FAILED
首站-论文投稿智能助手
典型文献
一种基于生成对抗网络的图像数据水印无载体隐写技术
文献摘要:
无载体隐写技术通过将数字水印信息与图像自身特征信息建立映射关系实现隐蔽写入,从而实现图像数据在互联网环境下传播的数据完整性保护和内容溯源追踪.但现有的图像无载体隐写方法存在需要事先准备大量自然图像构成图像数据集的问题,自然图像选择偏差会导致信息传递的不完整或错误.针对上述问题,提出一种基于生成对抗网络的图像数据水印无载体隐写方法.该方法利用生成对抗网络的生成器从随机噪声、图像标签和数字水印信息生成类似于原始图像的伪造图像,生成对抗网络的判别器则负责判别输入图像的真假,并同时提取标签和数字水印信息.通过多轮的对抗训练后,生成器最后输出类似原始图像且含有数字水印的图像数据,同时肉眼无法区分原始图像和生成图像的区别.经过实验分析表明,使用SCRMQ1作特征提取,用集成分类器检测错误率为48.5%;嵌入容量高达1 bpp以上;数字水印提取的准确率最高可达99.5%.
文献关键词:
图像数据安全;数据水印;无载体隐写;生成对抗网络;强化学习
作者姓名:
邹振婉;李明轩;杨慧婷
作者机构:
国网新疆电力有限公司电力科学研究院 乌鲁木齐830011
文献出处:
引用格式:
[1]邹振婉;李明轩;杨慧婷-.一种基于生成对抗网络的图像数据水印无载体隐写技术)[J].信息安全研究,2022(01):2-8
A类:
数据水印,无载体隐写,SCRMQ1,图像数据安全
B类:
生成对抗网络,隐写技术,数字水印,印信,特征信息,映射关系,写入,互联网环境下,下传,数据完整性,完整性保护,溯源追踪,事先,图像构成,成图,图像数据集,选择偏差,致信,信息传递,法利,生成器,随机噪声,原始图像,伪造,判别器,别输,真假,并同,同时提取,多轮,对抗训练,肉眼,集成分类器,错误率,嵌入容量,bpp,强化学习
AB值:
0.265602
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。