随着多媒体技术的发展,频繁的信息交互加剧了网络图像的隐私暴露问题。特别是在医疗、军事和金融领域内,图像经常包含大量的敏感信息。秘密图像共享是一个有效保证图像隐私性和安全性的方法,具有重要的研究意义和实用价值。目前,基于共享矩阵的秘密图像共享方法在该领域得到了广泛应用。但是,该方法在构建共享矩阵的过程中会产生大量重复列,进而导致生成的矩阵存在数据冗余的问题,并且在运用共享矩阵进行逻辑与操作时会导致信息暴露。此外,现有基于神经网络的方法无法同时解决影子图像的像素扩展问题和高计算复杂度的问题。因此,设计能够减小像素扩展,提升通信效率的秘密图像共享方法是该领域的主要研究方向。为此,本文结合共享矩阵与变分超先验网络提出了一种秘密图像共享方法。该方法通过变分超先验网络获取图像的压缩编码,利用共享矩阵分配影子图像,以此降低整体的像素扩展。为了解决传统构建算法的数据冗余问题,本文提出了一种共享矩阵构建算法。该算法根据鸽巢原理使用最少的列元素维持矩阵特性,并使用递归思想来生成矩阵。实验结果显示,该方法生成的矩阵大小为理论最小值,在常用的阈值下平均为传统方法的1/32。为了解决传统共享算法的信息暴露问题,本文提出了一种优化的共享算法。该算法利用生成的共享矩阵,对原始数据中的每个二进制位进行更细粒度的数据共享。实验结果显示,该方法有效地减少了数据暴露量,平均为传统方法的50%。为了降低影子图像的像素扩展,本文提出了一种基于变分超先验网络的秘密图像共享方法。该方法使用变分超先验网络学习原始图像中的结构信息冗余,通过对该图像的压缩编码进行共享降低像素扩展。此外,为了提高模型的整体安全性能,本文在训练过程中使用掩码模块建模实际分配过程,进而通过损失函数调节网络的编码性能与安全性能。仿真结果表明,该方法在从标准数据集VOC2007和USC-SIPI的测试数据中,在恢复图像平均有30d B以上的PSNR值的情况下,影子图像最低仅为原始图像的1/100,低于目前流行的主要方法。同时实验分析表明,该方法有较低的计算复杂度、良好的安全性能,能抵御暴力攻击、差分攻击与假影子图像攻击。