aiming at the problem that the cover modification in the information hiding will leave the modification trace,the cover
selection is difficult and the load is too low,combined with the idea of cover synthesis,a generative steganography scheme based on
GANs is proposed. (GS-GAN) . On the one hand,the GAN will use the information to be hidden as a driver to directly generate the
secret. in line with coverless information hiding,can effectively resist steganalysis based on statistical analysis algorithm of detection,
On the other hand,the scheme is based on the private key of symmetric cryptography. Even if the hidden contents are intercepted,only
meaningless results can be obtained without the secret key. By GAN will stay hidden information. We conducted experiments on the
CelebA dataset,which verified the feasibility and safety of the method.
Key words:information hiding;symmetric encryption;generative;generative adversarial networks(GAN)
1 引 言
随着网络通信和信息技术的快速发展,大量的网络信息
传输业务(包含个人隐私、商业机密、军事信息等) 都要求以
隐蔽的方式传输通信信息. 因此信息隐藏技术得到飞速发展,
极大解决了隐蔽通信和版权保护等问题
[1]
.
根据秘密信息的隐藏方法,隐写术可分为:载体修改、载
体选择和载体合成. 修改原始载体是传统隐写术最常见的方
法,但含密载体总会留下修改痕迹,这使得难以从根本上抵抗
基于统计特性的隐写检测;载体选择是隐写者根据明文信息
在普通图像库中选择图像,即原始载体信息不进行任何修改,
避免了现有隐写分析技术的威胁,但由于该方法的负载量太
低,实际应用效果较差. 为从根本上抵抗各类隐写分析算法的
检测,基于载体合成的信息隐藏技术成为新的研究热点之一,
例如无载体信息隐藏
[2]
、构造式信息隐藏
[3]
等. 与传统信息
隐藏方法相比,他们都避免了对原始载体信息的修改,而是根
据秘密消息直接“生成 / 获取”对应的含密载体.
本文利用对抗网络中生成模型,将对称密码
[4]
和信息隐
藏进行结合,提出了一种生成式的信息保护方案( GS-GAN).
本文在生成对抗网络
[5]
基础上,创新性提出“ 生成式” 图像隐
写方案,主要贡献可以归纳如下:
1)结合载体合成的思路,提出“ 生成式” 图像隐写的这一
概念,对生成的载体信息不做任何修改,能够从根本上抵抗基
于统计特性的隐写检测;
2)将对称加密与信息隐藏结合,极大提高了安全性,增
强了抵抗隐写分析的能力,为信息隐藏和密码学的发展拓展
了新的思路;
3)提出了一种空间坐标化加密算法,符合 Kerckhoffs 准
则
[6]
,同时能够拓展维度增加计算复杂度. 在定期更换密钥
前提下,该算法既容易实现,又难破译.
2 预备知识
近两年,一些最新研究已将对抗理论和机器学习等方法