[論文レビュー] Coverless Information Hiding Based on Generative adversarial networks

Mingming Liu, Minqing Zhang+3 more|arXiv (Cornell University)|Dec 18, 2017

Advanced Steganography and Watermarking Techniques参考文献 11被引用数 50

ひとこと要約

この論文は、GANを用いたカバーなし情報隠蔽手法を提案する。秘密データが画像生成を駆動し、識別器が隠し情報を抽出して、画像変更を回避する。

ABSTRACT

Traditional image steganography modifies the content of the image more or less, it is hard to resist the detection of image steganalysis tools. To address this problem, a novel method named generative coverless information hiding method based on generative adversarial networks is proposed in this paper. The main idea of the method is that the class label of generative adversarial networks is replaced with the secret information as a driver to generate hidden image directly, and then extract the secret information from the hidden image through the discriminator. It's the first time that the coverless information hiding is achieved by generative adversarial networks. Compared with the traditional image steganography, this method does not modify the content of the original image. therefore, this method can resist image steganalysis tools effectively. In terms of steganographic capacity, anti-steganalysis, safety and reliability, the experimen shows that this hidden algorithm performs well.

研究の動機と目的

• 従来の画像ステガノグラフィに対するカバーなしの代替手法を提案する。
• 秘密情報が画像生成を導くGANベースの手法を提案する。
• 容量と信頼性を保ちながら、画像ステガノ分析に対してこのアプローチが耐性を持つことを示す。

提案手法

• GANのクラスラベルを秘密情報に置換して、隠れた画像生成を駆動させる。
• 生成された画像から秘密情報を抽出するためにGANの識別器を用いる。
• 元の画像内容の改変を必要としないことを示す（カバーなし）。
• ステガノグラフィ容量、反ステガノ分析性、安全性、および信頼性の観点から評価する。

実験結果

リサーチクエスチョン

• RQ1 GANは秘密データを生成駆動として用いることでカバーなし情報隠蔽を実現できるか？
• RQ2 生成された画像から秘密情報はGANの識別器を介して抽出可能か？
• RQ3 この手法は従来のステガノグラフィより標準的な画像ステガノ分析に対してより耐性があるか？
• RQ4 GANを用いたカバーなし隠蔽の容量、安全性、および信頼性に対する影響は何か。

主な発見

• 秘密情報によって駆動される画像を生成することにより、カバーなし情報隠蔽を実現する。
• 秘密情報はGANの識別器を通して抽出可能である。
• このアプローチは従来の画像改変技術よりも画像ステガノ分析ツールに対してより耐性がある。
• 実験結果は容量、反ステガノ分析、安全性、信頼性の点で有利な性能を示す。