计算机工程

作者：刘婷, 董理, 严迪群, 王让定

单位：宁波大学信息科学与工程学院，浙江 宁波 315211

关键词：鲁棒图像隐写,JPEG压缩,深度神经网络,社交网络,先验分布

基金：国家自然科学基金(62171244); 国家自然科学基金(61901237); 宁波市自然科学基金青年博士创新研究项目(2022J080); 宁波市重点技术研发项目(2022Z074); 宁波市重点技术研发项目(2022Z075)

由于网络信道压缩过程不可知, 使得图像在历经社交网络传输之后受到的攻击难以预测, 因此研究抵抗压缩失真信道的隐写算法是一个非常具有挑战的难题。现有的抵抗JPEG压缩的算法在训练时所使用的质量因子是固定的, 而在实际应用中, JPEG压缩的质量因子并不是固定的, 而是依赖于原始图像的特性。因此, 要设计出可以抵抗社交网络中的JPEG失真的方法, 首先需要研究社交网络压缩信道的质量因子分布情况。针对现有抗JPEG压缩的鲁棒隐写算法对社交网络压缩失真脆弱的问题, 研究JPEG压缩质量因子在社交网络传输中的分布特性, 并采用高斯混合模型(GMM)对其进行建模。在隐写模型的训练过程中, 质量因子的选择不再采用传统鲁棒隐写方法中的固定值, 而是从GMM中进行平滑采样。实验证明, 所设计的抗JPEG压缩鲁棒性隐写模型在遭受社交网络JPEG压缩攻击后, 能够显著提升图像的视觉质量, 同时降低信息提取错误率。相较于其他模型, 模型也具有较好的安全性。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期