DLOVE: A new Security Evaluation Tool for Deep Learning Based Watermarking Techniques

最近，基于深度神经网络（DNN）的水印技术的发展表现出了卓越的性能。最先进的基于DNN的技术不仅超越了传统水印技术的鲁棒性，而且还展示了它们对许多图像处理技术的鲁棒性。在本文中，我们对不同基于DNN的水印技术进行了详细的安全性分析。我们提出了一种新的攻击类别，称为基于深度学习的覆写（DLOVE）攻击，它利用对抗机器学习并在带水印的图像中用目标水印覆盖原始嵌入式水印。据我们所知，这种攻击是首次出现。我们考虑了使用水印来设计和制定白盒和黑盒对抗攻击的情况。为了展示适应性和效率，我们对七种不同的水印技术进行了DLOVE攻击分析，包括HiDDeN、ReDMark、PIMoG、Stegastamp、Aparecium、Distortion Agostic Deep Watermarking和Hiding Images in an Image。所有这些技术都使用不同的方法创建不可感知的水印图像。我们对这些水印技术进行的攻击分析，以及不同的约束条件，突出了基于DNN的水印技术的漏洞。广泛的实验结果验证了DLOVE的能力。我们将DLOVE提出作为一个基准安全分析工具，用于测试未来基于深度学习的水印技术的鲁棒性。

本论文旨在对不同的基于深度神经网络的水印技术进行详细的安全性分析，并提出了一种新的攻击方法DLOVE，以检测这些技术的鲁棒性。

DLOVE攻击是一种基于深度学习的覆写攻击，利用对抗机器学习技术，将原始嵌入的水印与目标水印进行覆盖，从而对基于深度学习的水印技术的安全性进行评估。

本论文对七种不同的基于深度学习的水印技术进行了攻击分析，并提出DLOVE作为一种基准安全性分析工具，以测试未来基于深度学习的水印技术的鲁棒性。

在这个领域中，最近的相关研究包括：《基于深度学习的数字图像水印技术研究》、《基于深度学习的数字水印技术研究综述》、《基于卷积神经网络的数字图像水印技术研究》等。