隐写到底在研究啥

将载体看做是一个元素之间存在未知复杂影响的高维图结构（当然，载体本身的维度是可变的，比如可以是一个比特），隐写的目的就是为了捕获载体中的复杂的依赖关系，并且构造一个编/解码过程，从而传递秘密消息，而不被发现。

从简单的Lsb，到LsbM，再到Uniward，UED等，再到引入DNN的方法等等，实际上，都只是捕获了相当简单/相当片面的依赖关系，往往都是在加性模型下的优化。

并且从一开始的直接寻找匹配，到后面的STC/DSTC编码方案，也是在加性模型下的编码搜索。

如何更进一步提出更加智能和更加安全的隐写方法呢？

这些年，我在现有的机器学习/深度学习方案里没有找到答案。其实，这也是正常的，因为我认为对于隐写这种复杂问题，本身就需要特定的方法，而不应该是仅仅简单的利用已有的方案。

当然，也找到了些可能的更好的方向，比如从信息论，博弈论和计算复杂性理论里面，似乎找到了曙光。

我相信，这只是一个开始，可能后面会有惊喜。