基于深度學(xué)習(xí)的數(shù)字圖像隱寫和隱寫分析術(shù)研究概述

譚艷萍 羅永 張俊

摘 ?要：隱寫術(shù)的不斷發(fā)展使得隱寫分析術(shù)面臨的挑戰(zhàn)越來越大。近年來，有不少學(xué)者圍繞深度學(xué)習(xí)網(wǎng)絡(luò)強(qiáng)大的圖像特征表達(dá)學(xué)習(xí)能力進(jìn)行隱寫分析術(shù)研究，從而避開人工設(shè)計(jì)分類特征，減少人的參與度，用數(shù)據(jù)和算法驅(qū)動機(jī)器去實(shí)現(xiàn)數(shù)字圖像是否含密的判定。本文將從數(shù)字圖像的全局和局部統(tǒng)計(jì)分布特性這兩個(gè)方面出發(fā)，梳理傳統(tǒng)的和基于深度學(xué)習(xí)的隱寫與隱寫分析術(shù)在空域和JPEG域上的研究進(jìn)展，并對數(shù)字圖像隱寫和隱寫分析術(shù)未來發(fā)展方向做簡要討論。

關(guān)鍵詞：深度學(xué)習(xí);隱寫術(shù);隱寫分析術(shù);統(tǒng)計(jì)分布特性;數(shù)字圖像

中圖分類號：TP391.4;TP183 ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2021）13-0068-05

Study Overview of Digital Image Steganography and Steganalysis Based on

Deep Learning

TAN Yanping， LUO Yong， ZHANG Jun

（Guizhou University of Commerce， Guiyang ?550014， China）

Abstract： With the continuous development of steganography， steganalysis is facing more and more challenges. In recent years， many scholars have carried out steganalysis research around the powerful image feature expression learning ability of deep learning network， so as to avoid manually designing classification features， reduce people’s participation， and drive the machine with data and algorithm to determine whether the digital image contains secret. Starting from the global and local statistical distribution characteristics of digital images， this paper combs the research progress of traditional and deep learning based steganography and steganalysisg in spatial domain and JPEG domain， and briefly discusses the future development direction of digital image steganography and steganalysis.

Keywords： deep learning; steganography; steganalysis; statistical distribution characteristics; digital image

0 ?引 ?言

現(xiàn)代信息隱藏技術(shù)來源于古代一門有趣而又安全的傳遞秘密信息的隱寫術(shù)。隨著21世紀(jì)信息技術(shù)的發(fā)展和現(xiàn)代化進(jìn)程的加快，古代隱寫術(shù)成為當(dāng)今的研究熱點(diǎn)之一。嶄新的隱寫術(shù)在數(shù)理統(tǒng)計(jì)、多媒體處理技術(shù)和認(rèn)知心里學(xué)等理論的基礎(chǔ)上應(yīng)運(yùn)而生。首先是對保護(hù)多媒體產(chǎn)品版權(quán)的數(shù)字水印研究的急劇升溫，公開發(fā)表的論文數(shù)量逐年遞增，有不少開發(fā)數(shù)字水印產(chǎn)品的公司如雨后春筍般涌現(xiàn)[1]，且數(shù)字水印在現(xiàn)實(shí)生活中應(yīng)用極其廣泛。現(xiàn)代信息隱藏技術(shù)的另一重要領(lǐng)域即數(shù)字隱寫術(shù)的研究也緊隨其后，很早就出現(xiàn)了一些簡單的數(shù)字隱寫術(shù)[2]，例如LSB替換[3]。數(shù)字隱寫術(shù)利用人類感官對細(xì)微變化的不敏感性和載體信息在時(shí)間和空間等方面的冗余性，將秘密信息嵌入載體（如：文本、圖像、音頻、視頻等）比較復(fù)雜且難以建模分析的區(qū)域之中，這樣隱藏的數(shù)據(jù)既不會改變原始載體信號的視（聽）覺效果，也不會改變其固有的統(tǒng)計(jì)分布特征，從而實(shí)現(xiàn)某種意義上的“不可視”的隱蔽通信[4]。數(shù)字隱寫術(shù)與傳統(tǒng)密碼通信技術(shù)不同的是，隱藏了“正在進(jìn)行通信”這一事實(shí)本身，而且在數(shù)字隱寫的過程中，數(shù)據(jù)在嵌入載體前可以通過提前加密來進(jìn)一步提高秘密通信的安全性。

數(shù)字隱寫術(shù)的發(fā)展，在帶來一種新的隱蔽通信方法的同時(shí)也帶來了網(wǎng)絡(luò)信息安全的威脅，在全球互聯(lián)的時(shí)代，每個(gè)人都能夠從互聯(lián)網(wǎng)上任意下載多媒體數(shù)據(jù)以及可以很方便地通過網(wǎng)絡(luò)獲取和使用相關(guān)隱寫工具，且近年來關(guān)于不法分子利用數(shù)字隱寫術(shù)開展非法活動的報(bào)道已經(jīng)見諸報(bào)端，因此研究反隱寫技術(shù)具有非常重要的理論意義與實(shí)用價(jià)值。反隱寫技術(shù)即數(shù)字隱寫分析術(shù)，是一種與隱寫術(shù)相對抗的逆向分析技術(shù)，主要根據(jù)載體的統(tǒng)計(jì)分布特征來判斷其中是否含有秘密信息。根據(jù)研究目標(biāo)的不同，可將數(shù)字隱寫分析術(shù)分為三個(gè)層次，第一層次就是檢測秘密信息的存在性，鑒于對數(shù)字隱寫術(shù)進(jìn)行有效分析要遠(yuǎn)比實(shí)現(xiàn)隱寫安全通信困難，因此現(xiàn)階段的研究基本上都還是停留在該層次。第二層次是要識別所用的隱寫工具、估計(jì)密鑰[5]、估計(jì)嵌入的秘密信息量[6]等，第三層次是要能截獲或提取隱蔽信息等，最高層次意味著難度最大但也最有實(shí)際意義。然而由于隱寫算法的層出不窮，尤其是時(shí)下最熱門的基于深度學(xué)習(xí)的數(shù)字隱寫術(shù)的出現(xiàn)以及海量的多媒體信息等，要從中搜尋隱蔽信息猶如大海撈針[7]。面對日漸嚴(yán)峻、層出不窮的信息安全問題，在信息隱藏領(lǐng)域中，研究數(shù)字隱寫分析術(shù)不僅可以通過檢測可疑信息的存在來阻止敵對勢力雙方的通信，還有益于整頓整個(gè)網(wǎng)絡(luò)的安全通信。當(dāng)前關(guān)于數(shù)字隱寫和隱寫分析術(shù)的研究絕大部分集中在數(shù)字圖像領(lǐng)域，數(shù)字圖像隱寫及隱寫分析模型如圖1所示。

深度學(xué)習(xí)的概念，最早由杰弗里·辛頓于2006年提出。這是一門用于學(xué)習(xí)和利用“深度”人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)，目前，深度學(xué)習(xí)已得到廣泛應(yīng)用。如在博弈領(lǐng)域，AlphaGo通過深度學(xué)習(xí)，以4∶1的比分戰(zhàn)勝韓國棋手李世石，成為第一個(gè)擊敗人類職業(yè)圍棋選手的電腦程序，引起了業(yè)界的轟動;在圖像處理中，最通用的技術(shù)是計(jì)算機(jī)視覺，如圖像風(fēng)格遷移、圖像修復(fù)、圖像上色、人臉圖像編輯以及視頻生成等;在數(shù)字圖像隱寫與隱寫分析術(shù)領(lǐng)域，深度學(xué)習(xí)帶來了活力與創(chuàng)新，借由深度學(xué)習(xí)網(wǎng)絡(luò)強(qiáng)大的特征表達(dá)學(xué)習(xí)能力，學(xué)者們發(fā)現(xiàn)通過對深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行相應(yīng)的改進(jìn)之后，就可以將深度學(xué)習(xí)與數(shù)字圖像隱寫和隱寫分析術(shù)相結(jié)合來提升該領(lǐng)域的算法設(shè)計(jì)及分類效果等，且取得了不少創(chuàng)造性的成果[8]。

本文從數(shù)字圖像全局和局部統(tǒng)計(jì)分布特性這兩方面出發(fā)，首先對傳統(tǒng)的數(shù)字圖像隱寫術(shù)做一個(gè)歸納性介紹，然后對基于深度學(xué)習(xí)的數(shù)字圖像隱寫術(shù)研究情況做簡要總結(jié)。對于數(shù)字圖像隱寫分析術(shù)主要介紹傳統(tǒng)的專用和通用隱寫分析術(shù)以及新式通用隱寫分析術(shù)即基于深度學(xué)習(xí)的數(shù)字圖像隱寫分析術(shù)的研究進(jìn)展，最后對其還存在的問題做一個(gè)簡要討論。

1 ?數(shù)字圖像隱寫術(shù)

1.1 ?傳統(tǒng)數(shù)字圖像隱寫術(shù)

從數(shù)字圖像全局和局部統(tǒng)計(jì)分布特性出發(fā)，可以將傳統(tǒng)數(shù)字圖像隱寫術(shù)分為兩大類，一類是非自適應(yīng)數(shù)字圖像隱寫術(shù)，圖像中的所有像素值或者變換域系數(shù)擁有同等的概率被嵌入秘密信息，即秘密信息可以嵌入整張圖像中的任意位置;一類是自適應(yīng)數(shù)字圖像隱寫術(shù)，一張圖像會被劃分為不同的區(qū)域，只有那些非平滑區(qū)域或者邊緣部分才有較大概率嵌入秘密信息，即一般依據(jù)算法將秘密信息嵌入圖像紋理較為復(fù)雜的局部區(qū)域。

非自適應(yīng)數(shù)字圖像隱寫術(shù)即從圖像的全局統(tǒng)計(jì)分布特性出發(fā)，將圖像看作一個(gè)整體來進(jìn)行秘密信息的嵌入，根據(jù)數(shù)字圖像隱寫術(shù)嵌入域的不同，可以將其分為空域及變換域。在空域圖像中的典型隱寫術(shù)有：LSB（Least Significant Bit）[3]、LSBM（LSB Matching）、LSBMR（LSB Matching Revisited）、±K與隨機(jī)調(diào)制隱寫、EAMR等。數(shù)字圖像變換域隱寫術(shù)中最常見的隱寫方法是基于JPEG域的，后續(xù)關(guān)于變換域的介紹均以JPEG域代替?；贘PEG域的隱寫術(shù)是將秘密信息嵌入到JPEG壓縮過程中量化后的DCT系數(shù)。常見的基于JPEG域的隱寫術(shù)有Jsteg、Outguess、F5、Fridrich等人基于濕紙碼提出了一種擾動量化隱寫術(shù)nsF5等。這些隱寫術(shù)在嵌入秘密信息時(shí)操作簡單，但缺點(diǎn)是抗隱寫分析能力弱，易被發(fā)現(xiàn)。

自適應(yīng)數(shù)字圖像隱寫術(shù)即從圖像的布局統(tǒng)計(jì)分布特性出發(fā)，將圖像中復(fù)雜度高的局部區(qū)域作為秘密信息嵌入的優(yōu)先載體，通過設(shè)計(jì)合理的嵌入失真函數(shù)并使其最小化為依據(jù)來選擇嵌入點(diǎn)，這樣就使得同一幅圖像中的每個(gè)像素值或者變換域系數(shù)被嵌入秘密信息的概率有大有小，成為局部式而非全局式嵌入秘密信息。根據(jù)自適應(yīng)數(shù)字圖像隱寫術(shù)的嵌入域不同，可以分為空域圖像和JPEG域。在空域圖像中典型的自適應(yīng)隱寫術(shù)有：基于LSB算法的各種數(shù)字圖像自適應(yīng)隱寫術(shù)[9-11]、HUGO、WOW、S-UNIWARD、HILL等，均將秘密信息嵌入空域圖像紋理復(fù)雜或邊緣等難以建模的區(qū)域?；贘PEG域的自適應(yīng)隱寫術(shù)有：Huang等人提出的一種高安全性的基于JPEG域格式的隱寫術(shù)[12]塊熵Wang等人[13]基于量化的DCT系數(shù)的塊熵和STC（Syndrome-Trellis Coding）矩陣編碼提出的一種高安全性的JPEG隱寫術(shù)、J-UNIWARD等。這些自適應(yīng)隱寫術(shù)嵌入過程相較于非自適應(yīng)隱寫術(shù)更為復(fù)雜，但是從躲避攔截等方面來看，其抗隱寫分析能力強(qiáng)，安全性更高，更有利于秘密信息的傳送。為了更形象地展示出自適應(yīng)數(shù)字圖像隱寫術(shù)嵌入秘密信息的特點(diǎn)，本文采用WOW隱寫術(shù)在空域圖像上分別演示這四種嵌入率0.1 bpp、0.2 bpp、0.3 bpp、0.4 bpp下圖像的載密情況，如圖2、圖3、圖4、圖5、圖6所示。從圖中可以清晰看出數(shù)字圖像自適應(yīng)隱寫術(shù)可以完美地將秘密信息嵌入圖像紋理較為復(fù)雜的區(qū)域。

1.2 ?新式數(shù)字圖像隱寫術(shù)

為了區(qū)別于傳統(tǒng)數(shù)字圖像隱寫術(shù)，本文將基于深度學(xué)習(xí)的數(shù)字圖像隱寫術(shù)稱為新式數(shù)字圖像隱寫術(shù)，其大致可以分為采用生成對抗網(wǎng)絡(luò)和借鑒對抗樣本思想這兩類來生成載密圖像。基于生成對抗網(wǎng)絡(luò)的數(shù)字圖像隱寫術(shù)一般集中于空域圖像，主要是從載體或隱寫失真代價(jià)方面“被動”地增強(qiáng)自身對隱寫分析的抵御能力[8]，典型的隱寫模型有：SGAN（Steganographic GAN）、SSGAN（Secure SteganographyBased on GAN）、HayesGAN、HiDDeN（Hiding Data With Deep Networks）等。而借鑒對抗樣本思想的數(shù)字圖像隱寫術(shù)一般通過“主動”干擾隱寫分析采用的機(jī)器學(xué)習(xí)模型來提高隱寫安全性[8]，主要有：Zhang等人[14]、Tang等人[15]、Ma等人[16]提出的數(shù)字圖像隱寫術(shù)。若從數(shù)字圖像全局和局部統(tǒng)計(jì)分布特性角度來看，SGAN、SSGAN及Stego-WGAN這三個(gè)數(shù)字圖像隱寫方法主要是基于圖像全局嵌入秘密信息，Tang等人[15]提出的ASDL-GAN和Yang等人[17]提出的UT-SCA-GAN通過在對抗訓(xùn)練中利用生成網(wǎng)絡(luò)得到每個(gè)像素的嵌入改變概率得到像素修改圖[18]，主要從圖像局部嵌入秘密信息。新式數(shù)字圖像隱寫術(shù)依賴于網(wǎng)絡(luò)自主學(xué)習(xí)和數(shù)據(jù)驅(qū)動，與傳統(tǒng)數(shù)字圖像隱寫術(shù)最大的不同在于避開了由人工設(shè)計(jì)秘密信息嵌入算法，不再依賴于人的先驗(yàn)知識和相關(guān)經(jīng)驗(yàn)，且在抗隱寫分析的能力上也變得更強(qiáng)。SGAN、SSGAN、Stego-WGAN、ASDL-GAN、UT-SCA-GAN在0.4bpp嵌入率下抗隱寫分析能力對比如表1所示。表中的數(shù)據(jù)均來源于提出該隱寫方法時(shí)的參考文獻(xiàn)，隱寫分析準(zhǔn)確率越高代表該隱寫分析方法安全性越差，綜合比較之下，Stego-WGAN和UT-SCA-GAN性能較優(yōu)。

2 ?數(shù)字圖像隱寫分析術(shù)

本節(jié)將從基于數(shù)字圖像全局和局部統(tǒng)計(jì)分布特性的角度出發(fā)，闡述近年來數(shù)字圖像隱寫分析術(shù)研究進(jìn)展情況。

2.1 ?基于數(shù)字圖像全局統(tǒng)計(jì)分布特性的隱寫分析術(shù)

基于數(shù)字圖像全局統(tǒng)計(jì)分布特性的隱寫分析術(shù)將載體圖像或載密圖像作為一個(gè)整體，無差別對待圖像中的每一個(gè)像素或者每一個(gè)變換域系數(shù)。從應(yīng)用范圍來看，基于數(shù)字圖像全局統(tǒng)計(jì)分布特性的隱寫分析術(shù)可分為兩大類，一類是針對特定隱寫術(shù)的檢測即專用隱寫分析術(shù)，一類是不針對任何隱寫術(shù)的通用檢測即通用隱寫分析術(shù)，而且還可以從空域和JPEG域來劃分專用隱寫分析術(shù)和通用隱寫分析術(shù)。針對空域圖像的專用隱寫分析術(shù)主要有：卡方檢驗(yàn)方法、RS方法、SPA方法等，針對JPEG域特定隱寫術(shù)檢測的專用隱寫分析術(shù)主要有：卡方檢驗(yàn)方法、定量隱寫分析檢測、基于直方圖的檢測等。這些方法均是專為某些特定的數(shù)字圖像隱寫術(shù)而設(shè)計(jì)的，具有較好的檢測效果，但是現(xiàn)實(shí)中往往很難提前獲知數(shù)字圖像采用的是哪一種隱寫術(shù)，因此其實(shí)用性及適用性均不強(qiáng)。而通用隱寫分析術(shù)則不受數(shù)字圖像所選隱寫術(shù)的限制，更具實(shí)際應(yīng)用價(jià)值。在空域圖像通用隱寫分析術(shù)中，一般將嵌入的秘密信息視為高頻擾動信號，那么會先利用高通濾波器得出殘差圖像，以減少圖像內(nèi)容本身所帶來的分類效果的負(fù)面影響而凸顯出秘密信息的存在，然后在殘差圖像的基礎(chǔ)上再使用各種統(tǒng)計(jì)模型來提取分類特征。從數(shù)字圖像全局統(tǒng)計(jì)分布特性出發(fā)，根據(jù)是否由人工參與設(shè)計(jì)分類特征，可以分為傳統(tǒng)數(shù)字圖像通用隱寫分析術(shù)和基于深度學(xué)習(xí)的新式數(shù)字圖像通用隱寫分析術(shù)：

（1）傳統(tǒng)數(shù)字圖像通用隱寫分析術(shù)。傳統(tǒng)數(shù)字圖像通用隱寫分析術(shù)主要分為特征構(gòu)造和分類訓(xùn)練這兩個(gè)階段，重點(diǎn)在于由人工設(shè)計(jì)分類特征，所以非常依賴設(shè)計(jì)者的先驗(yàn)知識及分類器的判別能力。在空域圖像上，典型的通用隱寫分析術(shù)有：SPAM、SRM、PSRM、TLBP等，其中SRM在各類隱寫術(shù)的檢測中表現(xiàn)均不錯(cuò)，贏得最多認(rèn)可與關(guān)注。在JPEG域上，典型的通用隱寫分析術(shù)有：PEV、JRM、DCTR、PHARM、GFR等。無論是空域還是JPEG域，以上這些傳統(tǒng)的數(shù)字圖像隱寫分析術(shù)均是從數(shù)字圖像的全局分布提取有效特征。

（2）新式數(shù)字圖像通用隱寫分析術(shù)。在這里用新式數(shù)字圖像通用隱寫分析術(shù)指代基于深度學(xué)習(xí)的數(shù)字圖像通用隱寫分析術(shù)，主要用來區(qū)分人工設(shè)計(jì)分類特征的傳統(tǒng)數(shù)字圖像通用隱寫分析術(shù)?；谏疃葘W(xué)習(xí)的數(shù)字圖像通用隱寫分析術(shù)根據(jù)預(yù)處理層內(nèi)部權(quán)重參數(shù)是否參與反向傳播可分為半學(xué)習(xí)隱寫分析和全學(xué)習(xí)隱寫分析[19]。

基于空域圖像的半學(xué)習(xí)隱寫分析模型主要有：Qian等人提出的GNCNN網(wǎng)絡(luò)、Xu等人提出的Xu-Net網(wǎng)絡(luò)、Yedroudj等人提出的Yedroudj-Net網(wǎng)絡(luò)、Li等人提出的ReST-Net網(wǎng)絡(luò)等;基于JPEG域的半學(xué)習(xí)隱寫分析模型主要有：Xu在原有Xu-Net基礎(chǔ)上提出的Xu-Net-JPEG網(wǎng)絡(luò)、Chen等人在Xu-Net的基礎(chǔ)上提出的VNet與PNet網(wǎng)絡(luò)、Zeng等人提出的Zeng’s model頻域分析模型等。這些空域半學(xué)習(xí)隱寫分析模型在嵌入率為0.4bpp，隱寫術(shù)為S-UNIWARD時(shí)隱寫分析準(zhǔn)確率對比如表2所示，隱寫分析準(zhǔn)確率越高，代表該隱寫分析模型性能越好，從表2中可以看出，ReST-Net網(wǎng)絡(luò)具有最高的檢測準(zhǔn)確率。

基于空域圖像的全學(xué)習(xí)隱寫分析模型主要有：Tan等人首次將隱寫分析與深度學(xué)習(xí)相結(jié)合而提出的TanNet網(wǎng)絡(luò)、Ye等人提出的Ye-Net網(wǎng)絡(luò)、Boroumand等人提出的SRNet網(wǎng)絡(luò)（且SRNet網(wǎng)絡(luò)也可應(yīng)用于JPEG域），Zhu等人提出的Zhu-Net網(wǎng)絡(luò)等?；谏疃葘W(xué)習(xí)的數(shù)字圖像通用隱寫分析術(shù)就是利用深度學(xué)習(xí)網(wǎng)絡(luò)強(qiáng)大的特征表達(dá)學(xué)習(xí)能力從圖像全局統(tǒng)計(jì)分布特性出發(fā)將特征構(gòu)造與分類訓(xùn)練融于一體，避免人工設(shè)計(jì)特征，利用數(shù)據(jù)驅(qū)動和計(jì)算機(jī)算力來實(shí)現(xiàn)隱寫分析。從實(shí)驗(yàn)結(jié)果來看，全學(xué)習(xí)隱寫分析模型相對于傳統(tǒng)數(shù)字圖像通用隱寫分析術(shù)與新式數(shù)字圖像通用隱寫分析術(shù)的半學(xué)習(xí)模型具有更高的檢測精度，但是其所需要的訓(xùn)練時(shí)間更長，也更容易出現(xiàn)過擬合情況等[19]。

2.2 ?基于數(shù)字圖像局部統(tǒng)計(jì)分布特性的隱寫分析術(shù)

基于數(shù)字圖像局部統(tǒng)計(jì)分布特性的隱寫分析術(shù)可根據(jù)載體圖像或載密圖像的局部紋理復(fù)雜度高、邊緣部分變化程度劇烈的區(qū)域來提取分類特征，一般先用高通濾波器得到圖像的高頻殘差圖像，然后在殘差圖像上進(jìn)行直方圖或共生矩陣統(tǒng)計(jì)特征的構(gòu)建，這樣操作就是為了最大化載密信息在分類中的作用。

對于空域圖像，根據(jù)圖像局部統(tǒng)計(jì)分布特性進(jìn)行隱寫分析的方法從某種意義上可稱為自適應(yīng)隱寫分析術(shù)，主要有：maxSRM、tSRM、σSRM、黃思遠(yuǎn)等人[20]提出的基于顯著性檢測的圖像隱寫分析方法、Tang等人[21]提出的利用選擇信道信息的自適應(yīng)隱寫分析等。對于JPEG域，其自適應(yīng)隱寫分析術(shù)主要有SCA、李德維等人[22]提出的基于噪聲感知?dú)埐罹W(wǎng)絡(luò)的JPEG隱寫分析方法等?；跀?shù)字圖像局部統(tǒng)計(jì)分布特性的隱寫分析術(shù)強(qiáng)調(diào)的是自適應(yīng)選擇圖像較復(fù)雜區(qū)域進(jìn)行特征提取，盡可能將秘密信息的嵌入擾動量最大化，將圖像內(nèi)容本身對于隱寫分析準(zhǔn)確率的影響最小化。

3 ?結(jié) ?論

本文從數(shù)字圖像的全局和局部統(tǒng)計(jì)分布特性這兩方面出發(fā)，梳理了數(shù)字圖像隱寫和隱寫分析術(shù)在空域和JPEG域的發(fā)展情況，重點(diǎn)在于近年來開展的如火如荼的基于深度學(xué)習(xí)的數(shù)字圖像隱寫和隱寫分析術(shù)。深度學(xué)習(xí)確實(shí)給這個(gè)領(lǐng)域帶來了不一樣的關(guān)于載密圖像生成和判別的思路，但是現(xiàn)階段的研究大部分還是停留在對深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的改造上，且還存在以下幾個(gè)方面的問題：

（1）基于深度學(xué)習(xí)的隱寫術(shù)生成的含密圖像一般視覺質(zhì)量不佳。

（2）基于深度學(xué)習(xí)的數(shù)字圖像隱寫分析術(shù)在面對隱寫算法比較復(fù)雜和秘密信息低嵌入率的情況中表現(xiàn)不佳，有待進(jìn)一步尋求新的突破口。

（3）還未實(shí)現(xiàn)完全端到端的學(xué)習(xí)模式，依賴人工干預(yù)。

（4）基于深度學(xué)習(xí)的數(shù)字圖像隱寫分析術(shù)訓(xùn)練效率較低，擬合度速度較慢。

（5）基于深度學(xué)習(xí)的數(shù)字圖像隱寫分析術(shù)通用性不夠，跟不上隱寫術(shù)的發(fā)展腳步，等等。在今后的研究過程中，將圍繞這些問題進(jìn)行探索。

參考文獻(xiàn)：

[1] 王朔中，張新鵬，張衛(wèi)明.以數(shù)字圖像為載體的隱寫分析研究進(jìn)展 [J].計(jì)算機(jī)學(xué)報(bào)，2009，32（7）：1247-1263.

[2] JOHNSON N F，JAJODIA S. Exploring Steganography：Seeing the Unseen [J].Computer，1998，31（2）：26-34.

[3] PETITCOLAS AP F，ANDERSON J R，KUHN G M. Information hiding-a survey [J].Proceedings of the IEEE，1999，87（7）：1062-1078.

[4] 周翠紅，秦姣華，左偉明，等.空域圖像隱藏信息檢測技術(shù)研究 [J]. 湖南城市學(xué)院學(xué)報(bào)（自然科學(xué)版），2010，19（2）：55-60.

[5] TRIVEDI S，CHANDRAMOULI R. Secret key estimation in sequential steganography [J]. IEEE Transactions on Signal Processing，2005，53（2）：746-757.

[6] TRIVEDI S，CHANDRAMOULI R. Active steganalysis of sequential steganography [C]//Conference on Security and Watermarking of Multimedia Contents V Jan 21-24.Santa Clara CA：Proceedings of SPIE - The International Society for Optical，2003.

[7] 茹炳晟.JPEG圖像隱寫信息盲檢測系統(tǒng)的設(shè)計(jì)與開發(fā) [D].上海：上海交通大學(xué)，2008.

[8] 翟黎明，嘉炬，任魏翔，等.深度學(xué)習(xí)在圖像隱寫術(shù)與隱寫分析領(lǐng)域中的研究進(jìn)展 [J].信息安全學(xué)報(bào)，2018，3（6）：2-12.

[9] YANG C H，WENG C Y，WANG S J，et al. Adaptive Data Hiding in Edge Areas ofImages With Spatial LSB Domain Systems [J].IEEE Transactions on Information Forensics and Security，2008，3（3）：488-497.

[10] HUANG W，ZHAO Y，NI R R. Block-Based Adaptive Image Steganography Using LSB Matching Revisited [J]. Journal of Electronic Science and Technology，2011（4）：291-296.

[11] LIU G J，LIU W W，DAI Y W，et al. Adaptive steganography based on block complexity and matrix embedding [J]. Multimedia Systems，2014，20（2）：227-238.

[12] HUANG F J，HUANG J W，SHI Y Q. New channel selection rule for JPEG steganography [J].IEEE Transactions on Information Forensics and Security，2012，7（4）：1181-1191.

[13] WANG C，NI J Q. An efficient JPEG steganographic scheme based on the block entropy of DCT coefficients[C]//2012 IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP）.Kyoto：IEEE，2012.

[14] ZHANG Y W，ZHANG W M，CHEN K J，et al. Adversarial Examples Against Deep Neural Network based Steganalysis[C]//Proceedings of the 6th ACM Workshop on Information Hiding and Multimedia Security. ACM，2018：67-72.

[15] TANG W X，LI B，TAN S Q，et al. CNN Based Adversarial Embedding with Minimum Alteration for Image Steganography [J].IEEE Transactions on Information Forensics and Security，2018.

[16] MA S，GUAN Q X，ZHAO X F，et al. Weakening the Detecting Capability of CNN-based Steganalysis [EB/OL].（2018-03-29）.https：//www.researchgate.net/publication/324104295_Weakening_the_Detecting_Capability_of_CNN-based_Steganalysis/fulltext/5abdb18daca27222c755994b/324104295_Weakening_the_Detecting_Capability_of_CNN-based_Steganalysis.pdf？origin=publication_detail.

[17] Yang J，Liu K，Kang X，et al. Spatial image steganography based on generative adversarial network [EB/OL].（2018-04-21）.https：//arxiv.org/abs/1804.07939v1.

[18] 付章杰，李恩露，程旭，等.基于深度學(xué)習(xí)的圖像隱寫研究進(jìn)展 [J].計(jì)算機(jī)研究與發(fā)展，2021，58（3）：548-568.

[19] 陳君夫，付章杰，張衛(wèi)明，等.基于深度學(xué)習(xí)的圖像隱寫分析綜述 [J].軟件學(xué)報(bào)，2021，32（2）：551-578.

[20] 黃思遠(yuǎn)，張敏情，柯彥，等.基于顯著性檢測的圖像隱寫分析方法 [J].計(jì)算機(jī)應(yīng)用，2021，41（2）：441-448.

[21] Tang W，Li H，Luo W，et al. Adaptive steganalysis against WOW embedding algorithm[C]//Proceedings of the 2nd ACM workshop on Information hiding and multimedia security.2014：91-96.

[22] 李德維，任魏翔，王麗娜，等.基于噪聲感知?dú)埐罹W(wǎng)絡(luò)的JPEG隱寫分析方法 [J].計(jì)算機(jī)應(yīng)用研究，2021，38（10）：3148-3152+3165.

作者簡介：譚艷萍（1990—），女，漢族，湖南邵陽人，講師，碩士研究生，研究方向：數(shù)字圖像隱寫與隱寫分析;羅永（1991—），男，漢族，貴州畢節(jié)人，講師，碩士研究生，研究方向：物聯(lián)網(wǎng)技術(shù)應(yīng)用;張?。?987—），男，漢族，河南信陽人，副教授，博士，研究方向：物聯(lián)網(wǎng)技術(shù)應(yīng)用。