Diffusion-Stego: Training-free Diffusion Generative Steganography via Message Projection

隐写术 计算机科学 生成模型 封面(代数) 投影(关系代数) 噪音(视频) 人工智能 生成语法 信息隐藏 扩散 图像(数学) 模式识别(心理学) 算法 计算机视觉 机械工程 物理 工程类 热力学
作者
Daegyu Kim,Chaehun Shin,Jooyoung Choi,Dahuin Jung,Sungroh Yoon
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:4
标识
DOI:10.48550/arxiv.2305.18726
摘要

Generative steganography is the process of hiding secret messages in generated images instead of cover images. Existing studies on generative steganography use GAN or Flow models to obtain high hiding message capacity and anti-detection ability over cover images. However, they create relatively unrealistic stego images because of the inherent limitations of generative models. We propose Diffusion-Stego, a generative steganography approach based on diffusion models which outperform other generative models in image generation. Diffusion-Stego projects secret messages into latent noise of diffusion models and generates stego images with an iterative denoising process. Since the naive hiding of secret messages into noise boosts visual degradation and decreases extracted message accuracy, we introduce message projection, which hides messages into noise space while addressing these issues. We suggest three options for message projection to adjust the trade-off between extracted message accuracy, anti-detection ability, and image quality. Diffusion-Stego is a training-free approach, so we can apply it to pre-trained diffusion models which generate high-quality images, or even large-scale text-to-image models, such as Stable diffusion. Diffusion-Stego achieved a high capacity of messages (3.0 bpp of binary messages with 98% accuracy, and 6.0 bpp with 90% accuracy) as well as high quality (with a FID score of 2.77 for 1.0 bpp on the FFHQ 64$\times$64 dataset) that makes it challenging to distinguish from real images in the PNG format.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xiaojinyu195完成签到,获得积分10
1秒前
之昂完成签到 ,获得积分10
1秒前
xiaojinyu131完成签到,获得积分10
5秒前
落后哈密瓜完成签到,获得积分10
6秒前
huminjie完成签到 ,获得积分10
6秒前
萌萌2完成签到,获得积分10
9秒前
楚楚完成签到 ,获得积分0
11秒前
萌萌1完成签到,获得积分10
14秒前
小蘑菇的应助被猪猪hero采纳,获得10
15秒前
大胆蛟凤完成签到,获得积分10
15秒前
感动初蓝完成签到 ,获得积分10
16秒前
时尚溪流完成签到,获得积分10
16秒前
侯锐淇完成签到 ,获得积分10
19秒前
ggjun完成签到,获得积分10
26秒前
29秒前
干净的雅青完成签到,获得积分10
35秒前
momo完成签到,获得积分10
35秒前
Lucas的应助被猪猪hero采纳,获得10
41秒前
落落完成签到 ,获得积分10
44秒前
FAHUO完成签到,获得积分10
48秒前
孤独的芹菜完成签到,获得积分10
52秒前
王耑完成签到 ,获得积分10
55秒前
清影完成签到,获得积分10
56秒前
57秒前
Wang发布了新的文献求助10
1分钟前
鹏liu完成签到,获得积分10
1分钟前
活力以冬完成签到,获得积分10
1分钟前
开朗含海完成签到,获得积分10
1分钟前
Heby完成签到 ,获得积分10
1分钟前
amiee发布了新的文献求助10
1分钟前
酷炫蛋挞完成签到 ,获得积分10
1分钟前
tough_cookie完成签到 ,获得积分10
1分钟前
求知小生完成签到 ,获得积分10
1分钟前
1分钟前
前方的菜鸟完成签到 ,获得积分10
1分钟前
花花子完成签到 ,获得积分10
1分钟前
syvshc的应助被科研通管家采纳,获得10
1分钟前
cssc完成签到,获得积分10
1分钟前
arniu2008的应助被科研通管家采纳,获得20
1分钟前
Owen的应助被科研通管家采纳,获得10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185502
求助须知:如何正确求助?哪些是违规求助? 9574242
关于积分的说明 21834586
捐赠科研通 7783123
什么是DOI,文献DOI怎么找? 3434577
关于科研通互助平台的介绍 2558951
邀请新用户注册赠送积分活动 2481357