秘隐-图像隐写系统

一.项目简介：

“秘隐”-图像隐写系统，主要基于传统的隐写算法完成了文本信息的隐藏与提取、单张图片的隐藏与提取，并基于PyQt5完成了项目的可视化界面演示，最后通过pyinstaller完成项目打包从而免去复杂环境配置操作，用于信息的安全保护。

二.项目演示：

演示视频地址： https://www.bilibili.com/video/BV1W341127wG?share_source=copy_web

AI Studio项目地址：https://aistudio.baidu.com/aistudio/projectdetail/2391070

三.项目意义：

图像隐写术作为信息安全的一个重要研究领域，即在图像中隐藏秘密信息包括文本及图片等。区别于密码学加密技术，在进行信息的私密传输时，图像隐写术通过公开图像的隐蔽性掩盖了秘密通信的存在性，可以使信息得到较好的安全保护，在保密传输领域等信息安全领域具有重要实际意义。

四.项目运行说明：

根据提供的"项目必读说明.txt"进行简单操作即可。

五.优化提升方向：

本次采用的主要为传统的隐写算法。但目前传统隐写术发展已逐渐进入瓶颈期，容易被基于统计的隐写分析识别。随着深度学习在隐写分析技术上的日渐成熟，对图像隐写术也提出了更大的挑战。

对图像隐写这块方向感兴趣的可以尝试下目前主流的基于GAN的方法。生成对抗网络是一种生成器和判别器两个深度学习网络相互对抗的过程，生成器类似于隐写算法，而判别器类似于隐写分析算法，天然符合隐写领域内隐写和隐写分析相互对抗，不断促进的发展历程。而且基于深度学习的网络设计的方法，模型类似于一个黑箱实验，不需要设计者对该领域具有极深的造诣，设计者只需要专注于如何设计强大并有效的网络结构即可，可以大大地减少工作量。

基于GAN生成式对抗网络的**进行图像隐写模型的构建，其网络框架主要由隐写编码器、提取解码器和隐写评估器三部分组成。隐写编码器将要隐藏的私密信息嵌入载体图像并生成含密图像，而提取解码器从含密图像中恢复出嵌入的私密信息，隐写评估器评估生成的含密图像较载体图像的质量，给出评分。最后通过三者的对抗训练过程同时优化编码器、解码器和评估器，通过多轮迭代让模型自主学习在自然图像上嵌入及提取信息算法。

参考学习项目：

Hidden水印：https://github.com/ando-khachatryan/HiDDeN

文本大容量隐写：https://github.com/DAI-Lab/SteganoGAN