【技术实现步骤摘要】
本专利技术涉及数字媒体处理，特别涉及一种基于条件可逆网络的生成式图像隐写算法、系统及介质，实现秘密信息安全传输的多媒体信息内容安全。
技术介绍
1、近年来，随着深度学习生成模型的广泛落地，生成式隐写领域得到了快速发展。与嵌入式隐写不同，生成式隐写不需要真实图像的参与，只需要秘密消息来驱动生成模型即可合成载密图像。生成式隐写和生成模型密切相关，早期的工作包括基于gan的方法和基于自回归模型的方法。这些方法在统计安全性方面表现良好，但是合成的图像质量较为模糊，而且图像语义内容不可控。随着生成模型的发展，可逆网络逐渐引起了研究者们的关注：其结构天然可逆，与隐写任务的目标一致，因此研究者们试图将可逆网络引入到隐写任务当中来。对于基于可逆网络的生成式隐写，目前现有方法已经在图像领域取得了初步探索。该方法在统计安全性方面表现良好，但是不能控制合成的语义内容，因此不能保证隐蔽通信行为的安全性。这也是现有的生成式图像隐写方法面临的共同问题。而且，载密图像在存储和传输过程中往往会进行取整操作，这种情况下现有的生成式隐写方法不能保证秘密消息的准确提取。p>
本文档来自技高网...
【技术保护点】
1.一种基于条件可逆网络的生成式图像隐写算法，其特征在于，
2.根据权利要求1所述的一种基于条件可逆网络的生成式图像隐写算法，其特征在于，消息映射时，对于秘密消息中的每个比特位m，如果m为0，则从标准正态分布N(0,1)中选择一个小于-α的值，填入隐变量序列；如果m为1，则从标准正态分布N(0,1)中选择一个大于α的值，填入隐变量序列。
3.根据权利要求1所述的一种基于条件可逆网络的生成式图像隐写算法，其特征在于，消息逆映射时，对于隐变量序列中的每个隐变量z，如果z<0，则对应的比特为0；反之则对应的比特为1。
4.根据权利要...
【技术特征摘要】
1.一种基于条件可逆网络的生成式图像隐写算法，其特征在于，
2.根据权利要求1所述的一种基于条件可逆网络的生成式图像隐写算法，其特征在于，消息映射时，对于秘密消息中的每个比特位m，如果m为0，则从标准正态分布n(0,1)中选择一个小于-α的值，填入隐变量序列；如果m为1，则从标准正态分布n(0,1)中选择一个大于α的值，填入隐变量序列。
3.根据权利要求1所述的一种基于条件可逆网络的生成式图像隐写算法，其特征在于，消息逆映射时，对于隐变量序列中的每个隐变量z，如果z<0，则对应的比特为0；反之则对应的比特为1。
4.根据权利要求1所述的一种基于条件可逆网络的生成式图像隐写算法，其特征在于，采用训练好的条件可逆神经网络steg-cinn进行图像合成和前馈计算，条件可逆神经网络steg-cinn包括嵌入器网络emb,提取器网络extr，并共享网络权重，训练过程包括：
5.根据权利要求1所述的一种基于条件可逆网络的生成式图像...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。