一种基于神经网络的图像信息隐写方法技术

本发明专利技术公开了一种基于神经网络的图像信息隐写方法，所述基于神经网络的图像信息隐写方法包括以下步骤：对生成对抗网络和提取器进行同步训练，所述生成对抗网络包括用于生成图像的生成器和用于判别图像的判别器；发送者将秘密信息转换成噪声信号并输入训练好的生成器，生成隐写图像；接收者接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号并将噪声信号还原成秘密信息。实现了无修改的隐写方法，隐写后的载体图像并没有经过传统隐写算法的“修改”操作，理论上可以抵抗所有基于特征提取的隐写分析方法的攻击，同时对生成对抗网络和提取器进行同步训练，不仅能提高安全性而且能节省训练时间。

【技术实现步骤摘要】
一种基于神经网络的图像信息隐写方法
本专利技术涉及神经网络领域，尤其涉及一种基于神经网络的图像信息隐写方法。
技术介绍
随着信息化的不断发展，信息安全问题变得越来越重要，传统的保障信息安全的手段主要通过密码学来实现，但是利用密码加密的方法无法掩盖正在通信这一事实，在版权保护、隐蔽通信等特定场合并不适用，近年来发展起来的信息隐藏技术很好地补充了密码学的这一缺点。信息隐藏技术通过将秘密信息嵌入在普通载体中来达到信息安全的目的，这些载体包括常见的文本、音频、图片以及视频等，图片由于人们日常使用广泛而成为最常用的载体。在这个密码信息的通信过程中，有信息的保护者和攻击者两个主要的参与人，对应隐写者与隐写分析者，隐写者的目的是通过信息隐藏算法将秘密信息嵌入到载体中但不被敌人发现，通常要做到视觉、听觉不可感知和统计不可感知；而隐写分析者的目的是判断一个特定的载体是否含有秘密信息，通常意义上来说，隐写分析者一旦对一个含密载体产生合理怀疑，则这个信息隐藏过程就是失败的。随着信息隐藏技术的发展，视觉、听觉等较低层次的不可感知性对于大部分隐写算法来说都是可以本文档来自技高网...

【技术保护点】
1.一种基于神经网络的图像信息隐写方法，其特征在于，所述基于神经网络的图像信息隐写方法包括以下步骤：/n对生成对抗网络和提取器进行同步训练，所述生成对抗网络包括用于生成图像的生成器和用于判别图像的判别器；/n所述同步训练可为：利用原始图库和噪声样本进行模型训练，在训练的过程中有生成器、判别器、提取器的同时参与，并预先设定一个训练迭代次数，训练完成后，生成器能够生成质量好的图像、判别器无法判断生成的图像是否为自然图像或生成图像、提取器能够准确地提取出噪声信号；/n发送者将秘密信息转换成噪声信号并输入训练好的生成器，生成隐写图像；/n接收者接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号并...

【技术特征摘要】
1.一种基于神经网络的图像信息隐写方法，其特征在于，所述基于神经网络的图像信息隐写方法包括以下步骤：
对生成对抗网络和提取器进行同步训练，所述生成对抗网络包括用于生成图像的生成器和用于判别图像的判别器；
所述同步训练可为：利用原始图库和噪声样本进行模型训练，在训练的过程中有生成器、判别器、提取器的同时参与，并预先设定一个训练迭代次数，训练完成后，生成器能够生成质量好的图像、判别器无法判断生成的图像是否为自然图像或生成图像、提取器能够准确地提取出噪声信号；
发送者将秘密信息转换成噪声信号并输入训练好的生成器，生成隐写图像；
接收者接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号并将噪声信号还原成秘密信息。


2.根据权利要求1所述的基于神经网络的图像信息隐写方法，其特征在于，所述生成器的输入为噪声向量，然后通过一个全连接层和四个卷积层，输出为一副图像；所述判别器包含四个卷积层，最后一层为含有2个输出的softmax函数，用来区分生成的隐写图像和自然图像；所述提取器也包含四个卷积层，输入是与生成器输出图像维度一致的图像，最后一层为全连接层，输出是与生成器输入向量维度一致的向量，用来恢复噪声信号。


3.根据权利要求2所述的基于神经网络的图像信息隐写方法，其特征在于，所述对生成对抗网络和提取器进行同步训练包括以下步骤：固定生成器与提取器，更新判别器；固定判别器和生成器，更新提取器；固定判别器和提取器，更新生成器。


4.根据权利要求1所述的基于神经网络的图像信息隐写方法，其特征在于，所述将秘密信息转换成噪声信号具体为：利用密码算法对明文信息进行加密形成二进制比特流，然后根据约定的映射规则将密文比特流映射为噪声信号。


5.根...

【专利技术属性】
技术研发人员：李军，钮可，张震，雷雨，张英男，
申请(专利权)人：中国人民武装警察部队工程大学，
类型：发明
国别省市：陕西;61