来源：期刊VIP网 时间：
作者：徐石穿;徐洋;张思聪;
单位：贵州师范大学贵州省信息与计算科学重点实验室;贵州师范大学网络空间安全学院;
摘要：现有的图像隐写方法大多数都聚焦在增加隐写容量和提升载密图像的不可检测性上，对于载密图像在遭受裁剪后信息提取完整性的研究相对较少。为解决载密图像遭受裁剪后无法恢复信息的问题，文中为图像隐藏任务提出一种基于生成对抗网络的抗裁剪图像隐写方法。该方法基于生成对抗网络构建一个编码-解码网络，被命名为ACIS。通过在网络结构中增加评价器，让评价器与编码器进行对抗训练，使得编码器生成的载密图像更具有真实性，并提高载密图像抗隐写分析能力。同时，在训练过程中通过添加噪声层模拟现实传输过程中遇到的图像裁剪攻击，以提高载密图像的鲁棒性，提升解码器的解码准确率。为减少梯度消失问题带来的影响，使用DenseNet连接并对ACIS网络结构进行调整以提升解码准确率。实验结果表明，ACIS生成的载密图像在被裁剪掉20%的区域后，仍有70%以上的载密图像能完整恢复出隐藏信息。同时，该方法还能保持较大的隐写容量（最高可达到1.37 bpp），是传统方法 0.2～0.4 bpp容量的3～6倍，而且图像质量高，对于通用的隐写分析工具也有很好的隐蔽性。
关键词：图像隐写术;;抗裁剪;;生成对抗网络;;信息隐藏;;自适应;;DenseNet连接
基金资助：中央引导地方科技发展专项资金（黔科中引地[2018]4008）;; 贵州省科技计划项目（黔科合支撑[2023]一般449）
