[論文レビュー] SSGAN: Secure Steganography Based on Generative Adversarial Networks

Haichao Shi, Jing Dong+3 more|arXiv (Cornell University)|Jul 6, 2017

Advanced Steganography and Watermarking Techniques参考文献 14被引用数 51

ひとこと要約

本論文は、1つの生成器と2つの識別器を用いたGANベースの安全なステガノグラフィーの枠組みを提案し、情報を隠すための高品質で頑健なカバーを生成し、訓練の安定性と画像品質を改善します。

ABSTRACT

In this paper, a novel strategy of Secure Steganograpy based on Generative Adversarial Networks is proposed to generate suitable and secure covers for steganography. The proposed architecture has one generative network, and two discriminative networks. The generative network mainly evaluates the visual quality of the generated images for steganography, and the discriminative networks are utilized to assess their suitableness for information hiding. Different from the existing work which adopts Deep Convolutional Generative Adversarial Networks, we utilize another form of generative adversarial networks. By using this new form of generative adversarial networks, significant improvements are made on the convergence speed, the training stability and the image quality. Furthermore, a sophisticated steganalysis network is reconstructed for the discriminative network, and the network can better evaluate the performance of the generated images. Numerous experiments are conducted on the publicly available datasets to demonstrate the effectiveness and robustness of the proposed method.

研究の動機と目的

• 検出に耐える適切な画像カバーを生成することで、安全なステガノグラフィーを動機付ける。
• 視覚的品質と情報隠蔽適合性のバランスを取るGANベースの枠組みを開発する。
• 従来のGAN手法よりも収束速度と訓練の安定性を向上させる。
• 強化されたステガノ分析ネットワークを介して生成カバーの識別評価を強化する。

提案手法

• 1つの生成器と2つの識別的ネットワークを備えた新規GAN形式を使用する。
• 生成器はステガノグラフィーに適した画像の視覚品質に焦点を当てる。
• 識別器は生成画像が情報隠蔽に適しているかを評価し、ステガノグラフィーの潜在性を検出する。
• 洗練されたステガノ分析ネットワークを再構成・活用してカバー性能をより評価する。
• 公開データセット上で収束速度、訓練の安定性、および画像品質の改善を示す。

実験結果

リサーチクエスチョン

• RQ1 提案されたSSGANフレームワークは、視覚的に説得力があり、かつデータの安全な埋め込みに高く適している画像カバーを生成できるか？
• RQ2 代替的なGAN定式化は、標準的なGAN設定と比べて収束速度と訓練の安定性を改善するか？
• RQ3 強化されたステガノ分析ベースの識別器は、情報隠蔽のカバー品質をより良く評価・指導するか？

主な発見

• このアプローチは収束速度と訓練の安定性の改善をもたらす。
• 生成された画像はステガノグラフィーに適した視覚品質の向上を示す。
• 強化されたステガノ分析ネットワークはカバー性能のより良い評価を提供する。
• 公開データセットでの実験は、提案手法の有効性と頑健性を示している。