[论文解读] The Reincarnation of Grille Cipher: A Generative Approach

Jia Liu, Yan Ke+6 more|arXiv (Cornell University)|Apr 18, 2018

Advanced Steganography and Watermarking Techniques参考文献 31被引用 5

一句话总结

本文提出了一种生成式栅格密码框架，利用深度学习在隐写术中同时确保内容安全与信道安全。通过使用结合语义图像修复和新型损失函数的生成对抗网络，该方法在无需显式载体图像的情况下生成逼真的密文，利用 Jensen-Shannon 散度实现高安全性，并提升信息保真度。

ABSTRACT

In order to keep the data secret, various techniques have been implemented to encrypt and decrypt the secret data. Cryptography is committed to the security of content, i.e. it cannot be restored with a given ciphertext. Steganography is to hiding the existence of a communication channel within a stego. However, it has been difficult to construct a cipher (cypher) that simultaneously satisfy both channel and content security for secure communication. Inspired by the Cardan grille, this paper presents a new generative framework for grille cipher. A digital cardan grille is used for message encryption and decryption. The ciphertext is directly sampled by a powerful generator without an explicit cover. Message loss and prior loss are proposed for penalizing message extraction error and unrealistic ciphertext. Jensen-Shannon Divergence is introduced as new criteria for channel security. A simple practical data-driven grille cipher is proposed using semantic image inpainting and generative adversarial network. Experimental results demonstrate the promising of the proposed method.

研究动机与目标

• 为解决隐写通信中长期存在的内容与信道安全双重保障难题。
• 利用现代深度生成模型复兴经典的卡达诺栅格概念。
• 通过直接生成逼真的密文，消除对显式载体图像的依赖。
• 引入新型损失函数，以惩罚信息提取错误和不真实的输出。
• 采用 Jensen-Shannon 散度作为新指标，评估信道安全性。

提出的方法

• 采用数字卡达诺栅格作为掩码，直接在生成模型的潜在空间中加密消息。
• 训练生成对抗网络（GAN）以生成无需预存载体的逼真密文图像。
• 引入消息损失和先验损失，以最小化重建误差并保持生成输出的语义一致性。
• 使用 Jensen-Shannon 散度（JSD）作为标准，通过比较生成密文的分布与随机噪声的分布来衡量信道安全性。
• 应用语义图像修复技术，生成视觉上合理的隐藏对象以隐藏秘密信息。
• 采用端到端训练方式，结合对抗损失、感知损失以及所提出的消息损失和先验损失。

实验结果

研究问题

• RQ1 深度生成模型能否在无需载体图像的情况下生成安全且不可检测的隐写图像？
• RQ2 在隐写系统中，如何联合优化生成密文的信息保真度与真实感？
• RQ3 Jensen-Shannon 散度在生成式隐写术中作为信道安全性可靠度量的适用程度如何？
• RQ4 语义修复技术的整合能否提升生成隐写对象的真实感与安全性？
• RQ5 消息损失与先验损失在降低提取错误和增强安全性方面分别起到何种作用？

主要发现

• 所提方法实现了高信息重建准确率，由于有效引入消息损失正则化，提取误差极低。
• 先验损失的使用显著提升了生成密文的语义一致性和真实感。
• Jensen-Shannon 散度结果表明信道安全性强，生成密文在统计上与随机噪声不可区分。
• 该框架成功生成了无需任何外部载体图像的视觉上逼真的隐写图像，降低了对自然图像源的依赖。
• 实验结果证实该方法在内容安全（低消息错误率）与信道安全（低 JSD 分数）之间实现了良好平衡。
• 生成式方法在视觉质量与安全度量方面均优于传统隐写方法。