La esteganografía de imágenes es un subcampo del reconocimiento de patrones. Implica ocultar datos secretos en una imagen de portada y extraer los datos secretos de la imagen estego (descrita como una imagen contenedora) cuando sea necesario. Los métodos existentes de esteganografía de imágenes basados en Redes Neuronales Profundas (DNN) suelen tener una fuerte capacidad de incrustación, pero la apariencia de las imágenes contenedoras es fácilmente alterada por marcas de agua visuales de datos secretos. Una de las razones de esto es que, durante el proceso de entrenamiento de extremo a extremo de su Red de Ocultación, la información de ubicación de las marcas de agua visuales ha cambiado. En este artículo, propusimos un método de entrenamiento adversarial por capas para resolver la restricción. Específicamente, a diferencia de otros métodos, agregamos un subred de una sola capa y un discriminador detrás de cada capa para capturar su poder representacional. El poder representacional sirve a dos propósitos: primero, puede actualizar los pesos de cada capa, lo que alivia los requisitos de memoria; segundo, puede actualizar los pesos del mismo discriminador, lo que garantiza que la información de ubicación de las marcas de agua visuales permanezca inalterada. Experimentos en dos conjuntos de datos muestran que el método propuesto supera significativamente a los métodos más avanzados.