计算机应用研究

作者：孙文权,刘佳,钮可,董炜娜,陈立峰,

单位：武警工程大学网络与信息安全武警部队重点实验室,西安710086；

关键词：可逆神经网络,隐藏,恢复,隐写效率,

基金：国家自然科学基金面上项目；；

目前，基于深度学习的隐写模型的隐写容量有所提高，但由于网络结构复杂，需要大量的时间来训练。为此，提出轻量化的可逆神经网络结构，并以此设计了高效图像隐写方案，采用基于密集连接的可逆神经网络实现图像的隐藏与恢复，在减少可逆块数量的同时，增加每个可逆块中可逆函数f(·)、r(·)和y(·)的卷积块数量来保证图像质量。这样能够显著降低计算和存储开销，使得模型在计算资源有限的设备上运行更加高效，模型开发和迭代的过程更加高效，有效地节省了宝贵的计算资源。载体图像与秘密图像通过正向隐藏可逆变换生成含密图像，含密图像与随机变量通过反向恢复可逆变换得到恢复图像。实验结果表明，与HiNet算法相比，轻量级网络结构能够得到良好的图像质量且更具安全性，同时训练时间缩短了46%，隐写时间缩短了28%。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期