[发明专利]一种基于神经网络的图像信息隐写方法

权利要求书

1.一种基于神经网络的图像信息隐写方法，其特征在于，所述基于神经网络的图像信息隐写方法包括以下步骤：

对生成对抗网络和提取器进行同步训练，所述生成对抗网络包括用于生成图像的生成器和用于判别图像的判别器；

所述同步训练可为：利用原始图库和噪声样本进行模型训练，在训练的过程中有生成器、判别器、提取器的同时参与，并预先设定一个训练迭代次数，训练完成后，生成器能够生成质量好的图像、判别器无法判断生成的图像是否为自然图像或生成图像、提取器能够准确地提取出噪声信号；

发送者将秘密信息转换成噪声信号并输入训练好的生成器，生成隐写图像；

接收者接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号并将噪声信号还原成秘密信息。

2.根据权利要求1所述的基于神经网络的图像信息隐写方法，其特征在于，所述生成器的输入为噪声向量，然后通过一个全连接层和四个卷积层，输出为一副图像；所述判别器包含四个卷积层，最后一层为含有2个输出的softmax函数，用来区分生成的隐写图像和自然图像；所述提取器也包含四个卷积层，输入是与生成器输出图像维度一致的图像，最后一层为全连接层，输出是与生成器输入向量维度一致的向量，用来恢复噪声信号。

3.根据权利要求2所述的基于神经网络的图像信息隐写方法，其特征在于，所述对生成对抗网络和提取器进行同步训练包括以下步骤：固定生成器与提取器，更新判别器；固定判别器和生成器，更新提取器；固定判别器和提取器，更新生成器。

4.根据权利要求1所述的基于神经网络的图像信息隐写方法，其特征在于，所述将秘密信息转换成噪声信号具体为：利用密码算法对明文信息进行加密形成二进制比特流，然后根据约定的映射规则将密文比特流映射为噪声信号。

5.根据权利要求4所述的基于神经网络的图像信息隐写方法，其特征在于，所述将比特流映射为噪声信号具体为：比特流分割为固定长度的小段，通过下列映射方程将映射为随机噪声信号：

其中，函数random(a,b)生成一个介于a与b之间的随机数r，m为比特流小段所对应的十进制值，σ为一个随机噪声所能表示的比特数，δ为间隔参数，用来确保秘密信息的提取精度。

6.根据权利要求5所述的基于神经网络的图像信息隐写方法，其特征在于，所述接收者接收隐写图像，输入训练好的提取器，提取隐写图像的噪声信号具体为：隐写图像通过公共信道传送给接收者；接收者收到图像后，利用提取器提取出图像的噪声信号。

7.根据权利要求6所述的基于神经网络的图像信息隐写方法，其特征在于，所述将噪声信号还原成秘密信息具体为：先根据映射规则从噪声信号中恢复出密文比特流，再根据解密算法得到明文信息。

8.根据权利要求1至7之一所述的基于神经网络的图像信息隐写方法，其特征在于，所述对生成对抗网络和提取器进行同步训练有以下极大极小博弈公式：

其中生成器以G表示，判别器以D表示，提取器以E表示。

9.根据权利要求8所述的基于神经网络的图像信息隐写方法，其特征在于，所述极大极小博弈公式中，参数β用来平衡生成图像真实性与消息正确提取率，是生成对抗网络的目标函数，其中是在真实图像p_data(x)和生成图像集p_z(G(z))上的插值采样，λ是惩罚因子。是提取器的目标函数，它的作用是最小化驱动噪声z与提取出噪声z'＝E(G(z))之间的差距。

10.根据权利要求9所述的基于神经网络的图像信息隐写方法，其特征在于，所述参数β根据实验确定具体选值。