社交网络（OSN）被全世界广泛应用，每天都有海量的图像在社交网络上传播，其中存在的一个隐患是：恐怖分子很可能使用隐写术（Steganography）在这些图像中隐藏秘密信息，隐蔽地传递指令与情报。如何在不影响社交网络图像正常使用的前提下，消除这种隐患？本文提出“图像净化”的想法，设计了通用的图像净化方案，可有效抹除图像中潜在的秘密信息，并保持图像的视觉质量。
当前，许多鲁棒隐写方法已经可以对抗社交网络的常规处理操作（比如图像缩小与重压缩等）。对此，本文提出一种针对鲁棒隐写的图像净化框架，如图1所示，同时考虑OSN对超大图像的缩小操作需求和对鲁棒信息隐藏的攻击需求。在对用户上传的图像处理后，使用两个新的神经网络Scaling-Net和SC-Net，分别针对不同大小的上传图像：使用 SC-Net (Secret Clean Network)消除嵌入的秘密信息并保持图像质量；当图像尺寸过大时，使用 Scaling-Net缩小图像的同时消除秘密消息并保持图像质量。
传统的隐写分析（Steganalysis）技术，专门用于分析图像中是否存在秘密信息——然而，由于社交网络中的图像类型五花八门，很难使用统一的模型来展开分析与检测，该技术在实用性方面存在很大的不足。因此，本文提出“图像净化”的想法，文中提出的图像净化框架可直接部署在社交网络平台上，有效阻止恐怖分子利用社交网络图像传递秘密信息的行为，从而保障国家和社会的安全。
图1 通用图像净化方法框架
论文信息
相关论文已被IEEE Transactions on Circuits and Systems for Video Technology（TCSVT)录用，作者为复旦大学计算机学院多媒体智能安全实验室的朱志颖、韦平、钱振兴、李晟、张新鹏。
Z. Zhu, P. Wei, Z. Qian, S. Li and X. Zhang, Image Sanitization in Online Social Networks: A General Framework for Breaking Robust Information Hiding, in IEEE Transactions on Circuits and Systems for Video Technology, 2022, doi: 10.1109/TCSVT.2022.3224243.
此前已开展的工作：
Z. Zhu, S. Li, Z. Qian, X. Zhang, Destroying robust steganography in online social networks. Information Sciences, 581, 605-619, 2021.
H. Wang, Z. Qian, G. Feng, and X. Zhang, Defeating data hiding in social networks using generative adversarial network, EURASIP Journal on Image and Video Processing, 30(2020): 1-13, 2020.
Z. Qian, Z. Wang, X. Zhang, G. Feng, Breaking Steganography: Slight Modification with Distortion Minimization, International Journal of Digital Crime and Forensics, 11(1), 114-125, 2019.
供稿：朱志颖，复旦大学计算机科学技术学院多媒体智能安全实验室
实验室主页：http://fudanmas.com/
声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
