北京
传统隐写术有个致命弱点——密钥本身成了最脆弱的一环。一旦伪噪声序列被截获，整个通信系统形同虚设。一项发表于IEEE Access的研究提出了一种激进思路：干脆抛弃密钥共享机制，让卷积神经网络（CNN）学会"看懂"隐藏的信息结构。
这项技术被称为"无密钥深度学习隐写术"，核心是用ResNet-18取代传统的相关检测器。发送方不再把信息藏进噪声里，而是让信息本身成为噪声的"类别标签"。系统生成大量二维正弦波图案，按中心频率分组为不同类别。比如要发送二进制消息"01"，就从类别1中随机选取一个波形图案嵌入图像。
嵌入过程在傅里叶域完成。快速傅里叶变换（FFT）配合环形低通掩膜保护图像核心视觉数据，噪声序列被分配到高频段（如100、105、110、115）并乘以能量缩放因子α=0.05。这种处理将人工痕迹压缩到人眼不可感知的范围，同时保持图像的自然观感。
接收端的解密不再需要知道具体用了哪个波形。CNN经过训练后，能够识别高频伪影中的结构性频率模式，直接判断"这段结构属于类别1"，从而还原出原始消息。整个流程彻底消除了密钥分发环节的安全隐患。
该架构由Hossein Fami Tafreshi、Emmanuel Papadakis与George Baryannis共同提出，发表于IEEE Access第14卷。实现中对原始设计进行了优化：伪噪声类别被映射到高频带并引入能量调制因子，以提升感知透明度和提取精度。这一思路将数字信号处理与深度学习深度耦合，为隐蔽通信开辟了新的技术路径。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
