NFT图像隐写

作     者：王子驰 冯国瑞 张新鹏 WANG Zichi;FENG Guorui;ZHANG Xinpeng

作者机构：上海大学通信与信息工程学院上海200444 深圳大学深圳媒体信息内容安全重点实验室广东深圳518060 

出 版 物：《网络与信息安全学报》 (Chinese Journal of Network and Information Security)

年 卷 期：2022年第8卷第3期

页      面：18-28页

学科分类：08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62002214,62072295,U1936214) 深圳媒体信息内容安全重点实验室开放基金(ML-2022-01) 

主　　题：元宇宙 NFT图像 隐写 多样性 

摘      要：NFT(non-fungible token)图像为元宇宙中进行创作、交易、分享和收藏的数字艺术作品。不同于自然图像,NFT图像的内容为用户自主定义,在数据空间分布较广,这为秘密信息的隐藏提供了极大便利,因此借助NFT图像进行隐蔽通信成为图像隐写的一个新分支。提出了一种NFT图像的隐写方法。对一幅给定的NFT图像,对高频与边缘轮廓部分进行增强,以丰富图像中有利于掩盖隐写修改痕迹的细节部分,从而使增强后的图像更适合隐写,将其作为载体。根据增强前后图像像素的差异确定载体图像各像素加1或减1的倾向修改方向,并根据此差异调整载体各像素的修改代价以满足确定的倾向修改方向,进一步提升隐写抗检测性。利用主流隐写编码框架在载体图像中进行信息嵌入。实验结果表明,所提方法应用于NFT图像时的抗检测性优于现有的数字图像隐写方案,对于HILL、Mi POD、DFEI隐写方案,所提方法可分别将隐写分析错误率(PE值)平均提升8.7%、9.2%、6.2%(所有嵌入率与隐写分析特征情况平均值)。所提方法适用于NFT图像,为除自然图像与生成图像以外的第3类载体(即NFT图像)提供了针对性的隐写方法。待NFT图像数量较为可观后,可充分利用神经网络强大的拟合与学习能力,设计深度学习的NFT图像隐写方法。