論文の概要: Training-Free Coverless Multi-Image Steganography with Access Control

• arxiv url: http://arxiv.org/abs/2603.09390v1
• Date: Tue, 10 Mar 2026 09:02:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.19192
• Title: Training-Free Coverless Multi-Image Steganography with Access Control
• Title（参考訳）: アクセス制御による無トレーニングカバーレスマルチイメージステガノグラフィ
• Authors: Minyeol Bae, Si-Hyeon Lee,
• Abstract要約: Coverless Image Steganography (CIS)は、カバーイメージを明示的に変更することなく情報を隠蔽する。 ユーザ固有のアクセス制御を備えたマルチイメージの隠れを可能にする,トレーニング不要な拡散型CISフレームワークMIDASを提案する。
• 参考スコア（独自算出の注目度）: 10.887547857646942
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Coverless Image Steganography (CIS) hides information without explicitly modifying a cover image, providing strong imperceptibility and inherent robustness to steganalysis. However, existing CIS methods largely lack robust access control, making it difficult to selectively reveal different hidden contents to different authorized users. Such access control is critical for scalable and privacy-sensitive information hiding in multi-user settings. We propose MIDAS, a training-free diffusion-based CIS framework that enables multi-image hiding with user-specific access control via latent-level fusion. MIDAS introduces a Random Basis mechanism to suppress residual structural information and a Latent Vector Fusion module that reshapes aggregated latents to align with the diffusion process. Experimental results demonstrate that MIDAS consistently outperforms existing training-free CIS baselines in access control functionality, stego image quality and diversity, robustness to noise, and resistance to steganalysis, establishing a practical and scalable approach to access-controlled coverless steganography.
• Abstract（参考訳）: カバーレス画像ステガノグラフィ(CIS)は、カバーイメージを明示的に変更することなく情報を隠蔽し、ステガナリシスに強い知覚力と固有の堅牢性を提供する。 しかし,既存のCIS手法にはアクセス制御の堅牢さがほとんどないため,異なるユーザに対して異なる隠蔽コンテンツを選択的に公開することは困難である。 このようなアクセス制御は、スケーラブルでプライバシーに敏感な情報をマルチユーザー設定で隠蔽するために重要である。 遅延レベル融合によるユーザ固有のアクセス制御によるマルチイメージの隠蔽を可能にする,トレーニングフリーな拡散型CISフレームワークMIDASを提案する。 MIDASは、残留構造情報を抑制するランダム基底機構を導入し、ラテントベクトル融合モジュールは、集約されたラテントを拡散過程と整合させる。 実験結果から,MIDASは既存のトレーニング不要なCISベースラインよりも,アクセス制御機能,ステゴ画像品質と多様性,ノイズに対する堅牢性,ステガナリシスに対する耐性を一貫して向上し,アクセス制御型カバーレスステガノグラフィに対する実用的かつスケーラブルなアプローチを確立した。

関連論文リスト

• Towards Unified Semantic and Controllable Image Fusion: A Diffusion Transformer Approach [99.80480649258557]
  DiTFuseは命令駆動のフレームワークで、単一のモデル内でセマンティクスを意識した融合を実行する。 パブリックなIVIF、MFF、MEFベンチマークの実験では、より優れた量的および質的な性能、よりシャープなテクスチャ、より優れたセマンティック保持が確認されている。
  論文  参考訳（メタデータ） (2025-12-08T05:04:54Z)
• Shackled Dancing: A Bit-Locked Diffusion Algorithm for Lossless and Controllable Image Steganography [2.8760886020131657]
  Shackled Dancing Diffusion または SD$2$, プラグ・アンド・プレイ・ジェネレーション・ステガノグラフィー法を紹介する。 ビットポジションロックと拡散サンプリングインジェクションを組み合わせることで、生成軌道に埋め込む制御可能な情報を可能にする。 本手法は,画像の忠実さを損なうことなく,無作為性と制約のバランスを良好に保ち,ステガナリシスに対する堅牢性を向上する。
  論文  参考訳（メタデータ） (2025-05-16T07:38:58Z)
• SMILENet: Unleashing Extra-Large Capacity Image Steganography via a Synergistic Mosaic InvertibLE Hiding Network [71.11351750072936]
  本稿では,3つの重要なイノベーションを通じて25個の画像隠蔽を実現する新しい相乗的枠組みを提案する。 ネットワークアーキテクチャは、可逆操作と非可逆操作をコーディネートし、シークレット画像とカバー画像の両方における情報冗長性を効率的に活用する。 相補的なモジュールをコーディネートして、視覚的品質の優れた既存のメソッドよりも3.0倍高いキャパシティを実現する統一的なトレーニング戦略。
  論文  参考訳（メタデータ） (2025-03-07T03:31:47Z)
• PSyDUCK: Training-Free Steganography for Latent Diffusion [22.17835886086284]
  PSyDUCKは、潜伏拡散モデルに特化して設計されたトレーニング不要で、モデルに依存しないステガノグラフィーフレームワークである。 本手法は,埋め込み強度を精度と検出性のバランスに動的に適用し,既存の画素空間アプローチを大幅に改善する。
  論文  参考訳（メタデータ） (2025-01-31T14:39:12Z)
• SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints [66.85363924364628]
  イメージフォージェリーローカライゼーション (IFL) は, 改ざん画像誤用を防止し, 社会安全を守るための重要な技術である。 本稿では,情報理論IFL フレームワーク SUMI-IFL について紹介する。
  論文  参考訳（メタデータ） (2024-12-13T09:08:02Z)
• DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
  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。
  論文  参考訳（メタデータ） (2024-07-15T06:15:49Z)
• 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)
• Free-ATM: Exploring Unsupervised Learning on Diffusion-Generated Images with Free Attention Masks [64.67735676127208]
  テキストと画像の拡散モデルは、画像認識の恩恵を受ける大きな可能性を示している。 有望ではあるが、拡散生成画像の教師なし学習に特化した調査は不十分である。 上記フリーアテンションマスクをフル活用することで、カスタマイズされたソリューションを導入する。
  論文  参考訳（メタデータ） (2023-08-13T10:07:46Z)
• CRoSS: Diffusion Model Makes Controllable, Robust and Secure Image Steganography [15.705627450233504]
  制御可能・ロバスト・セキュア画像ステガノグラフィー(CRoSS)という新しい画像ステガノグラフィーフレームワークを提案する。 CRoSSは、カバーベース画像ステガノグラフィー法と比較して、制御性、堅牢性、セキュリティにおいて大きな利点がある。
  論文  参考訳（メタデータ） (2023-05-26T13:52:57Z)

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。