Steganography of Steganographic Networks

要約

ステガノグラフィーは、2 者間の秘密通信のための技術です。
ディープ ニューラル ネットワーク (DNN) の急速な発展に伴い、ステガノグラフィック ネットワークが最近提案され、優れたパフォーマンスを達成することが期待されています。
従来の手作りのステガノグラフィ ツールとは異なり、ステガノグラフィ ネットワークは比較的サイズが大きくなります。
これは、現実世界のアプリケーションにおけるステガノグラフィのパイプラインの重要な段階である、パブリック チャネルでステガノグラフィ ネットワークを秘密裏に送信する方法に関する懸念を引き起こします。
このような問題に対処するために、この論文では、ステガノグラフィネットワークのステガノグラフィの新しいスキームを提案します。
秘密に対応するためにカバー データの微妙な変更に焦点を当てた既存のステガノグラフィ スキームとは異なります。
ステガノグラフィ ネットワーク (秘密 DNN モデルと呼ばれる) を、通常の機械学習タスク (ステゴ タスクと呼ばれる) を実行するステゴ DNN モデルに偽装することを提案します。
モデルの偽装中に、秘密の DNN モデル内のフィルターのサブセットを選択して調整し、秘密のタスクでその機能を維持します。残りのフィルターは、部分最適化戦略に従って再アクティブ化され、秘密の DNN モデル全体をステゴ DNN に偽装します。
モデル。
秘密の DNN モデルは、必要に応じてステゴ DNN モデルから復元できます。
ステガノグラフィ ネットワークの秘密通信および一般的な DNN モデルの提案された方法の利点を実証するために、さまざまな実験が行われました。

要約(オリジナル)

Steganography is a technique for covert communication between two parties. With the rapid development of deep neural networks (DNN), more and more steganographic networks are proposed recently, which are shown to be promising to achieve good performance. Unlike the traditional handcrafted steganographic tools, a steganographic network is relatively large in size. It raises concerns on how to covertly transmit the steganographic network in public channels, which is a crucial stage in the pipeline of steganography in real world applications. To address such an issue, we propose a novel scheme for steganography of steganographic networks in this paper. Unlike the existing steganographic schemes which focus on the subtle modification of the cover data to accommodate the secrets. We propose to disguise a steganographic network (termed as the secret DNN model) into a stego DNN model which performs an ordinary machine learning task (termed as the stego task). During the model disguising, we select and tune a subset of filters in the secret DNN model to preserve its function on the secret task, where the remaining filters are reactivated according to a partial optimization strategy to disguise the whole secret DNN model into a stego DNN model. The secret DNN model can be recovered from the stego DNN model when needed. Various experiments have been conducted to demonstrate the advantage of our proposed method for covert communication of steganographic networks as well as general DNN models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google