近期，网络空间安全学院姚晔副教授带领的可视媒体安全团队的多篇信息隐藏相关论文陆续被中科院SCI一区Top期刊《IEEE Transactions on Multimedia》、《Expert Systems with Applications》和《IEEE Transactions on Information Forensics and Security》录用。其中，IEEE TIFS是国际网络安全领域的顶级期刊、中国计算机学会（CCF）推荐A类期刊、中国密码学会（CACR）推荐A类期刊。
为了提高加密图像的嵌入有效载荷，同时保持足够的安全性，团队提出了一种结合连续高位零值平面压缩、位平面交换和块重排的密文域可逆信息隐藏算法。该算法首次以块方式压缩全局高位零值平面，并基于可嵌入位平面出现的频率自适应地分配不同的哈夫曼编码，为加密图像中的可逆信息隐藏提供更高的嵌入容量。除此之外，将所有可利用的位平面聚集在一起，使得大多数辅助信息能够被加密，大大增强了安全性，并方便了数据嵌入和提取。该项研究成果（DOI: 10.1109/TMM.2023.3314975）已在2023年9月被中科院SCI一区Top期刊《IEEE Transactions on Multimedia》录用，并于近期正式出版。
随着在线社交网络（OSN）的日益普及，隐蔽通信正迅速从电子邮件等无损信道转向社交媒体这类有损传输信道。当前的鲁棒自适应隐写术通过嵌入大量冗余的ECC校验码来确保信息隐藏算法的鲁棒性，但是可能会无意中影响安全性。针对该问题，团队提出自适应STC-ECC策略，在不影响鲁棒性的情况下最小化校验码的数量，并根据冗余信息决定抖动调制的方向，从而提高整体安全性。结果表明，与现有的最先进的方法相比，具有优越的鲁棒性和安全性。该项研究成果（DOI: 10.1109/TMM.2023.3334487）已在2023年11月被中科院SCI一区Top期刊《IEEE Transactions on Multimedia》录用，并于近期正式出版。
深度学习在图像隐写术中具有巨大的潜力。然而，大多数基于深度学习的隐写方法对载体图像的修改并不是完全不可见的。为了提高基于深度学习的图像隐写方法的隐蔽性，团队提出基于生成对抗网络(GAN)和离散小波变换(DWT)的新型端到端深度神经网络图像隐写方法。在三个广泛使用的数据集上进行实验，结果表明提出的方法在安全性、不可见性和泛化能力上具有优越的性能。该项研究成果（DOI: 10.1016/j.eswa.2024.123540）已在2024年2月被中科院SCI一区Top期刊《Expert Systems with Applications》录用，并于近期正式出版。
中文字形扰动通过调整中文字符的笔画位置，产生肉眼无法察觉细微变化的具有不同字形扰动的多个变体字符，用来表示秘密消息的不同状态，实现在中文文档中隐藏秘密消息的目的。然而，中文字符数量多、结构复杂、风格多样的特点限制了汉字字形扰动的生成。针对人工设计字形扰动费时费力的问题，团队首次提出利用深度学习算法生成具有不同字形扰动的中文变体字形，并给出应用于版式文档和流式页面的秘密信息嵌入和提取的算法流程。实验结果表明，在通用中文文档中，秘密信息嵌入容量达到1.8比特/字符左右。该项研究成果（DOI: 10.1109/TIFS.2024.3377903）已在2024年3月被中科院SCI一区Top期刊《IEEE Transactions on Information Forensics and Security》录用，并于近期在线出版。
网络空间安全学院姚晔副教授带领的可视媒体安全团队成立于2021年，目前拥有副教授2人，青年博士4人，在读研究生9人。团队教师均具有海外博士学位或海外高校访问学者经历。近年来，团队成员依托“浙江省网络空间研究院”、“数据安全治理浙江省工程研究中心”和“浙江-法国数字媒体取证联合实验室”，从事可视媒体内容安全等方面的研究工作，在图像信息隐藏、视频图像鉴伪、数字文档版权保护、密码学及其应用等领域取得了若干标志性成果。团队成员主持在研军委科技委专项工程项目1项、国家自然科学基金项目1项、教育部规划基金项目1项、浙江省基础公益研究计划项目2项、企业横向项目若干项。在IEEE TIFS、IEEE TCSVT、IEEE TMM、ESWA、通信学报、密码学报等国内外知名学术期刊上已发表学术论文30余篇。培养的研究生多名入职党政机关，以及阿里巴巴、华为、字节跳动、网易、杭州电信、浙商银行等知名企业。
