本论文提出了一种免提示的扩散图像隐写框架（Prompt-Free Diffusion Steganography），旨在解决现有基于文本提示的潜在扩散模型（LDM）隐写方法中，文本提示灵活性不足导致隐写图像质量低、秘密图像恢复不准确的问题。核心创新包括：1）级联仿射耦合模块（CACM），建立秘密图像与其潜在表示之间的双射确定性映射；2）将风格语义先验集成到扩散过程中，控制潜在表示并确保生成隐写图像的视觉不可感知性；3）引入预测-校正机制，通过当前状态和预测下一状态的反馈迭代优化生成轨迹，缓解无条件反向过程中的轨迹偏差。实验结果表明，该方法在安全性、秘密图像重建准确性和可控性方面优于现有方法。本研究主要面向信息安全、图像隐写、深度学习领域的研究人员。

本文提出一种名为 Quantum Gatekeeper 的图像隐写术框架，其核心创新在于将载荷的恢复同时依赖于密码学解密与精确提取路径的重构。该框架结合了无损最低有效位（LSB）嵌入、确定性变分量子电路（VQC）派生门控密钥、多因素上下文绑定以及认证加密。提取载荷需要同时满足四项因素：密码、共享秘密、用户提供的上下文字符串以及参考图像签名。任何因素偏差将导致系统读取错误的像素序列或认证失败，从而以静默拒绝方式处理，而非部分泄露。密钥派生过程基于种子条件的变分电路，电路参数通过密码学哈希扩展和上下文相关的图像特征生成。为确保编解码一致性，密钥路径通过精确态矢量模拟生成；同时，利用 IBM 超导量子硬件评估电路族在物理噪声下的统计行为。为解决随机数引导依赖问题，论文引入了双区域图像布局，通过独立派生的密钥将头部恢复与载荷恢复分离。实验在 PNG 图像上验证了端到端消息嵌入与恢复，证明在正确条件下确定性成功，否则失败。该框架支持文本和图像载荷；在图像中藏图像配置中，秘密图像在嵌入前被缩放到固定分辨率，可在正确的上下文重构下实现精确像素级恢复。