相关实验视频
Updated: Jul 17, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
AGASI:一种基于对抗网络的生成方法来加强对抗形象隐形图像
Haiju Fan1,2, Changyuan Jin1,2, Ming Li1,2
1College of Computer and Information Engineering, Henan Normal University, Xinxiang 453007, China.
Entropy (Basel, Switzerland)
|March 28, 2025
概括
我们开发了AGASI,一种生成对抗网络 (GAN) 方法,以提高图像隐形图像的稳定性. 这种方法通过增加检测模型中的错误分类率,提高了对高级steganalysis的秘密图像隐私.
科学领域:
- 计算机科学 计算机科学
- 信息安全 信息安全
- 人工智能的人工智能
背景情况:
- 隐藏图像对于图像隐私保护至关重要.
- 先进的石分析,特别是深度学习模型,威胁到传统的石学.
- 现有的方法很难保持图像质量和抗检测的稳定性.
研究的目的:
- 提出AGASI,一种基于生成对抗网络 (GAN) 的方法,以增强对抗形象隐形图像.
- 为了提高stego图像对复杂的steganalysis技术的稳定性.
- 为了保持高质量的秘密图像提取,同时增加对检测的阻力.
主要方法:
- 使用编码器作为生成器和区分器来形成GAN进行对抗训练.
- 实施了GAN框架,以尽量减少原始和提取的秘密图像之间的差异.
- 使用解码器从stego图像中有效地秘密提取图像.
主要成果:
- AGASI确保了高质量的秘密图像和有效的提取.
- 该方法显著降低了神经网络稳定分析分类器的准确性,导致错误分类.
- 在PGD攻击下实现了84.73%的错误分类率,比同类方法增加了23.31%.
- 证明了在石学系统中嵌入能力的增加.
结论:
- AGASI提供了一个强大的解决方案,用于图像隐私保护与先进的steganalysis.
- 基于GAN的方法有效地平衡了stego图像质量,检测逃避和嵌入能力.
- AGASI代表了安全隐形图谱技术的重大进步.
