- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第3 卷 第6 期 信 息 安 全 学 报 Vol. 3 No. 6
2018 年11 月 Journal of Cyber Security November, 2018
深度学习在图像隐写术与隐写分析领域
中的研究进展
翟黎明, 嘉 炬, 任魏翔, 徐一波, 王丽娜
武汉大学 国家网络安全学院 空天信息安全与可信计算教育部重点实验室 武汉 中国 430072
摘要 隐写术与隐写分析是信息安全领域的热门研究方向, 近年来得到了广泛的研究与快速的发展。随着深度学习新技术的兴
起, 深度学习也被引入到隐写术与隐写分析领域, 并在方法和性能上取得了一系列突破性的研究成果。为推进基于深度学习的
隐写术与隐写分析的研究, 本文对目前的主要方法和代表性工作进行了归纳与探讨。对于图像隐写术与隐写分析这两个领域,
本文分别各自比较了传统方法和与相关深度学习方法的异同, 详细介绍了目前主要的基于深度学习的图像隐写术与隐写分析的
基本原理和方法, 最后讨论了基于深度学习的图像隐写术与隐写分析仍需要解决的问题及未来的研究趋势。
关键词 隐写术; 隐写分析; 深度学习; 生成对抗网络; 卷积神经网络
中图法分类号 TP391 DOI 号 10.19363/J.10-1380/tn.2018.11.01
Recent advances in deep learning for image steganography
and steganalysis
ZHAI Liming, JIA Ju, REN Weixiang, XU Yibo, and WANG Lina
Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science
and Engineering, Wuhan University, Wuhan 430072, China
Abstract steganography and steganalysis are hot research directions in the area of information security, and they have
been widely researched and rapidly developed in recent decades. With the rise of new technologies for deep learning,
steganography and steganalysis based on deep learning have achieved a series of breakthrough in methods and perform-
ance. In order to promote the research of steganography and steganalysis based on deep learning, typical methods and rep-
resentative work are summarized and discussed in this paper. For image steganography and steganalysis, the similarities
and differences between conventional methods and deep learning based methods are compared respectively, and the basic
principles an
原创力文档


文档评论(0)