Génération d'images stéganographiques via l'entraînement adversarial

L'entraînement adversarial a récemment montré qu'il était compétitif par rapport aux méthodes d'apprentissage supervisé dans les tâches de vision par ordinateur. Cependant, les études ont principalement été confinées à des tâches génératives telles que la synthèse d'images. Dans cet article, nous appliquons des techniques d'entraînement adversarial à la tâche discriminative d'apprentissage d'un algorithme stéganographique. La stéganographie est un ensemble de techniques pour dissimuler des informations en les intégrant dans un support non secret, tel que des textes de couverture ou des images. Nous montrons que l'entraînement adversarial peut produire des techniques stéganographiques robustes : notre schéma d'entraînement non supervisé produit un algorithme stéganographique qui rivalise avec les techniques stéganographiques de pointe et produit un stéganalyseur robuste, qui effectue la tâche discriminative de décider si une image contient des informations secrètes. Nous définissons un jeu entre trois parties, Alice, Bob et Eve, afin d'entraîner simultanément un algorithme stéganographique et un stéganalyseur. Alice et Bob tentent de communiquer un message secret contenu dans une image, tandis qu'Eve écoute leur conversation et tente de déterminer si des informations secrètes sont intégrées dans l'image. Nous représentons Alice, Bob et Eve par des réseaux neuronaux et validons notre schéma sur deux ensembles de données d'images indépendants, montrant que notre nouvelle méthode d'étude des problèmes stéganographiques est étonnamment compétitive par rapport aux techniques stéganographiques établies.