StegoGuard：基于跨模态语义漂移正则化的深度隐写框架，实现描述文本级别语义一致性保持

《Mathematics》：Inference for a Shared Random-Scale Frailty Birnbaum–Saunders Model Under Progressive Type-II Censoring

　　

摘要

基于深度学习的隐写术可以在保持像素级图像质量的同时，改变视觉-语言模型（VLMs）生成的描述文本中的物体、属性或关系信息。这种描述文本漂移（caption drift）创造了一条仅靠全局图像嵌入相似度无法度量的检测通道。本文提出了 StegoGuard，一个在嵌入秘密载荷的同时强制执行描述文本级别语义一致性的框架。概念漂移（concept drift）被定义为封面图像与隐写图像的描述文本之间在物体级别、属性级别或关系语义方面可量化的偏差，并使用 CLIP 文本嵌入余弦距离进行量化。主要技术贡献是基于封面和隐写图像生成的 BLIP-2 描述文本的跨模态语义漂移正则化项。该框架将此目标与基于 CLIP 的显著性引导区域选择以及轻量级 Vision Transformer 编码器-解码器相结合。显著性图的质量通过与真值分割掩膜对比进行评测，并提供了确定性比特到补丁映射协议以确保可重复性。实验使用了 COCO2017、DIV2K 和 BOSSBase 数据集。在受控的六基准协议下，StegoGuard 在 256 比特时实现了 38.9 dB 的 PSNR、0.976 的 SSIM、0.521–0.562 的检测器 AUC 值，以及通过 CLIP 文本余弦相似度衡量的 0.962 的描述文本相似度（模型相对值，非人工验证）。消融实验结果表明，漂移项在保持所报告的比特恢复率和图像质量水平的同时，降低了可测量的概念漂移率。