論文の概要: DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models
- arxiv url: http://arxiv.org/abs/2407.10459v1
- Date: Mon, 15 Jul 2024 06:15:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 16:11:00.014602
- Title: DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models
- Title(参考訳): DiffStega: 拡散モデルを用いたUniversal Training-Free Coverless Image Steganographyを目指して
- Authors: Yiwei Yang, Zheyuan Liu, Jun Jia, Zhongpai Gao, Yunhao Li, Wei Sun, Xiaohong Liu, Guangtao Zhai,
- Abstract要約: カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。
近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。
そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
- 参考スコア(独自算出の注目度): 38.17146643777956
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional image steganography focuses on concealing one image within another, aiming to avoid steganalysis by unauthorized entities. Coverless image steganography (CIS) enhances imperceptibility by not using any cover image. Recent works have utilized text prompts as keys in CIS through diffusion models. However, this approach faces three challenges: invalidated when private prompt is guessed, crafting public prompts for semantic diversity, and the risk of prompt leakage during frequent transmission. To address these issues, we propose DiffStega, an innovative training-free diffusion-based CIS strategy for universal application. DiffStega uses a password-dependent reference image as an image prompt alongside the text, ensuring that only authorized parties can retrieve the hidden information. Furthermore, we develop Noise Flip technique to further secure the steganography against unauthorized decryption. To comprehensively assess our method across general CIS tasks, we create a dataset comprising various image steganography instances. Experiments indicate substantial improvements in our method over existing ones, particularly in aspects of versatility, password sensitivity, and recovery quality. Codes are available at \url{https://github.com/evtricks/DiffStega}.
- Abstract(参考訳): 従来の画像ステガノグラフィーは、許可されていないエンティティによるステガナリシスを避けることを目的として、別のイメージを隠蔽することに焦点を当てている。
カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。
近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。
しかし、このアプローチでは、プライベートプロンプトの推測時に無効化、セマンティックな多様性のための公開プロンプトの作成、頻繁な送信中のプロンプトリークのリスクという3つの課題に直面している。
これらの課題に対処するため、我々は、ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散ベースのCIS戦略であるDiffStegaを提案する。
DiffStegaは、パスワードに依存した参照イメージを、テキストと並行してプロンプトとして使用し、認証された当事者だけが隠された情報を検索できるようにする。
さらに,不許可な復号化に対するステガノグラフィーの安全性を高めるため,ノイズフリップ手法を開発した。
一般的なCISタスクにまたがる手法を包括的に評価するために,様々な画像ステガノグラフィーインスタンスからなるデータセットを作成する。
実験の結果,既存の手法よりも,特に汎用性,パスワードの感度,回復性などの面で,本手法の大幅な改善が示唆された。
コードは \url{https://github.com/evtricks/DiffStega} で公開されている。
関連論文リスト
- MFCLIP: Multi-modal Fine-grained CLIP for Generalizable Diffusion Face Forgery Detection [64.29452783056253]
フォトリアリスティック・フェイスジェネレーション手法の急速な発展は、社会やアカデミックにおいて大きな関心を集めている。
既存のアプローチは主に画像モダリティを用いて顔の偽造パターンをキャプチャするが、きめ細かいノイズやテキストのような他のモダリティは完全には探索されていない。
そこで本研究では,画像ノイズの多点にわたる包括的かつきめ細かなフォージェリートレースをマイニングする,MFCLIP(MF-modal Fine-fine-fine-fine-fine-fine CLIP)モデルを提案する。
論文 参考訳(メタデータ) (2024-09-15T13:08:59Z) - PPRSteg: Printing and Photography Robust QR Code Steganography via Attention Flow-Based Model [35.831644960576035]
QRコードステガノグラフィーは、自然な画像に非自然なイメージを埋め込むことを目的としており、復元されたQRコードを認識する必要がある。
本稿では,QRコードをホスト画像に隠蔽する機能を持つPing and Photography Robust Steganography(PPRSteg)という新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-26T03:16:40Z) - Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。
認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
論文 参考訳(メタデータ) (2024-02-28T06:07:07Z) - DKiS: Decay weight invertible image steganography with private key [11.41125892113752]
新規な秘密鍵を用いた画像ステガノグラフィ技術が導入された。
ステガノグラフィー法の公開知識にかかわらず、アクセスには対応する秘密鍵が必要である。
非可逆的画像ステガノグラフィープロセスにおける重要な課題が特定されている。
論文 参考訳(メタデータ) (2023-11-30T04:21:10Z) - Catch You Everything Everywhere: Guarding Textual Inversion via Concept Watermarking [67.60174799881597]
本稿では,透かし情報を対象概念に埋め込んで,その概念に基づいて生成された画像から抽出する新しい概念透かしを提案する。
実際には、コンセプトオーナは、自身のコンセプトを異なる透かし(e, serial number)をプラットフォームにアップロードすることができ、プラットフォームは異なるシリアル番号を、その後の追跡と法医学のために割り当てる。
論文 参考訳(メタデータ) (2023-09-12T03:33:13Z) - 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) - RoSteALS: Robust Steganography using Autoencoder Latent Space [19.16770504267037]
RoSteALSは、凍結した事前訓練されたオートエンコーダを利用して、カバーイメージの分布学習からペイロード埋め込みを解放する実用的なステガノグラフィ技術である。
RoSteALSは、たった300kパラメータの軽量なシークレットエンコーダを持ち、訓練が容易で、完全なシークレットリカバリ性能と3つのベンチマークで同等の画像品質を持つ。
論文 参考訳(メタデータ) (2023-04-06T22:14:26Z) - 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) - Image Steganography based on Style Transfer [12.756859984638961]
スタイル転送に基づく画像ステガノグラフィーネットワークを提案する。
コンテンツイメージスタイルを変換しながら、秘密情報を埋め込みます。
潜時空間では、秘密情報をカバー画像の潜時表現に統合してステゴ画像を生成する。
論文 参考訳(メタデータ) (2022-03-09T02:58:29Z) - Multitask Identity-Aware Image Steganography via Minimax Optimization [9.062839197237807]
我々は,秘密画像の復元なしにコンテナイメージの直接認識を実現するための,Multitask Identity-Aware Image Steganography (MIAIS) というフレームワークを提案する。
直接認識の鍵となる問題は、秘密画像のアイデンティティ情報をコンテナイメージに保存し、コンテナイメージを同時にカバーイメージに類似させることである。
秘密画像復元に柔軟性を持たせるために,オプションの復元ネットワークを本手法に組み込んだ。
論文 参考訳(メタデータ) (2021-07-13T02:53:38Z)
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。