Generative Steganographic Flow

要約

タイトル：Generative Steganographic Flow（生成型ステガノグラフィックフロー）

要約：
– Generative Steganography（GS）は、秘密データから直接ステゴメディアを生成する新しいデータ隠蔽方法である。
– しかし、既存のGS方法は一般的にパフォーマンスが低いと批判されている。
– 本研究では、カバー画像なしで直接ステゴ画像を生成する新しいフローベースのGSアプローチであるGenerative Steganographic Flow（GSF）を提案する。
– ステゴ画像生成と秘密データの回復プロセスを可逆な変換として扱い、入力秘密データと生成されたステゴ画像の間に可逆な全単射写像を構築する。
– 正方向のマッピングでは、秘密データはGlowモデルの入力の潜在変数に隠され、ステゴ画像が生成される。
– 逆マッピングにより、生成されたステゴ画像から正確な隠されたデータを抽出することができる。
– さらに、ステゴ画像の忠実度を改善するための新しい潜在的最適化戦略を提案する。
– 実験結果は、提案されたGSFがSOTA作品よりもはるかに優れたパフォーマンスを持つことを示している。

要約(オリジナル)

Generative steganography (GS) is a new data hiding manner, featuring direct generation of stego media from secret data. Existing GS methods are generally criticized for their poor performances. In this paper, we propose a novel flow based GS approach — Generative Steganographic Flow (GSF), which provides direct generation of stego images without cover image. We take the stego image generation and secret data recovery process as an invertible transformation, and build a reversible bijective mapping between input secret data and generated stego images. In the forward mapping, secret data is hidden in the input latent of Glow model to generate stego images. By reversing the mapping, hidden data can be extracted exactly from generated stego images. Furthermore, we propose a novel latent optimization strategy to improve the fidelity of stego images. Experimental results show our proposed GSF has far better performances than SOTA works.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI