論文の概要: Secret-Stego Dissimilarity as a Design Axis: Invertible Coverless Image Steganography with Diffusion Models

• arxiv url: http://arxiv.org/abs/2608.13597v1
• Date: Fri, 31 Jul 2026 14:21:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-23 14:54:39.909061
• Title: Secret-Stego Dissimilarity as a Design Axis: Invertible Coverless Image Steganography with Diffusion Models
• Title（参考訳）: 設計軸としてのシークレット・ステゴの相似性:拡散モデルを用いた可逆被覆画像ステガノグラフィー
• Abstract要約: カバーレス画像ステガノグラフィ(CIS)は、既存のカバー画像を変更するのではなく、ステゴ画像を合成する。 既存の拡散型CIS法は、自然に見えるステゴ画像を生成することができるが、秘密画像とかなりの視覚的類似性を保っている。 我々は、秘密の潜在表現と無関係な参照画像とを、LIMNetと呼ばれる可逆ネットワークに結合する非可逆拡散フレームワークであるInvCISDを提案する。
• 参考スコア（独自算出の注目度）: 7.9584033378193135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coverless image steganography (CIS) synthesizes a stego image rather than modifying an existing cover image, enabling authorized recipients to reconstruct the original secret image from the stego. Existing diffusion-based CIS methods can generate natural-looking stego images but preserve substantial visual similarity to the secret image. This resemblance risks exposing structural and semantic cues, giving rise to security vulnerabilities that cannot be evaluated solely via recovery fidelity. Achieving substantial visual dissimilarity between the secret and stego images without compromising stego quality and recovery fidelity remains challenging. To address this issue, we propose InvCISD, an invertible diffusion framework that couples the latent representations of the secret and an irrelevant reference image with an invertible network called LIMNet. We first train LIMNet in diffusion latent space, followed by end-to-end fine-tuning of the entire network, i.e., LIMNet integrated diffusion inversion and generation modules. Experiments demonstrate that the proposed method substantially reduces secret-stego visual similarity, improves stego quality, and retains satisfactory secret reconstruction quality. Our further investigation shows that all evaluated methods are highly detectable by the CIS-oriented steganalysis model, indicating that resistance against targeted steganalysis constitutes a critical direction for future CIS research.
• Abstract（参考訳）: カバーレス画像ステガノグラフィ(CIS)は、既存のカバーイメージを変更するのではなく、ステゴイメージを合成する。 既存の拡散型CIS法は、自然に見えるステゴ画像を生成することができるが、秘密画像とかなりの視覚的類似性を保っている。 この類似性は、構造的およびセマンティックな手がかりを露呈し、リカバリの忠実性によってのみ評価できないセキュリティ脆弱性を引き起こす。 ステゴの品質と回復率を損なうことなく、秘密画像とステゴ画像の相当な視覚的相違を実現することは、依然として困難である。 この問題に対処するために、秘密の潜伏表現と無関係な参照画像とをLIMNetと呼ばれる可逆ネットワークに結合する非可逆拡散フレームワークであるInvCISDを提案する。 まず拡散潜時空間でLIMNetを訓練し、続いてネットワーク全体、すなわちLIMNet統合拡散インバージョンと生成モジュールをエンドツーエンドで微調整する。 実験により、提案手法は、秘密とステゴの視覚的類似性を著しく低減し、ステゴの品質を向上し、良好な秘密再構築品質を維持することを示した。 以上の結果から,CISを指向したステガナリシスモデルにより,全ての評価手法が高い精度で検出可能であることが示唆された。

関連論文リスト

• No Prompt, No Leaks: A Robust Generative Steganography Framework via Prompt-Free Diffusion [15.432428509145703]
  生成画像ステガノグラフィーは、秘密情報から直接ステゴ画像を合成し、固有のセキュリティ上の利点を実現する。 潜伏拡散モデル(Latent Diffusion Models)は、テキストプロンプトで秘密潜伏表現を変調する基本的な画像ステガノグラフィーフレームワークとして登場した。 本稿では,より堅牢で信頼性の高いステゴ画像生成を制御するために,スタイルセマンティクスを組み込んだプロンプトフリー拡散画像ステガノグラフィーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-30T09:51:34Z)
• Zero-Shot Interpretable Image Steganalysis for Invertible Image Hiding [9.972200722219076]
  難易度ゼロショット設定下での非可逆な画像隠蔽方式に適した新しい解釈可能な画像ステガナリシスフレームワークを提案する。 具体的には、画像隠蔽、露光、ステガナリシスを統一された枠組みに統合し、ステガナリシス成分にステゴ画像に埋め込まれた秘密情報を復元する能力を付与する。
  論文  参考訳（メタデータ） (2026-05-02T08:55:14Z)
• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• Breaking the Resolution Barrier: Arbitrary-resolution Deep Image Steganography Framework [23.969793735154393]
  現在のパラダイムでは、隠蔽と露光の間、隠蔽画像と同じ解像度を維持するためにシークレットイメージを強制している。 本稿では,このパラダイムを離散写像から参照誘導型連続信号再構成へシフトさせる最初の任意分解能DIフレームワークであるARDISを提案する。 実験の結果,ARDISは視認性とクロスレゾリューションの両面において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-22T08:07:10Z)
• 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)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• 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)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)

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。