擦除与修复：一种高效的无需盒子的高容量深度隐藏移除攻击
摘要：使用深度神经网络将图像隐藏并与其他图像嵌入在一起，已经证明了在增加秘密共享的消息容量和稳健性方面具有令人印象深刻的效果。在本文中，我们依靠我们对最新深度隐藏方案及其漏洞的深入研究，挑战现有深度隐藏方案的稳健性，阻止恢复秘密图像。利用我们的分析，我们首先提出一种简单的不需任何先前知识的无框移除攻击方法，用于针对深度隐藏模式进行攻击。为了提高对可能通过对抗性训练增强的深度隐藏模式的移除性能，我们进一步设计了一种更强大的移除攻击方法，称为高效无框移除攻击 (EBRA)，该方法采用图像修复技术从容器图像中移除秘密图像。此外，为了保证攻击的有效性并保持处理后的容器图像的保真度，我们设计了一种基于深度隐藏局部性的消除阶段，以移除秘密信息，然后充分利用容器图像的视觉信息修复被擦除的视觉内容。广泛的评估结果显示，我们的方法可以完全从容器图像中移除秘密图像，对容器图像的质量影响可以忽略不计。
作者：Hangcheng Liu, Tao Xiang, Shangwei Guo, Han Li, Tianwei Zhang, and Xiaofeng Liao
论文ID：2308.01512
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-08-04