[论文解读] 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 51

一句话总结

本文提出一种基于GAN的安全隐写框架，使用一个生成器和两个判别器，生成高质量、鲁棒的覆盖图以隐藏信息，从而在训练稳定性和图像质量方面实现改进。

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.

研究动机与目标

• 通过生成能抵抗检测的合适图像覆盖来推动安全隐写.
• 开发一个基于GAN的框架，在视觉质量与信息隐藏适用性之间实现平衡。
• 提高相对于传统GAN方法的收敛速度和训练稳定性。
• 通过加强的隐写分析网络来提升对生成覆盖的辨别评估。

提出的方法

• 使用一种新颖的GAN形式，包含一个生成器和两个判别网络。
• 生成器着重于适用于隐写的图像的视觉质量。
• 判别网络评估生成图像在信息隐藏方面的适用性并检测隐写潜力。
• 重构并采用一个复杂的隐写分析网络以更好地评估覆盖性能。
• 在公开数据集上展示改进的收敛速度、训练稳定性和图像质量。

实验结果

研究问题

• RQ1 所提出的 SSGAN 框架是否能够生成在视觉上具有说服力且高度适合进行安全数据嵌入的图像覆盖吗？
• RQ2 相较于标准的 GAN 设定，替代的 GAN 公式是否在收敛速度和训练稳定性方面有所改进？
• RQ3 改进的基于隐写分析的判别器是否能更好地评估并引导覆盖的质量以用于信息隐藏？

主要发现

• 该方法在收敛速度和训练稳定性方面带来改进。
• 生成的图像在视觉质量方面得到提升，适用于隐写。
• 加强的隐写分析网络提供了对覆盖性能的更好评估。
• 在公开数据集上的实验表明所提出方法的有效性和鲁棒性。