基于自监督学习PBS-Net和通道提纯的信息隐藏主动防御方法

作     者：马媛媛 赵颖澳 徐富永 张倩倩 辛现伟 

作者机构：河南师范大学计算机与信息工程学院 河南师范大学智慧商务与物联网技术河南省工程实验室 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年

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：国家自然科学基金资助项目(62002103) 河南省优秀青年科学基金资助项目(222300420058) 河南省高等学校重点科研项目资助项目(24A520019) 

主　　题：图像隐写分析 主动防御 自监督学习 

摘      要：信息隐藏主动防御技术作为信息隐藏的对立面，能够阻断非法隐蔽通信的传输。然而，现有的主动防御方法过度依赖载体-载密图像对，无法对未知载密图像主动防御，使其防御的误码率在实际社交网络中降低。针对上述问题，为了在通信双方毫无察觉的情况下彻底阻断秘密信息的传输，提出一种自监督学习盲点网络和通道提纯的主动防御方法。首先，通过像素混洗采样策略降低载密图像中像素之间的空间相关性，将学习方式从监督学习改进为自监督学习；其次，中心掩码卷积和空洞卷积残差块用于消除载密图像中的秘密信息；最后，设计通道提纯模块改善图像纹理细节。该方法无须任何信息隐藏方案的先验知识以及人工操作，使得在主机接收到可疑图像之前消除秘密信息，阻断社交网络中的隐蔽通信。实验结果表明，该方法具有高秘密信息破坏效果和高图像质量，能够达到100%的防御成功率，阻断社交网络中的隐蔽通信。同时，在不同负载率的数据集下，本方法与SC-Net方法和AO-Net方法进行对比，在秘密信息消除方面各提升14.14%和2.91%；在图像质量方面各提升9.14%和43.34%。