KeyMorph:学习参数高效的网络激活用于深度隐写术
《Pattern Recognition》:KeyMorph: Learning parameter-efficient network activation for deep steganography
【字体:
大
中
小
】
时间:2026年10月21日
来源:Pattern Recognition 9.1
编辑推荐:
# KeyMorph:面向深度隐写术的参数高效网络激活框架
## 关键贡献
• KeyMorph 实现了无需传输大型或可疑参数的隐写术。
• 实现了与标准 CNN 更强的结构和功能不可区分性。
• 设计了 KD-Conv 以实现无缝网络形态转换。
• 在 DIV2K、CO
# KeyMorph:面向深度隐写术的参数高效网络激活框架
## 关键贡献
• KeyMorph 实现了无需传输大型或可疑参数的隐写术。
• 实现了与标准 CNN 更强的结构和功能不可区分性。
• 设计了 KD-Conv 以实现无缝网络形态转换。
• 在 DIV2K、COCO 和 ImageNet 数据集上展现了卓越的视觉质量和不可检测性。
## 引言
社交媒体平台的繁荣发展以及信息传输的加速,增加了人们对安全且隐蔽的通信方法的需求。隐写术提供了一种有用的安全范式,它不仅隐藏通信的表面语义内容,还遮蔽了秘密信息交换的存在。与加密 [1] 不同,加密因其可被检测到的特性可能会引起怀疑,而隐写术技术通过将信息嵌入普通的非机密媒体中来实现隐蔽传输,从而允许通过公共渠道进行安全通信。这使得它们在通信受到监控或限制的环境中尤为有用。
隐写术的工作原理是将秘密数据嵌入封面媒体中,例如图像 [2]、[3]、视频 [4]、文本和三维网格 [5] 等。为了确保有效的隐藏,隐写术应满足安全性、容量和恢复准确性的要求。安全性要求隐写媒体在人类感官感知和检测工具下与原始媒体保持感知上的不可区分 [6]、[7]。容量意味着在不损害不可感知性的前提下,应尽可能多地嵌入秘密信息。恢复准确性意味着嵌入的信息应能被接收者准确恢复。
传统隐写术方法 [8]、[9] 采用手工设计的编码,旨在最小化秘密嵌入过程中引入的失真。例如,自适应最低有效位 [8] 和 JPEG 隐写术 [10] 通过将秘密嵌入到设计好的区域来减轻隐写图像(简称隐写图像)的伪影。然而,它们的修改不可避免地会改变像素统计特性 [3],这往往难以在保持不可检测性 [11]、[12]、[13] 的同时满足隐藏信息容量的需求。另一方面,得益于深度学习技术的发展,研究人员开始关注基于深度神经网络(DNN)的隐写术,它通过数据驱动的方式促进了大容量隐写术的发展。这些基于深度学习的秘密嵌入和提取机制 [3]、[14]、[15] 主要基于专门的隐写网络,通常包括一个编码器,可以将秘密消息嵌入封面图像,以及一个解码器,可以处理编码器生成的隐写图像以恢复秘密消息。例如,HiDDeN [3] 和 Baluja [15] 开发了端到端可学习网络以实现有效的秘密嵌入。UDH [16] 将秘密图像转换为不可感知的高频成分进行直接组合。除此之外,可逆神经网络越来越多地被采用以进一步提高不可感知性:HiNet [2] 通过可逆信息流将秘密嵌入离散小波变换域中,DeepMIH [17] 将这种可逆设计扩展到多图隐藏。这些隐写术功能也开始服务于更广泛的应用,从大容量多图和视频隐藏 [4] 到安全用途,如隐写驱动的后门攻击 [18]。
然而,大型且可检测的 DNN 隐写模型带来了严重的传输漏洞。在基于 DNN 的隐写术中,为确保安全性,通信双方必须秘密传输并同步编码器-解码器网络对。深度神经网络的实际部署面临关键挑战,因为其庞大的参数量通常达到 GB 甚至 TB 级别。这产生了一个传输悖论:为了使用 DNN 隐写术隐藏小消息,双方必须首先通过安全信道传输大得多的网络参数。如果这样的安全信道已经存在以用于大数据传输,那么隐写术的实际需求就变得值得质疑了。此外,如图 1 上部和中部所示,神经网络架构固有的功能独特性和结构独特性构成了显眼的指纹。在常用的通信信道中,攻击者可以下载并分析正在传输的隐写网络,识别其敏感功能。或者,通过检查网络结构,他们可以检测到异常,如异常的稀疏模式,这也可能导致隐写网络的暴露。这些特征使得基于 DNN 的隐蔽通信容易被检测,从而限制了其实际适用性。
在本文中,我们提出了一个名为 KeyMorph 的参数高效网络激活框架,用于深度隐写术,该框架通过轻量级密钥传输将公开发布的封面网络转换为隐写网络。
与现有方法不同——它们要么暴露异常的功能和结构模式 [19](例如非结构化稀疏性),要么需要传输庞大的网络参数(或同等大小的辅助信息)——KeyMorph 仅使用不到 1 KB 的密钥即可将普通、可公开分发的网络转换为隐写网络。KeyMorph 利用一个可公开分发的封面网络,该网络能够执行一个无可疑的、普通的封面任务。当需要隐写通信时,编码器和解码器网络通过小于 1 KB 的轻量级激活密钥从公开发布的封面网络中动态转换而来。
具体来说,我们建立了一个可公开分发的封面网络,该网络在结构和功能上是正常的,以实现更强的隐藏(图 1 底部)。在此基础上,我们设计了密钥驱动卷积(KD-Conv)算子,将网络权重划分为不重叠的片段,并通过加密密钥实现选择性参数激活。这些算子通过学习任务特定的权重组合来处理潜在的多任务冲突,同时保持参数效率。这种密钥驱动的形态转换过程在保持封面网络正常功能的同时,实现了隐蔽消息的嵌入和提取,从而使封面网络在结构和功能上表现出与标准 CNN 更强的不可区分性。在 DIV2K [20]、COCO [21] 和 ImageNet [22] 数据集上的大量实验表明,KeyMorph 在视觉质量、不可检测性和安全性方面显著优于现有的隐写术工具隐藏方法。我们的贡献有三点:
• 我们引入了 KeyMorph,一种面向深度隐写术的参数高效网络激活框架,其中封面网络被设计为与标准 CNN 实现结构和功能上的不可区分性,同时仅需轻量级密钥进行安全交换。
• 我们提出了密钥驱动卷积(KD-Conv)算子,能够通过轻量级密钥实现无缝网络形态转换,同时有效处理封面操作和隐写操作之间潜在的多任务冲突。
• 我们通过 DIV2K [20]、COCO [21] 和 ImageNet [22] 数据集上的综合实验,在视觉质量、不可检测性和安全性方面证明了 KeyMorph 在多种隐写术场景中的有效性。
## 相关工作
在本节中,我们简要回顾了以下几个研究主题:A. 传统隐写术,B. 基于 DNN 的隐写术,以及 C. 隐写术工具的隐写术。
## 问题定义
图像隐写术通常通过 Simmons [33] 的"囚犯问题"来概念化:Alice 和 Bob 被监禁并计划逃跑。他们的通信受到看守 Eve(即隐写分析师)的监控。如果 Eve 检测到任何可疑元素,如加密载荷、3 异常的像素模式或非标准……
## 我们提出的 KeyMorph
我们提出的 KeyMorph 旨在解决大规模参数交换过程中固有的可检测性风险漏洞。我们的方法利用一个公开的封面网络 Fθcover(第 4.1 节),该网络在封面任务中表现出结构和功能上的正常性。当需要进行隐写通信时,核心隐写模型的编码器 FθE 和解码器 FθD 通过一对秘密激活密钥(kD/kE)和一个微小的秘密掩码种子 s 进行动态形态转换,其中尺寸……
## 实验设置
在本节中,我们首先描述实验设置,包括数据集、超参数、评估指标和比较方法。然后,我们在单图和高容量多图隐写场景下评估隐写图像和恢复秘密图像(简称恢复图像)的视觉质量和不可检测性,详见第 5.2 节主要结果和第 5.3 节高容量传输。此外,还进行了额外实验以评估……
## 结论
在本文中,我们提出了 KeyMorph,它将公开发布的封面网络转换为隐写系统。与依赖非结构化稀疏网络(容易受到怀疑和检测)的现有方法不同,我们的 KeyMorph 可以安全且高效地传输。我们进一步提出了 KD-Conv 算子,以有效地将正常的封面网络转换为隐写网络,从而增强了学习任务特定关系的能力并实现了增强的……
## CRediT 作者贡献声明
Fanye Kong:撰写初稿、可视化、验证、软件、方法论、调查、形式化分析、数据管理。
Yu Zheng:审阅与编辑、验证、监督、资源、项目管理、方法论、调查、形式化分析。
Lei Chen:资源、项目管理、基金获取。
Jie Zhou:资源、项目管理、基金获取。
Jiwen Lu:资源、项目管理、基金获取。
## 利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文报告的工作。
## 致谢
本研究部分由中国国家自然科学基金资助(批准号 62125603、62336004、62321005、62441616 和 62506198),以及部分由中国博士后科学基金资助(批准号 2024M761674)。
Fanye Kong | Yu Zheng | Lei Chen | Jie Zhou | Jiwen Lu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号