[发明专利]一种基于GAN的载体图像合成隐写方法

说明书

本发明涉及一种基于GAN的载体图像合成隐写方法，包括：将数据集中的每幅图像均裁剪成大小相同的图像，并组成真实图像数据集；构建生成网络G、判别网络D、取证网络F及提取网络E，并初始化生成网络G、判别网络D和提取网络E中的参数，取证网络F中的参数为预设值；使用批训练方式对初始化的生成网络G、判别网络D和提取网络E进行训练，得到训练完成的生成网络G、判别网络D和提取网络E；将待嵌入的秘密信息和预设的密钥输入到训练完成的生成网络G中，得到合成载体图像；将合成载体图像和上述预设的密钥输入到训练完成的提取网络E中，则提取出秘密信息。该方法中增强了算法的安全性，且提高了合成载体图像的自然度。

技术领域

本发明涉及图像隐写领域，特别涉及一种基于GAN的载体图像合成隐写方法。

背景技术

隐写是信息隐藏技术的重要分支，其目标是将秘密信息以一种难以感知的方法隐藏于数字载体中(例如，图像、音频和视频等)，并发送给接收者。现代的隐写方法主要分为三种基本体系结构：载体修改、载体选择以及载体合成。在上述三种基本体系结构中载体选择以及载体合成隐写方法相较于载体修改隐写术的发展较为滞后。其中载体合成隐写方法由于只能生成纹理、指纹等无语义等图像，导致使用的场景十分受限

近年来，在各种深度神经网络中，GAN受到广泛的关注与研究。在GAN框架下，两个神经网络通过进行对抗训练，从而趋近纳什平衡。GAN的对抗训练与生成特性已经在图像合成、风格转换、图像去噪等一系列回归任务中展现出了强大的性能。GAN具有图像合成的特性，这与载体图像生成隐写术相契合，因而出现了基于GAN的载体图像合成隐写术。在文献Hu D,Wang L,Jiang W,et al.A novel image steganography method via deepconvolutional generative adversarial networks[J].IEEE Access,2018,6:38303-38314中，研究者首次提出这样的想法，如图1所示，该方法具体分为三个步骤：

1)训练可以合成图像的GAN框架，该框架下包括了一个生成网络与一个判别网络。生成网络以噪声向量作为输入，输出合成图像；判别网络以合成图像与真实图像作为输入，对合成图像进行辨别。

2)设计一个提取网络，加入到GAN框架下，并单独训练提取网路。提取网络接收合成图像并输出原始的噪声向量。

3)应用阶段，隐写者将二进制的秘密信息映射为噪声向量，作为生成网络网络的输入，输出合成图像。接收者将合成图像输入到对应的提取网络中，提取噪声向量并重新映射会秘密信息。

相较于传统的载体图像生成隐写术，上述文献所提出的方法通过GAN来合成人脸、食物等具有语义的载体图像，扩展了适用场景。此外，隐写容量也有明显的提升。因此上述文献所提出的方法虽然在一定程度上缓解了“无法生成语义载体图像”这个问题，但是合成的载体图像的自然度仍然有待提高。其次，在该方法中并没有密钥的参与，因而当方法公开时无法保护秘密信息的安全性，即没有满足密码学中的柯克霍夫斯基原则。最后，合成的载体图像容易受到合成图像取证检测，从而暴露于检测者之下。因此需要进一步改进。

发明内容

本发明所要解决的技术问题是针对现有技术的现状，提供一种提高秘密信息保护的安全性的基于GAN的载体图像合成隐写方法。

本发明解决上述技术问题所采用的技术方案为：一种基于GAN的载体图像合成隐写方法，其特征在于：包括以下步骤：

步骤1、构建数据集，并将数据集中的每幅图像均裁剪成i*j大小的图像，之后将裁剪完成的数据集组成真实图像数据集；其中，i和j均为正整数；

步骤2、构建生成网络G、判别网络D、取证网络F及提取网络E，并初始化生成网络G、判别网络D和提取网络E中的参数，取证网络F中的参数为预设值；