基于信息最大化生成对抗网络的图像隐写方法

刘义铭，过小宇，牛一如

(1.保密通信重点实验室，四川 成都 610041；2.中国电子科技集团公司第三十研究所，四川 成都 610041)

0 引言

图像隐写是在图像中隐藏信息，使得隐藏信息无法被轻易检测的技术[1]，常用于秘密通信，是信息安全的热门话题之一。近年来，在图像隐写技术发展的过程中出现了2个不同方向：① 对隐写算法进行优化，使隐写算法更加安全，嵌入信息更不易被检测到；② 对载体图像进行优化。基于生成对抗网络(Generative Adversarial Networks，GAN)的图像隐写正是后一种发展方向，这种图像隐写技术与生成对抗网络相结合的方法使图像隐写技术焕发出了新活力，显著提高了其安全性能，无论是载体的适用性、隐藏信息的安全性还是信息嵌入以及输出的准确性等方面都有了一定的进步[2-3]，证明了基于生成对抗网络的图像隐写方法的研究具有一定的研究价值。

但是在图像隐写技术与生成对抗网络的结合中，传统对抗生成网络的生成器的输入是随机噪声，输出的是根据噪声产生的生成图像[4]。该过程不透明，无法得知噪声的每个维度分别控制着生成图像的哪些特征，又是如何控制的。而信息最大化生成对抗网络(Information Maximizing Generative Adversarial Networks，InfoGAN)[5]将生成器的输入分为两个部分，一部分是不可压缩的噪声向量，另一部分则是可以控制数据分布的语义特征的潜码。InfoGAN的这一特性可以很好地和图像隐写技术进行结合，若将潜码看作是秘密信息，便既可以实现秘密信息的隐藏又不经过信息嵌入的过程。……