图像隐写作为网络与信息安全领域中的关键技术，旨在实现敏感信息在高风险、强对抗环境下的隐蔽安全传输。其应用场景覆盖诸如战场通信、情报传递、无人机集群协同、前线监控、突发事件应急指令传输等关键领域，广泛服务于国防安全、公共安全与边缘智能系统等实际需求。然而，随着对手攻击手段的不断演进，图像隐写的通信安全性正面临前所未有的威胁：一方面，深度学习推动被动隐写分析精准识别图像微小变动，显著提升了隐写检测能力，增加了通信行为暴露的风险；另一方面，主动攻击从传统干扰演变为图像“净化”，可彻底破坏嵌入信息，导致任务中断与决策失误。
针对上述挑战，本文提出一种新型的无封面图像隐写技术，通过特征映射隐藏信息，避免被动隐写分析检测；同时通过解耦哈希序列的多样性与鲁棒性，有效提升单次通信的数据承载能力与抵御主动攻击的能力。该方法包含两项核心创新：一是设计基于块间与通道间融合的SHA-256哈希生成算法，显著提升在固定数据集上生成哈希序列的多样性；二是构建一种融合图像直方图相似性与语义相似性的逆图像检索策略，用于从索引数据库中准确匹配原始图像。实验结果表明，该方法在VOC和COCO数据集上的信息容量分别较现有方法提升了26.73%与38.34%；同时在应对多种常见主动隐写分析攻击时，展现出接近100%的鲁棒性。
本文的关键实际应用价值在于，缓解了深度学习这一“双刃剑”在隐蔽通信中的安全威胁。深度学习一方面提升了隐写性能，另一方面也被对手用于构造如图像“净化”等强攻击手段，严重威胁通信安全。本文首次面向该类攻击提出防御机制，为安全隐写通信提供有效支撑。
（通讯作者：平萍为河海大学博彩平台 副教授、硕士生导师）
原文题目为：“Highly Robust and Diverse Coverless Image Steganography Against Passive and Active Steganalysis”，于2024年12月发表在IEEE Transactions on Dependable and Secure Computing（TDSC）上，DOI：10.1109/TDSC.2024.3521424。TDSC属于中国计算机学会（CCF）推荐A类期刊，是网络与信息安全领域顶刊。