[논문 리뷰] End-to-end Trained CNN Encode-Decoder Networks for Image Steganography

Atique ur Rehman, Rafia Rahim외 2명|arXiv (Cornell University)|2017. 11. 20.

Advanced Steganography and Watermarking Techniques참고 문헌 7인용 수 24

한 줄 요약

이 논문은 수작업으로 만든 특징에 의존하지 않고, 한 이미지(포화)를 다른 이미지(커버)에 직접 삽입하는 엔드 투 엔드로 훈련된 CNN 인코더-디코더 네트워크를 제안한다. 새로운 손실 함수를 함께 훈련시켜 최신 기술 수준의 성능을 달성하며, 33.3% 용량(8 bpp)으로 높은 정밀도로 포화를 삽입하여 ImageNet 및 기타 데이터셋에서 커버에 대해 평균 PSNR 32.9 dB, 복원된 포화에 대해 36.6 dB를 기록한다.

ABSTRACT

All the existing image steganography methods use manually crafted features to hide binary payloads into cover images. This leads to small payload capacity and image distortion. Here we propose a convolutional neural network based encoder-decoder architecture for embedding of images as payload. To this end, we make following three major contributions: (i) we propose a deep learning based generic encoder-decoder architecture for image steganography; (ii) we introduce a new loss function that ensures joint end-to-end training of encoder-decoder networks; (iii) we perform extensive empirical evaluation of proposed architecture on a range of challenging publicly available datasets (MNIST, CIFAR10, PASCAL-VOC12, ImageNet, LFW) and report state-of-the-art payload capacity at high PSNR and SSIM values.

연구 동기 및 목표

• 이미지 스테가노그래피 기법이 바이너리 포화 삽입을 위해 수작업으로 만든 특징에 의존하는 한계를 해결하기 위해.
• 실제 이미지를 포화로 삽입할 수 있는 일반적이고 엔드 투 엔드로 훈련 가능한 딥 러닝 아키텍처를 개발하기 위해.
• 최적의 스테가노그래픽 성능을 위해 인코더와 디코더 네트워크의 공동 훈련을 가능하게 하는 새로운 손실 함수를 설계하기 위해.
• ImageNet, CIFAR10, PASCAL-VOC12와 같은 다양한 도전적인 데이터셋에서 실증적으로 검증하여, 강인성과 일반화 능력을 입증하기 위해.

제안 방법

• 커버 및 포화 이미지에 대해 공유된 특징 추출 브랜치를 갖는 U-Net 유사 인코더-디코더 CNN 아키텍처를 사용한다.
• 인코더는 커버(3채널)와 포화(1채널) 이미지를 ReLU 활성화 함수를 갖는 스택된 컨볼루션 레이어를 통해 처리한다.
• 커버 및 포화 브랜치의 특징이 병합된 후, 복원을 위해 디코더로 전달된다.
• 디코더는 전치 컨볼루션과 스킵 연결을 사용하여 스테고 이미지에서 원래 포화 이미지를 복원한다.
• 감각적 손실(L1), PSNR, SSIM을 조합한 새로운 손실 함수를 사용하여 삽입 품질과 복원 정밀도를 공동 최적화한다.
• ImageNet, CIFAR10, MNIST 등의 데이터셋에서 50~150 에포크 동안 백프로파게이션을 사용해 엔드 투 엔드로 네트워크를 훈련시킨다.

실험 결과

연구 질문

• RQ1 딥 러닝 기반의 인코더-디코더 네트워크는 수작업으로 만든 이미지 특징에 의존하지 않고도 고용량 이미지 스테가노그래피를 달성할 수 있는가?
• RQ2 제안된 공동 손실 함수는 삽입 및 복원을 위한 엔드 투 엔드 훈련을 얼마나 잘 지원하는가?
• RQ3 ImageNet과 같은 다양한 데이터셋에서 훈련한 후, 예측되지 않은 데이터에서의 포화 용량과 복원 품질(PSNR/SSIM)은 어떠한가?
• RQ4 모델은 다양한 콘텐츠와 배경을 가진 복잡한 실생활 이미지에 얼마나 잘 일반화되는가?
• RQ5 높은 시각적 정밀도를 유지하면서도 포화 용량 측면에서 최신 기술 수준의 성능을 달성할 수 있는가?

주요 결과

• ImageNet, CIFAR10, PASCAL-VOC12 데이터셋에서 모델은 평균 33.3% 용량(8 bpp)을 달성하며, 스테고 이미지에 대해 평균 PSNR 32.92 dB, 복원된 포화에 대해 36.58 dB를 기록한다.
• ImageNet 데이터셋에서 150 에포크 훈련 후, 스테고 이미지의 PSNR가 29.6 dB에서 32.92 dB로 향상되면서도 여전히 33.3%의 포화 용량을 유지한다.
• 복원된 포화 이미지의 평균 SSIM은 0.96로 원본과 높은 구조적 유사성을 보인다.
• 미세조정 없이도 테스트된 PASCAL-VOC12 및 LFW 데이터셋에 대해 모델은 높은 PSNR 및 SSIM 값을 유지하며 잘 일반화된다.
• 특히 자연스러운 이미지에서 복잡한 콘텐츠를 가진 경우, 기존의 스테가노그래피 기법보다 포화 용량과 시각적 정밀도 측면에서 뛰어난 성능을 보인다.