基于Transformer和混沌递归加密的图像隐写模型研究.pdf

摘要

摘要

随着计算机技术和通信技术的发展，大量图像被存储在云端，并通过互

联网传输和共享。如何防止一些敏感图像，如军事图像、医学图像或个人隐私

图像不被未授权人员访问，已成为信息安全的一个重要分支。图像加密通过

改变图像中像素的位置和值来加密图像，使得图像中不存在任何视觉上有意

义的信息，以此来实现图像间的加密通信。但是攻击者一眼就能看出图像是

经过加密的，他们会尽力破解它们。图像隐写与图像加密的做法则不同，图像

隐写通常将秘密图像隐藏在一个载体图像中，使攻击者无法感知载体中有秘

密图像的存在，保证了通信过程的安全性，已成为图像安全界的热门话题。

深度学习具备学习能力强、适应性强、数据驱动等优点，引入深度学习模

型的图像隐写已逐渐成为目前的研究热点。当前，大量学者将Transformer模

型应用在图像处理领域，并取得了不错的效果，但是还没有学者探究过其在

图像隐写领域的效果。图像隐写虽然能够实现将秘密图像信息嵌入载体图像，

但是当图像隐写方案被破解时，秘密图像也将被完全暴露出来。于是本文提

出了基于Transformer和混沌递归加密的图像隐写模型研究,主要开展了如下

工作：

（1）针对目前图像隐写领域提出的图像隐写模型得到的图像视觉质量低、

安全性不足以及隐写容量低的问题，本文提出了一种基于Transformer的图像

隐写模型。该模型架构由隐写网络和提取网络两部分组成。隐写网络，用于对

秘密图像进行图像隐写操作；提取网络用于恢复秘密图像。隐写网络和提取

网络都是基于Transformer模型的。通过使用Transformer模型，学习图像隐

写过程和相对应的解密过程，Transformer模型能够有效结合全局信息，对较

长的距离依赖进行建模，从而有效提高隐写模型的性能，载密图像的视觉质

量以及隐写容量，并最终在图像隐写领域取得当前最佳的表现。

（2）针对其他图像加密方法是对整张图片进行整体一次性加密而导致安

1

基于Transformer和混沌递归加密的图像隐写模型研究

全性较低的问题，本文提出了一种基于混沌系统的递归置乱图像加密模型，

该模型创新性地将递归思想引入图像加密，提出的递归方法还可以应用在图

像加密的其他算法中。使用基于混沌系统的递归置乱加密算法对图像进行加

密，能够对图像进行多层次的加密，提高加密算法的安全性。

（3）针对单独使用图像隐写模型导致传输图像被获取且隐写逆过程被破

解后秘密图像将完全暴漏的问题，提出将基于混沌系统的递归置乱图像加密

模型和基于Transformer的图像隐写模型相结合，这样即便载密图像被获取且

图像隐写模型被破解，攻击者进行隐写逆过程后也只是得到一张乱码图像，

保证了秘密图像的安全性。

关键词：图像隐写，图像加密，Transformer，递归加密

2

Abstract

Abstract

Withthedevelopmentofcomputertechnologyandcommunicationtechnology,

alargenumberofimagesarestoredinthecloudandtransmittedandsharedthrough

theInternet.Howtopreventsomesensitiveimages,suchasmilitaryimages,

medicalimagesorpersonalprivateimagesfrombeingaccessedbyunauthorized

personnel,hasbecomeanimportantbra