图像信息隐写相关论文三

这里要说的还是和前两篇博文一样，是基于GAN的隐写方法。

A Novel Image Steganography Method via Deep Convolutional Generative Adversarial Networks（2018）

传统的基于嵌入的隐写方法都对cover image进行了修改，这使得stage image很容易被基于机器学习的隐写分析算法检测出来。就有了stegenography without embedding（SWE）的概念，他不需要修改载体图像的数据。这篇文章基于深度卷积生成对抗网络提出了一种新的SWE方法。通过将秘密信息映射成噪声向量，并且训练生成器基于噪声向量生成图像。
整个模型主要分三个阶段，首先是训练DCGAN得到生成器G，输入噪声生成器G可以生成图像。其次是训练CNNs模型（提取器E），E从G生成的图像stege image中提取信息。最后，发送者和接受这者分别利用G和E，发送者将秘密信息分割成片段Si，并将它们映射到噪声向量zi，G由zi生成stage image，接收者收到stage image后用E提取噪声向量z’i并反映射得到秘密信息。

Embedding Image Through Generated Intermediate Medium Using Deep Convolutional Generative Adversarial Network（2018）

这篇论文也是基于DCGAN的，通过DCGAN来生成纹理图像作为cover image，然后将一张大小和cover image一样的秘密图像隐写到cover image中得到stage image，其中隐写是通过基于CNN的concealing network完成。


concealing network需要完成两个工作，将秘密图像写入生成的纹理图像（cover image）和提取出秘密图像。