来自MIT Data to AI Lab的开源项目。

SteganoGAN

• 许可协议：MIT
• 文档：https://DAI-Lab.github.io/SteganoGAN
• 主页：https://github.com/DAI-Lab/SteganoGAN

概述

SteganoGAN 是一个使用对抗性训练创建隐写图像的工具。

安装

要开始使用 SteganoGAN，我们建议使用 pip

pip install steganogan

或者，您可以克隆存储库并运行 make install 从源代码安装。

git clone git@github.com:DAI-Lab/SteganoGAN.git
cd SteganoGAN
make install

对于开发，您可以使用 make install-develop 命令安装所有测试和代码审查所需的依赖项。

注意 SteganoGAN目前需要 torch 版本为 1.0.0 才能正常运行。

使用

命令行

SteganoGAN 包含一个简单的命令行界面，用于编码和解码隐写图像。

在图像中隐藏消息

要创建一个隐写图像，你只需提供封面图像的路径和秘密消息

steganogan encode [options] path/to/cover/image.png "Message to hide"

从图像中读取消息

要从隐写图像中恢复秘密消息，你只需提供由兼容模型生成的隐写图像的路径

steganogan decode [options] path/to/generated/image.png

附加选项

该脚本有一些附加选项来控制其行为

• -o, --output PATH：存储生成的图像的路径。默认为output.png。
• -a, --architecture ARCH：要使用的架构，基本或密集。默认为密集。
• -v, --verbose：详细模式。
• --cpu：强制使用CPU，即使CUDA可用。如果系统中可用GPU的VRAM量太低，可能需要这样做。

警告：请确保在编码和解码阶段都使用相同的架构规范（--architecture）；否则，SteganoGAN将无法解码消息。

Python

与SteganoGAN从Python交互的主要方式是通过steganogan.SteganoGAN类。可以使用预训练模型实例化此类

>>> from steganogan import SteganoGAN
>>> steganogan = SteganoGAN.load('steganogan/pretrained/dense.steg')
Using CUDA device

一旦我们加载了我们的模型，我们可以提供输入图像路径、输出图像路径和秘密消息

>>> steganogan.encode('research/input.png', 'research/output.png', 'This is a super secret message!')
Encoding completed.

这将生成一个与输入图像非常相似的output.png图像，但其中包含秘密消息。为了恢复消息，我们可以简单地将output.png传递给decode方法

>>> steganogan.decode('research/output.png')
'This is a super secret message!'

研究

我们在research文件夹中提供了示例脚本，演示了如何从任意数据集从头开始训练自己的SteganoGAN模型。此外，我们在research/data中提供了一个方便的脚本，用于下载两个流行的图像数据集。

下一步是什么？

有关SteganoGAN及其所有可能性和功能的更多详细信息，请参阅项目文档网站！

引用SteganoGAN

如果你在研究中使用了SteganoGAN，请考虑引用以下工作

张，凯文·亚历克斯，库埃斯塔-因凡特，阿尔弗雷多，维拉马查内尼，卡利扬。SteganoGAN：使用GAN的高容量图像隐写术。麻省理工学院电子工程与计算机科学系，2019年1月。(PDF)

@article{zhang2019steganogan,
  title={SteganoGAN: High Capacity Image Steganography with GANs},
  author={Zhang, Kevin Alex and Cuesta-Infante, Alfredo and Veeramachaneni, Kalyan},
  journal={arXiv preprint arXiv:1901.03892},
  year={2019},
  url={https://arxiv.org/abs/1901.03892}
}

历史

0.1.3

• 限制依赖项以避免外部更改导致staganogan出现故障。

已解决的问题

• 问题#50：限制Pillow和其他依赖项。
• 问题#55：更新reedsolo。

0.1.2

• 添加从CLI和Python使用自定义预训练模型的选项
• 重构Critics和Decoders以匹配Encoders代码风格
• 使旧预训练模型与新代码版本兼容
• 清理不需要的依赖项
• 广泛的单元测试

0.1.1

• 添加更好的预训练模型。
• 提高对非CUDA设备的支持。

0.1.0 - 首次发布到PyPi

• SteganoGAN类，可以拟合、保存、加载，并用于编码和解码消息。
• 基本的命令行界面，允许使用预训练模型。
• 基本和密集预训练模型，用于演示目的。