《Journal of Information Security and Applications》：Enhancing image steganography via frequency-guided iterative optimization
编辑推荐：
图像隐写中高精度与隐蔽性难以兼顾，提出频率引导迭代网络（FIS）。该框架通过迭代编码定位高隐蔽性区域，结合离散余弦变换优化低频，增强视觉隐蔽性；采用Light-CBAM注意力机制提升局部适应性，并集成解码端安全机制防止信息泄露。实验表明，FIS在Div2k、COCO和CelebA数据集上恢复精度达98.7%，PSNR提升2.1dB，且通过对抗训练提升抗检测能力。
王新晨|张杜忠|孟静文|李莉|李泰勇
中国成都，西南财经大学计算机与人工智能学院，611130
摘要
高精度图像隐写术旨在将秘密的二进制信息隐藏在单一的载体图像中，并以最小的误差恢复这些信息。然而，实现这一目标需要一个基本的权衡：在恢复方面表现优异的方法往往会牺牲图像质量和安全性。现有的单次深度学习方法缺乏细粒度调整的灵活性，而当前的迭代框架则缺乏感知指导。因此，这两类方法在实现准确且不可察觉的数据嵌入方面都存在局限性。为了克服这些限制，我们提出了一种基于频率引导的迭代网络（FIS），它将嵌入过程分为两个协同阶段：迭代的空间细化和显式的频域优化。FIS包括一个灵活的迭代编码器、一个频率扰动模块以及一个具有可控混淆机制的解码器。编码器通过迭代细化载体图像以确定更合适的嵌入位置，而频率扰动模块则引导更新到高频区域，因为在这些区域进行修改较难被察觉。解码器结合了混淆机制以增强对未经授权提取的保护。在三个数据集上的实验结果表明，FIS实现了更高的恢复精度、更好的隐蔽性和更强的安全性。
引言
图像隐写术是一种通过不可察觉的修改将秘密信息嵌入图像中的技术，从而实现敏感数据的安全传输。与传统密码学不同，后者使信息变得无法读取，图像隐写术可以在通过公共渠道（如社交媒体）共享的图像中隐藏信息。这种方法有效地避免了未经授权方的怀疑，使其成为数据安全的一种有价值的方法。随着数字媒体的日益普及和对安全数据传输需求的增加，图像隐写术的隐蔽性使其成为信息安全的重要工具。其应用范围包括安全通信、水印和版权保护，表明其在保护敏感信息方面的重要性。
多年来，传统的图像隐写术有了显著的发展，主要依赖于两种技术方法。一方面是空间域方法，例如修改最低有效位（LSB）[1]、[2]、[3]，直接修改像素值；另一方面是变换域方法，包括修改特定的频率系数[4]、[5]、[6]，在变换空间中对手工制作的特征进行处理。虽然这些方法有效，但它们通常在嵌入容量方面存在限制，并且由于其静态、非自适应的特性而容易被检测到。
相比之下，深度学习的兴起推动了基于深度学习的隐写技术的发展，这些技术能够实现更高容量的自适应嵌入。Baluja [7]首次使用卷积网络将完整的彩色图像嵌入到另一个图像中。随后，Universal Deep Hiding (UDH) [8]引入了一种与载体无关的方法，其中网络将单独编码的秘密图像叠加到载体上。后续的工作专注于可逆架构（例如 HiNet [9]、DeepMIH [10]）用于多图像隐藏和无载体隐写（例如 CRoSS [11]、Robin [12]）。另一条研究路线探索了位级隐藏。SteganoGAN [13]首次采用生成对抗网络（GAN）在位级实现高容量图像隐藏。这项工作后来由 CHAT-GAN [14] 改进，它集成了注意力机制以提高性能。强化学习（RL）也被用于自适应嵌入。PICO-RL [15] 使用强化学习（RL）来最小化嵌入失真，尽管代价是降低了容量。相比之下，JoPoL [16] 通过一个增强注意力的策略网络学习联合嵌入策略，以协调不同区域的修改。VERY-RL [17] 则利用 RL 在复杂约束下动态调整嵌入策略，从而提高了对现代隐写分析的抵抗力。
最近，来自对抗性攻击的见解[18]激发了一种新的范式：基于优化的隐写术。通过将问题表述为对载体图像像素的直接优化，Fixed Neural Network Steganography (FNNS) [19] 使用 LBFGS 优化器来最小化重建误差，实现了接近零的比特错误率。Securing-FNNS (SFNNS) [20] 通过引入关键机制增强了这一框架的安全性。随后，Learning Iterative Neural Optimizer (LISO) [21] 用神经网络替换了传统优化器，学习迭代细化隐写图像，尽管计算复杂性略有增加，从而建立了基于学习优化的隐写术。
然而，每种方法都有其固有的局限性。传统的隐写术[1]、[2]、[3]存在容量低和易检测的问题；深度学习方法[7]、[13]、[15]虽然提高了容量，但经常引入失真；基于优化的方法[19]、[21]实现了高精度，但依赖于刚性的一次性或重复更新规则，适应性有限。
大多数基于深度学习的隐写方法采用一次性嵌入范式，缺乏细粒度控制的灵活性。像 LISO 这样的迭代框架可以在空间域中进行渐进式细化。然而，它们缺乏结合频域线索的能力，而频域线索对于与人类视觉敏感性对齐至关重要。此外，标准卷积对所有空间区域的处理是均匀的，限制了模型根据纹理、平滑区域和边界调整嵌入行为的能力。这些局限性促使我们需要一种具有显式频率指导和自适应调整的灵活多步骤嵌入机制。
在本文中，我们提出了一种旨在实现高精度图像隐写术并提高视觉质量的隐写网络架构。所提出的框架整合了三个核心组件：一个灵活的迭代编码器、一个频域扰动模块以及一个具有可控混淆机制的解码器。迭代编码器通过微妙的学习更新逐步细化载体图像。频率扰动模块提供特定于域的先验，鼓励在不太容易被察觉的高频带进行修改。解码器在重建秘密信息的同时应用基于密钥的混淆机制，以增强对未经授权提取的抵抗力。通过协同结合这些模块，我们的方法实现了卓越的隐写性能，为基于图像的通信提供了增强的安全性和隐私性。后续章节中的实验结果证明了所提出方法的有效性和优势。
我们工作的主要贡献可以总结如下：
1.我们提出了一种新颖的基于学习优化的隐写网络，该网络迭代生成添加到载体图像中的微小扰动。该网络包括一个在迭代框架内使用不规则卷积的编码器、一个扰动模块和一个残差连接的解码器。广泛的实验表明，我们的架构实现了高精度的隐写术，同时显著提高了隐蔽性。
2.我们引入了一种名为 Light-CBAM 的新颖通道-空间注意力模块。该模块在空间注意力机制中使用膨胀卷积以实现更高效的空间感知，在通道注意力机制中使用 1×1 组卷积以实现更灵活的融合，使其既轻量又有效。
3.我们提出了一种频率扰动模块，该模块应用离散小波变换来获取四个频率带，减弱低频子带，并使用逆小波变换生成新的扰动。这种方法考虑了人眼对低频的敏感性，从而提高了隐写质量。
4.通过将可控混淆机制集成到解码器网络中，增强了隐写过程的安全性。即使在参数泄露的情况下，该机制也能提供对未经授权数据提取的强大保护。
本文的后续部分结构如下。第 2 节提供了图像隐写术相关工作的全面回顾。第 3 节详细描述了所提出的架构和使用的损失函数。第 4 节展示了 FIS 的实验结果，包括与现有隐写方法的比较。最后，第 5 节总结了本文。
部分摘录
传统图像隐写术
传统的图像隐写术方法主要在空间域或变换域中操作。在空间域中，最低有效位技术仍然是最流行的方法[1]、[2]、[3]，其中像素值中的最低有效位被秘密数据替换。相反，变换域技术通过修改频率系数来隐藏信息，利用人类视觉系统对高频的较低敏感性。
提出的方法
本节介绍了我们新颖的基于频率引导的迭代隐写网络，这是一个基于学习优化的框架，它结合了灵活的迭代编码器和频域操作来实现高精度图像隐写术。本文中使用的符号在第 3.1 节中介绍。第 3.2 节描述了 FIS 的整体结构和组件。最后，我们在第 3.3 节介绍了使用的损失函数。
数据集
我们实验中使用的图像来自三个公开可用的数据集：景观图像数据集 Div2k [48]、丰富场景数据集 MS COCO [49] 和面部数据集 CelebA [50]。为了便于评估并保持与先前工作的一致性，使用了这些数据集的小子集，每个数据集被划分为 800 张训练图像、200 张验证图像和 200 张测试图像。这些子集包括多种类型的图像，确保模型能够全面
结论与未来工作
在这项研究中，我们介绍了 FIS，这是一种新颖的基于频率引导的迭代网络，用于安全图像隐写，与现有的位级方法相比，在精度和视觉质量方面取得了显著进步。FIS 包含几个关键组件：一个灵活的迭代编码器，采用更适应性强的架构来迭代细化载体图像，识别最佳像素位置进行数据嵌入，从而提高了嵌入效率
科学写作中生成式 AI 的声明
在准备这项工作时，作者使用了生成式 AI 来改进英语写作。使用该服务后，作者根据需要审查和编辑了内容，并对已发表文章的内容负全责。
CRediT 作者贡献声明
王新晨：撰写——原始草稿、验证、软件、方法论、概念化。张杜忠：撰写——审阅与编辑、监督、方法论、概念化。孟静文：撰写——审阅与编辑、可视化、软件。李莉：验证、软件。李泰勇：撰写——审阅与编辑、监督、概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
