[論文レビュー] Robust Provably Secure Image Steganography via Latent Iterative Optimization

Yanan Li, Zixuan Wang+2 more|arXiv (Cornell University)|Mar 10, 2026

Advanced Steganography and Watermarking Techniques被引用数 0

ひとこと要約

論文は、受信側の潜在空間反復最適化を導入し、潜在変数を洗練してメッセージ抽出精度を向上させることを示す。これは、圧縮や形式変更下でもセキュリティを保持する、証明可能な安全性を備えた画像ステガノグラフィの枠組みにおけるものです。

ABSTRACT

We propose a robust and provably secure image steganography framework based on latent-space iterative optimization. Within this framework, the receiver treats the transmitted image as a fixed reference and iteratively refines a latent variable to minimize the reconstruction error, thereby improving message extraction accuracy. Unlike prior methods, our approach preserves the provable security of the embedding while markedly enhancing robustness under various compression and image processing scenarios. On benchmark datasets, the experimental results demonstrate that the proposed iterative optimization not only improves robustness against image compression while preserving provable security, but can also be applied as an independent module to further reinforce robustness in other provably secure steganographic schemes. This highlights the practicality and promise of latent-space optimization for building reliable, robust, and secure steganographic systems.

研究の動機と目的

• ロスレス処理後も有効な頑健で証明可能なステガノグラフィを動機づける。
• 抽出段階での潜在空間反復補正メカニズムを提案する。
• 埋め込みフレームワークの証明可能なセキュリティ保証を維持する。
• 複数の画像形式と圧縮レベルにわたる頑健性の向上を実証する。

提案手法

• 拡散モデル内で一様分布からガウス分布への変換を介して暗号化ビットを潜在ガウス変数へマッピングしてメッセージを埋め込む。
• 復元された潜在変数に対して単純なしきい値でデコードしてビットを復元する。
• 受信側で観測画像を潜在表現へエンコードし、再構成損失が受信画像とデコード画像の間で最小になるように勾配降下法で反復的に精緻化する。
• 埋め込み分布が標準ガウスと識別不能であることを保証し、受信機の最適化を埋め込みとは独立に保つことで、証明可能なセキュリティを維持する。
• リ付き長さのデコーダで更新が再構成誤差の低減とともに減少することを保証するリプシッツ境界付きデコーダを用いた潜在空間最適化を採用する。
• 状態最先端の証明可能な安全性を持つステガノグラフィモデルに適用性と改善を示す。

実験結果

リサーチクエスチョン

• RQ1 受信側の潜在空間反復最適化は、さまざまな圧縮および形式変換下でメッセージ抽出精度を改善するか。
• RQ2 提案された最適化は、形式と圧縮レベルを跨いで頑健性を高めつつ証明可能なセキュリティを維持できるか。
• RQ3 最適化は他の証明可能な安全性を持つステガノグラフィ系にも転用可能か。
• RQ4 損失のない形式と損失のある形式を含む異なる画像形式、および拡散モデルベースの埋め込み設定における実用的な頑健性の向上はどうなるか。

主な発見

Method	TIFF32	TIFF16	PNG	JPEG90	JPEG70	JPEG50
Hu	0.9830	0.9820	0.9805	0.9634	0.9235	0.8887
Ours	0.9354	0.9349	0.9288	0.9118	0.8776	0.8421
Ours (Opt)	0.9877	0.9876	0.9854	0.9683	0.9272	0.8820

• 受信機側の潜在空間最適化は、多様な圧縮形式下でメッセージ抽出精度を向上させる。
• 最適化手法はベースライン性能に近づくか超え、特に高品質の損失形式で顕著な利点を示す。
• 最適化はステップ数が増えるにつれて単調に改善するが、ある点（おおむね100–110ステップ）を過ぎると効果が薄まる。
• このアプローチは他の証明可能な安全性を持つステガノグラフィ系へ一般化され、単一モデルを超えた頑健性を高める。
• 異なるモデル間での適用は、複数の形式（損失・無損失を含む）にわたり顕著な精度向上を示す。
• Stable Diffusion 2.1を用いた実験は、埋め込み容量0.0625およびさまざまな形式（TIFF、PNG、JPEG）で頑健性の向上を示した。