近日，项世军教授团队的论文Image Semantic Steganography: A Way to Hide Information in Semantic Communication被国际学术期刊IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT)录用并在线发表（图1所示）。论文为信息隐藏结合人工智能技术在图像语义通信中的最新应用成果。第一作者霍彦好为2023级网络空间安全专业博士生；论文通讯作者项世军教授为电子工程系教师，信息与通信工程学科硕士生导师，网络空间安全学科博士生导师。

IEEE TCSVT期刊，由 IEEE于1991年创办，该期刊致力于发布视频和图像技术领域的最新研究成果，属于视频图像技术领域国际顶级期刊，中科院一区期刊，最新影响因子8.4。

图1：论文在线发表截图

随着人工智能（AI）技术的飞速发展，语义通信正逐渐成为信息传输的新范式。与传统通信方式不同，语义通信专注于传输与AI任务相关的语义特征，极大提升了通信效率。然而，目前信息隐藏研究中的图像隐写方法均为像素级或频域系数级隐藏，在语义通信环境下难以正确提取信息。为了应对这一挑战，项世军教授团队创新性提出了一个“图像语义隐写”框架（图2所示），旨在确保在语义通信过程中嵌入信息的安全性和鲁棒性以及后续AI任务的可行性。整个框架基于生成对抗网络（GAN）搭建，同时考虑提取失真、隐写失真和语义通信失真进行联合训练。该框架共分为三个阶段：嵌入阶段和两个信息提取阶段，即秘密信息被嵌入到图像的语义特征中后，可分别在语义特征和重建图像上进行提取。实验表明，对于尺寸为64*64的CIFAR-10数据集，当嵌入0.1bpp的比特信息流时，现有鲁棒图像隐写算法的平均正确率为51.23%（信息提取完全失败），而本文所提框架的信息提取正确率为99.98%（几乎完全正确提取），对图像质量影响较小（PSNR和SSIM分别为45.22dB和99.22%），且对后期AI任务没有影响。实验结果表明，该团队所提出的“图像语义隐写”框架很好地解决了现有隐写方法在语义通信中无法提取信息的问题，是“人工智能+信息隐藏”在语义通信上的最新成果。

图2：所设计的图像语义隐写框架截图

该研究得到国家重点研发计划、国家自然科学基金面上项目和广东省自然科学基金面上项目的支持。

该论文的链接为：https://xplorestaging.ieee.org/document/10711846