近日，項世軍教授團隊的論文Image Semantic Steganography: A Way to Hide Information in Semantic Communication被國際學術期刊IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT)錄用并在線發表（圖1所示）。論文為信息隐藏結合人工智能技術在圖像語義通信中的最新應用成果。第一作者霍彥好為2023級網絡空間安全專業博士生；論文通訊作者項世軍教授為電子工程系教師，信息與通信工程學科碩士生導師，網絡空間安全學科博士生導師。

IEEE TCSVT期刊，由 IEEE于1991年創辦，該期刊緻力于發布視頻和圖像技術領域的最新研究成果，屬于視頻圖像技術領域國際頂級期刊，中科院一區期刊，最新影響因子8.4。

圖1：論文在線發表截圖

随着人工智能（AI）技術的飛速發展，語義通信正逐漸成為信息傳輸的新範式。與傳統通信方式不同，語義通信專注于傳輸與AI任務相關的語義特征，極大提升了通信效率。然而，目前信息隐藏研究中的圖像隐寫方法均為像素級或頻域系數級隐藏，在語義通信環境下難以正确提取信息。為了應對這一挑戰，項世軍教授團隊創新性提出了一個“圖像語義隐寫”框架（圖2所示），旨在确保在語義通信過程中嵌入信息的安全性和魯棒性以及後續AI任務的可行性。整個框架基于生成對抗網絡（GAN）搭建，同時考慮提取失真、隐寫失真和語義通信失真進行聯合訓練。該框架共分為三個階段：嵌入階段和兩個信息提取階段，即秘密信息被嵌入到圖像的語義特征中後，可分别在語義特征和重建圖像上進行提取。實驗表明，對于尺寸為64*64的CIFAR-10數據集，當嵌入0.1bpp的比特信息流時，現有魯棒圖像隐寫算法的平均正确率為51.23%（信息提取完全失敗），而本文所提框架的信息提取正确率為99.98%（幾乎完全正确提取），對圖像質量影響較小（PSNR和SSIM分别為45.22dB和99.22%），且對後期AI任務沒有影響。實驗結果表明，該團隊所提出的“圖像語義隐寫”框架很好地解決了現有隐寫方法在語義通信中無法提取信息的問題，是“人工智能+信息隐藏”在語義通信上的最新成果。

圖2：所設計的圖像語義隐寫框架截圖

該研究得到國家重點研發計劃、國家自然科學基金面上項目和廣東省自然科學基金面上項目的支持。

該論文的鍊接為：https://xplorestaging.ieee.org/document/10711846