近日，我校数学与统计学院李梦教授课题组在国际权威期刊《Expert Systems with Applications》（ESWA）发表题为“Image progressive steganography based on multi-frequency fusion deep network with dynamic sensing”的学术论文（论文链接：https://doi.org/10.1016/j.eswa.2024.125829）。该论文以重庆工商大学数学与统计学院作为第一署名单位，李梦教授担任第一作者兼通讯作者，应用统计研究生詹金华为第二作者，重庆大学大数据与软件学院葛永新教授为第三作者。
ESWA属于人工智能领域国际顶级期刊，位列中国科学院计算机科学大类一区Top期刊，最新影响因子高达7.5。
本研究创新性地提出了一种基于动态感知与多频率融合的渐进式图像隐写深度神经网络（ProStegNet）。该网络设计出多阶段嵌入与提取模块，通过持续优化嵌入结果，逐步逼近最优隐写图像。ProStegNet配备的多频率特征处理器，能够高效学习并融合各类频率特征；其动态传感器可依据多尺度特征变化，动态修正嵌入结果，并精准指引后续嵌入阶段。研究团队还创新性地提出一种分布损失函数，精准捕捉并约束载体－隐写图像对与秘密－恢复图像对之间的统计差异。实验结果表明，相较于现有方法，ProStegNet显著提升了隐蔽性与恢复精度，在抗检测安全性方面也展现出卓越的隐蔽能力。该方法在面对有损信道中的鲁棒性攻击时表现出高度稳定性，充分验证了其在实际图像保护应用中的效能与实用性。
