公开(公告)号：CN114969785B

公开(公告)日：2024-06-18

申请号：CN202210586873.X

申请日：2022-05-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 丁宇新 ,  周子涵 ,  苏艺奇 ,  张俊杰

IPC: G06F21/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及通信加密技术，特别涉及一种基于可逆神经网络的无载体图像隐写方法。在编码时，将秘密信息按照固定的长度划分为一个个比特组，并使一个比特组对应一个范围内的数值；在解码时，根据数据中每个数值所在的范围，得到其所对应的比特组，将各个比特组连接起来，得到秘密信息；在可逆神经网络中将Glow模型与生成式对抗网络结合，构建先验分布与真实图像分布之间的双向映射；将Glow模型与生成对抗样本结合，生成含密图像。可逆神经网络的逆向过程是无损的，可以藏入更多的秘密，隐写容量更高，同时将基于Glow模型与生成式对抗网络生成模型结合，生成图像更加真实，可靠，将对抗样本生成融入到生成模型中，生成对抗样本，提高隐写方法的安全性。

公开(公告)号：CN114969785A

公开(公告)日：2022-08-30

申请号：CN202210586873.X

申请日：2022-05-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 丁宇新 ,  周子涵 ,  苏艺奇 ,  张俊杰

IPC: G06F21/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及通信加密技术，特别涉及一种基于可逆神经网络的无载体图像隐写方法。在编码时，将秘密信息按照固定的长度划分为一个个比特组，并使一个比特组对应一个范围内的数值；在解码时，根据数据中每个数值所在的范围，得到其所对应的比特组，将各个比特组连接起来，得到秘密信息；在可逆神经网络中将Glow模型与生成式对抗网络结合，构建先验分布与真实图像分布之间的双向映射；将Glow模型与生成对抗样本结合，生成含密图像。可逆神经网络的逆向过程是无损的，可以藏入更多的秘密，隐写容量更高，同时将基于Glow模型与生成式对抗网络生成模型结合，生成图像更加真实，可靠，将对抗样本生成融入到生成模型中，生成对抗样本，提高隐写方法的安全性。