以神经网络模型为载体的鲁棒隐写方法

来源：电子测量技术杂志2024年第9期北京时间：

作者：杨彤彤，杨紫云，王子驰

单位：上海大学通信与信息工程学院 上海 200444

摘要：神经网络已广泛应用于各个领域，神经网络模型隐写是近年来学术界新兴的研究方向。嵌入容量与鲁棒性是神经网络模型隐写的重要指标，但难以同时兼顾。为此，本文提出了一种以神经网络模型为载体的鲁棒模型隐写方法。不明显降低模型原始任务性能的情况下，发送者在训练过程中将秘密信息嵌入到神经网络中，而不是在神经网络训练完成后通过修改网络参数嵌入。接收者使用解码网络提取秘密信息，解码网络的参数使用唯一的嵌入密钥生成，因此无需秘密地向接收者传送解码网络。此外，本文还引入了RS码，提高数据提取的鲁棒性。实验结果表明，所提出的模型隐写方法将嵌入容量增大了66.6%的同时增强了鲁棒性。

关键词：隐写;神经网络模型;鲁棒性;RS码;嵌入容量

基金资助：国家自然科学基金(62376148)、上海市教育发展基金会和上海市教育委员会“晨光计划”项目(22CGA46)资助