論文の概要: Robust Provably Secure Image Steganography via Latent Iterative Optimization

• arxiv url: http://arxiv.org/abs/2603.09348v1
• Date: Tue, 10 Mar 2026 08:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.149229
• Title: Robust Provably Secure Image Steganography via Latent Iterative Optimization
• Title（参考訳）: 逐次反復最適化によるロバスト画像ステガノグラフィー
• Authors: Yanan Li, Zixuan Wang, Qiyang Xiao, Yanzhen Ren,
• Abstract要約: 本稿では,遅延空間反復最適化に基づく頑健で確実な画像ステガノグラフィーフレームワークを提案する。 この枠組み内では、受信機は送信された画像を固定参照として扱い、遅延変数を反復的に洗練して再構成誤差を最小化する。
• 参考スコア（独自算出の注目度）: 32.34330279826723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a robust and provably secure image steganography framework based on latent-space iterative optimization. Within this framework, the receiver treats the transmitted image as a fixed reference and iteratively refines a latent variable to minimize the reconstruction error, thereby improving message extraction accuracy. Unlike prior methods, our approach preserves the provable security of the embedding while markedly enhancing robustness under various compression and image processing scenarios. On benchmark datasets, the experimental results demonstrate that the proposed iterative optimization not only improves robustness against image compression while preserving provable security, but can also be applied as an independent module to further reinforce robustness in other provably secure steganographic schemes. This highlights the practicality and promise of latent-space optimization for building reliable, robust, and secure steganographic systems.
• Abstract（参考訳）: 本稿では,遅延空間反復最適化に基づく頑健で確実な画像ステガノグラフィーフレームワークを提案する。 この枠組み内では、送信された画像を固定参照として処理し、遅延変数を反復的に洗練して再構成誤差を最小化し、メッセージ抽出精度を向上させる。 従来の手法とは異なり,本手法は,様々な圧縮・画像処理シナリオ下での堅牢性を著しく向上しつつ,組込みの証明可能なセキュリティを保っている。 評価実験の結果,提案手法は画像圧縮に対するロバスト性を向上するだけでなく,独立したモジュールとして適用することで,他の確実なステガノグラフィー方式のロバスト性をさらに強化することができることがわかった。 このことは、信頼性があり堅牢でセキュアなステガノグラフシステムを構築するための潜在空間最適化の実践性と約束を強調している。

関連論文リスト

• Image Super-Resolution with Guarantees via Conformalized Generative Models [3.007707487678111]
  生成した画像の信頼性を確実かつ直感的に伝達できる「信頼マスク」を提案する。 提案手法は,不透明なAPIの背後にロックされているものを含む,任意のブラックボックス生成モデルに適用可能である。 本手法は, データの漏洩時に, 忠実度制御, 復元品質, 堅牢性にまたがる理論的保証を強く証明する。
  論文  参考訳（メタデータ） (2025-02-12T13:14:57Z)
• Confidence-aware Denoised Fine-tuning of Off-the-shelf Models for Certified Robustness [56.2479170374811]
  我々はFT-CADIS(Fun Fine-Tuning with Confidence-Aware Denoized Image Selection)を紹介する。 FT-CADISは、既成の分類器の信頼性が、視覚的平滑化中の幻覚像を効果的に識別できるという観察に着想を得たものである。 様々なベンチマークにおいて、すべての$ell$-adversary半径にわたる偏微分平滑化法のうち、最先端の証明されたロバスト性を確立している。
  論文  参考訳（メタデータ） (2024-11-13T09:13:20Z)
• 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)
• On the Quantification of Image Reconstruction Uncertainty without Training Data [5.057039869893053]
  本稿では,深部生成モデルを用いて近似後部分布を学習する深部変分フレームワークを提案する。 フローベースモデルを用いてターゲット後部をパラメータ化し,KL(Kullback-Leibler)の発散を最小限に抑え,正確な不確実性推定を実現する。 提案手法は信頼性と高品質な画像再構成を実現し,信頼性の高い不確実性を推定する。
  論文  参考訳（メタデータ） (2023-11-16T07:46:47Z)
• Reconstruction Distortion of Learned Image Compression with Imperceptible Perturbations [69.25683256447044]
  本稿では,学習画像圧縮(lic)の再構成品質を効果的に劣化させる攻撃手法を提案する。 我々は,Frobeniusノルムに基づく損失関数を導入して,元の画像と再構成された逆例との差を最大化することによって,逆例を生成する。 様々なlicモデルを用いてKodakデータセット上で実験を行った結果,有効性が確認された。
  論文  参考訳（メタデータ） (2023-06-01T20:21:05Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• PixMix: Dreamlike Pictures Comprehensively Improve Safety Measures [65.36234499099294]
  フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を提案する。 この課題に対処するために、フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を設計する。
  論文  参考訳（メタデータ） (2021-12-09T18:59:31Z)

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。