Securing Fixed Neural Network Steganography

要約

画像ステガノグラフィーは、権限のない当事者が認識できない方法で画像内の秘密情報を隠す技術です。
最近の進歩により、秘密の埋め込みと抽出に固定ニューラル ネットワーク (FNN) を使用できることが示されました。
このような固定ニューラル ネットワーク ステガノグラフィー (FNNS) は、ネットワークをトレーニングすることなく高いステガノグラフィー パフォーマンスを実現するため、現実のアプリケーションではさらに役立つ可能性があります。
ただし、既存の FNNS スキームは、誰でもステゴ画像から秘密を抽出できるという点で脆弱です。
この問題に対処するために、FNNS のセキュリティを向上させるキーベースの FNNS スキームを提案します。このスキームでは、データ埋め込みのために FNN からキー制御の摂動を生成します。
したがって、キーを所有する受信者のみが、FNN を使用してステゴ画像から秘密を正しく抽出できます。
ステゴ画像の視覚的品質と検出不可能性を改善するために、摂動コストを考慮して適応摂動最適化戦略をさらに提案します。
実験結果は、私たちの提案したスキームがステゴ画像からの不正な秘密抽出を防止できることを示しています。
さらに、私たちのスキームは、特に FNN が通常の学習タスク用のニューラル ネットワークである場合、最先端の FNNS スキームよりも高い視覚品質を持つステゴ画像を生成できます。

要約(オリジナル)

Image steganography is the art of concealing secret information in images in a way that is imperceptible to unauthorized parties. Recent advances show that is possible to use a fixed neural network (FNN) for secret embedding and extraction. Such fixed neural network steganography (FNNS) achieves high steganographic performance without training the networks, which could be more useful in real-world applications. However, the existing FNNS schemes are vulnerable in the sense that anyone can extract the secret from the stego-image. To deal with this issue, we propose a key-based FNNS scheme to improve the security of the FNNS, where we generate key-controlled perturbations from the FNN for data embedding. As such, only the receiver who possesses the key is able to correctly extract the secret from the stego-image using the FNN. In order to improve the visual quality and undetectability of the stego-image, we further propose an adaptive perturbation optimization strategy by taking the perturbation cost into account. Experimental results show that our proposed scheme is capable of preventing unauthorized secret extraction from the stego-images. Furthermore, our scheme is able to generate stego-images with higher visual quality than the state-of-the-art FNNS scheme, especially when the FNN is a neural network for ordinary learning tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google