使用自主监督的卷积神经网络对图像隐形图像进行杀菌

科学领域:

• 计算机科学 计算机科学
• 网络安全 网络安全
• 人工智能的人工智能

背景情况:

• 隐蔽图像可以实现隐蔽通信,增加网络安全风险.
• 目前的隐形图谱灭菌方法需要已知的封面-步骤图像对,限制对未知图像的有效性.
• 现有的技术很难在社交网络上有效地阻止stego图像.

研究的目的:

• 提出一个有效的图像隐形图像灭菌方法.
• 为了解决在清理未知图像方面现有方法的局限性.
• 为了提高stego图像在社交网络中的屏蔽率.

主要方法:

• 提出了一个自我监督的卷积神经网络 (SS-Net),消除了对先前隐形图学知识的需求.
• SS-Net使用了一个净化模块,用于自主监督学习的像素混合下方采样.
• 一个精细化模块,结合中央掩盖的卷积和扩展的卷积余块,消除秘密消息,并保持图像质量.

主要成果:

• SS-Net 在 BOSSbase 测试集上实现了 100% 的阻断率.
• 该方法有效地平衡了秘密消息的破坏与图像质量的保存.
• 在消息删除和图像质量保留方面,SS-Net的性能优于最先进的方法.

结论:

• 拟议的SS-Net方法为消毒未知stego图像提供了有效的解决方案.
• 这种方法通过阻止秘密通信,显著提高了网络安全.
• 与现有方法相比,SS-Net在消息删除和图像质量保护方面都提供了卓越的性能.