論文の概要: Double-Flow-based Steganography without Embedding for Image-to-Image Hiding

• arxiv url: http://arxiv.org/abs/2311.15027v1
• Date: Sat, 25 Nov 2023 13:44:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 22:18:55.765315
• Title: Double-Flow-based Steganography without Embedding for Image-to-Image Hiding
• Title（参考訳）: 画像から画像への埋め込みを伴わない二重フロー型ステガノグラフィー
• Authors: Bingbing Song, Derui Wang, Tianwei Zhang, Renyang Liu, Yu Lin and Wei Zhou
• Abstract要約: 埋め込みのないステガノグラフィ(SWE)は、直接カバーに埋め込むことなく秘密のメッセージを隠蔽する。 SWEは、典型的なステガナリシス法に免疫を持つというユニークな利点があり、秘密のメッセージが露出することを防ぐことができる。 既存のSWE手法は、ペイロード容量が低く、回収された秘密メッセージの忠実度が低いため、一般的に批判されている。
• 参考スコア（独自算出の注目度）: 14.024920153517174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an emerging concept, steganography without embedding (SWE) hides a secret message without directly embedding it into a cover. Thus, SWE has the unique advantage of being immune to typical steganalysis methods and can better protect the secret message from being exposed. However, existing SWE methods are generally criticized for their poor payload capacity and low fidelity of recovered secret messages. In this paper, we propose a novel steganography-without-embedding technique, named DF-SWE, which addresses the aforementioned drawbacks and produces diverse and natural stego images. Specifically, DF-SWE employs a reversible circulation of double flow to build a reversible bijective transformation between the secret image and the generated stego image. Hence, it provides a way to directly generate stego images from secret images without a cover image. Besides leveraging the invertible property, DF-SWE can invert a secret image from a generated stego image in a nearly lossless manner and increases the fidelity of extracted secret images. To the best of our knowledge, DF-SWE is the first SWE method that can hide large images and multiple images into one image with the same size, significantly enhancing the payload capacity. According to the experimental results, the payload capacity of DF-SWE achieves 24-72 BPP is 8000-16000 times compared to its competitors while producing diverse images to minimize the exposure risk. Importantly, DF-SWE can be applied in the steganography of secret images in various domains without requiring training data from the corresponding domains. This domain-agnostic property suggests that DF-SWE can 1) be applied to hiding private data and 2) be deployed in resource-limited systems.
• Abstract（参考訳）: 新たな概念として、埋め込みのないステガノグラフィ(SWE)は、直接カバーに埋め込むことなく秘密のメッセージを隠蔽する。 したがって、SWEは典型的なステガナリシス法に免疫を持つというユニークな利点があり、秘密のメッセージが露出することを防ぐことができる。 しかし、既存のSWE手法は、ペイロード容量が低く、回収された秘密メッセージの忠実度が低いため、一般的に批判されている。 本稿では,前述の欠点に対処し,多様な自然なステゴ画像を生成するDF-SWEという新しいステガノグラフィー手法を提案する。 具体的には、DF-SWEは二重フローの可逆循環を用いて、秘密画像と生成されたステゴ画像との間の可逆的単射変換を構築する。 したがって、カバー画像なしで秘密画像からステゴ画像を直接生成する方法を提供する。 DF-SWEは、この可逆性を活用することに加えて、生成したステゴ画像から秘密画像をほぼ損失なく反転させ、抽出した秘密画像の忠実度を高めることができる。 我々の知る限り、DF-SWEは、大きな画像と複数の画像を同じ大きさの1つの画像に隠蔽し、ペイロード容量を大幅に向上する最初のSWE手法である。 実験結果によると、DF-SWEのペイロード容量は競合に比べて8000-16000倍であり、露光リスクを最小限に抑えるために多様な画像を生成する。 さらに、df-sweは、対応するドメインからのトレーニングデータを必要とせずに、各ドメインの秘密画像のステガノグラフィに適用できる。 このドメインに依存しない性質はdf-sweが 1)個人データの隠蔽に適用し、 2) リソース制限されたシステムにデプロイする。

関連論文リスト

• StegaINR4MIH: steganography by implicit neural representation for multi-image hiding [6.29495604869364]
  複数の秘密画像を隠蔽画像に埋め込んだマルチ画像隠蔽は、画像ステガノグラフィー分野における研究ホットスポットになりつつある。 本稿では,1つの暗黙的表現関数内に複数の画像を隠蔽できる新しい暗黙的表現ステガノグラフィーフレームワークであるStegaINR4MIHを提案する。
  論文  参考訳（メタデータ） (2024-10-14T03:09:41Z)
• FIIH: Fully Invertible Image Hiding for Secure and Robust [4.073420582409583]
  本稿では, 可逆ニューラルネットワークに基づく, 完全に可逆な画像隠蔽アーキテクチャを提案する。 この巧妙なアーキテクチャに基づいて、深層学習に基づく画像ステガナリシスに耐えることができる。 実験により,本論文で提案したFIIHは,1つの画像を隠蔽する他の最先端画像隠蔽法よりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-24T10:53:14Z)
• Diffusion-Based Hierarchical Image Steganography [60.69791384893602]
  Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。 フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。 この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
  論文  参考訳（メタデータ） (2024-05-19T11:29:52Z)
• PRIS: Practical robust invertible network for image steganography [10.153270845070676]
  画像ステガノグラフィー(英: Image steganography)は、人間の目では見えないように、他の画像の中に秘密情報を隠す技術である。 既存の画像ステガノグラフィ法のほとんどは、歪みに影響を受ける容器像の隠れ堅牢性が低い。 本稿では,可逆ニューラルネットワークに基づく画像ステガノグラフィーの堅牢性向上を目的としたPRISを提案する。
  論文  参考訳（メタデータ） (2023-09-24T12:29:13Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• ConfounderGAN: Protecting Image Data Privacy with Causal Confounder [85.6757153033139]
  本稿では,GAN(Generative Adversarial Network)のConfounderGANを提案する。 実験は、3つの自然なオブジェクトデータセットと3つの医療データセットからなる6つの画像分類データセットで実施される。
  論文  参考訳（メタデータ） (2022-12-04T08:49:14Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• Generative Steganography Network [37.182458848616754]
  表紙画像を用いることなく現実的なステゴ画像を生成することのできる,高度な生成型ステガノグラフィーネットワーク(GSN)を提案する。 シークレットブロックと呼ばれるモジュールは、画像生成中に特徴マップにシークレットデータを隠蔽するように微妙に設計されている。
  論文  参考訳（メタデータ） (2022-07-28T03:34:37Z)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)
• Exploiting Deep Generative Prior for Versatile Image Restoration and Manipulation [181.08127307338654]
  本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。 深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
  論文  参考訳（メタデータ） (2020-03-30T17:45:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。