Algoritmos de esteganografia de imagens baseados em aprendizado profundo geralmente utilizam características do domínio espacial ou frequencial para treinamento. No entanto, é difícil que características de um único domínio expressem completamente o conteúdo de toda a imagem, e a esteganografia geralmente é multitarefa, o que frequentemente resulta em baixo desempenho. Para isso, este artigo propõe um algoritmo robusto de esteganografia de imagens baseado em mapa de pontuação de características, denominado "SRIS-Net: Rede de Esteganografia Segura e Robusta para Imagens". Primeiramente, o algoritmo proposto não utiliza esteganografia apenas no domínio espacial, mas aproveita redes neurais convolucionais para obter características espaciais superficiais. Essas características são decompostas no domínio frequencial por meio da decomposição em pirâmide de Laplace (LPFDD), ocultando informações secretas progressivamente em diferentes sub-bandas de frequência com uma estratégia de ocultação auxiliar progressiva, reduzindo significativamente o impacto das informações secretas na imagem portadora e alcançando efetivamente uma notável invisibilidade e robustez. Além disso, é proposto um módulo de inserção global-local (GLEM), que realiza a inserção considerando a estrutura global da imagem e os detalhes locais, e uma sub-rede de agregação multiescala dupla (DMSubNet) para reconstrução multiescala a fim de melhorar a qualidade da imagem portadora. Para garantir a segurança, é proposta uma estrutura de discriminador de tarefa dupla, que julga simultaneamente se a imagem é real ou falsa, e gera um mapa de pontuação de características da região de interesse (ROI) da imagem portadora para orientar o módulo de inserção na geração de uma imagem secreta com maior ocultação e indetectabilidade. Os resultados experimentais no BOSSBase mostram que o SRIS-Net proposto supera outros métodos principais em termos de indetectabilidade e robustez, melhorando a qualidade visual em mais de 9,2 dB e 3,4 dB respectivamente, e a capacidade pode ser aumentada para cerca de 72–96 bpp.

esteganografia de imagens;robustez;indetectabilidade;discriminador de tarefa dupla