본 논문은 안전하고, 저전력이며, 고용량의 멀티미디어 데이터 은닉을 달성하기 위해 스파이킹 신경망(SNN)을 활용하는 뉴로모픽 스테가노그래피 프레임워크인 SteganoSNN을 소개한다. Leaky Integrate-and-Fire (LIF) 뉴런을 사용하여 디지털화된 오디오 샘플을 스파이크 열차로 변환하고, 모듈 기반 매핑 방식을 통해 암호화한 후, 지각적 왜곡을 최소화하기 위해 디더링 메커니즘을 사용하여 RGBA 이미지 채널의 최하위 비트에 임베딩한다. PYNQ-Z2 FPGA에서 NEST를 사용하여 파이썬으로 구현된 SteganoSNN은 픽셀당 8비트의 임베딩 용량으로 실시간 작동을 달성한다. DIV2K 2017 데이터세트에 대한 실험 결과는 PSNR 40.4 dB ~ 41.35 dB, SSIM 0.97 이상으로 SteganoGAN보다 우수한 계산 효율성과 견고성을 입증한다. SteganoSNN은 Edge-AI, IoT 및 생물의학 응용 분야를 위한 안전하고 에너지 효율적인 통신을 가능하게 하는 뉴로모픽 스테가노그래피의 기반을 마련한다.
