Полное описание

Сирота, А. А. Стегоанализ цифровых изображений с использованием методов поверхностного и глубокого машинного обучения: известные подходы и новые решения / А. А. Сирота, М. А. Дрюченко, А. Ю. Иванков. - Текст : непосредственный // Воронежский государственный университет. Вестник Воронежского государственного университета : научный журнал. - 2021. - N 1. - С. 33-52. - Библиогр. в конце ст. - ISSN 1995-5499.

ГРНТИ	УДК
28.23.37	004.032.26

Рубрики:
Нейронные сети -- Применение
Машинное обучение

Кл.слова (ненормированные): стеганография -- стегоанализ -- стегосообщение -- цифровые изображения -- машинное обучение -- глубокие нейронные сети
Аннотация: Рассматривается современное состояние проблемы стегоанализа цифровых изображений, направленной на исследование и разработку эффективных методов выявления стеганографически скрытых (визуально незаметных) сообщений в контейнерах-изображениях. В первой части статьи проводится общая классификация известных подходов и детальный обзор ранее полученных результатов в области стегоанализа на основе использования методологии поверхностного (shallow learning) и глубокого машинного обучения (deep learning). Описываются используемые в современных системах поверхностного машинного обучения системы признаков и реализуемые на их основе классификаторы (композиционные алгоритмы, алгоритмы на основе метода опорных векторов и др.). В качестве альтернативы рассматриваются возможности глубоких нейронных сетей с архитектурами, реализующими, в основном, сверточную обработку с различными модификациями (дополнительные слои обработки, функции активации специального вида и т.п.). Приводятся данные сравнительного анализа эффективности применения альтернативных подходов и архитектур нейронных сетей, применяемых для решения задач стегоанализа. Сравнение проводится для стандартных наборов изображений применительно к использованию при внедрении стегосообщений методов адаптивной пространственной стеганографии WOW, HUGO, S-UNIWARD. Отмечается высокая степень универсальности и эффективности глубокого машинного обучения как перспективного направления развития методологии стегоанализа. Во второй части статьи описывается предложенная авторами архитектура глубокой нейронной сети и результаты ее применения в задачах стегоанализа цветных изображений. Общей идеей реализуемого в этой части работы подхода является использование относительно простых сверточных сетей для последовательного анализа небольших фрагментов (блоков) исходных больших изображений с объединением получаемых результатов классификации как последовательности бинарных признаков по схеме наивного байесовского классификатора. Исследования проведены для базы цветных изображений PPG-LIRMM-COLOR database и алгоритмов WOW и S-UNIWARD, используемых для внедрения стегосообщений при различных объемах полезной нагрузки. Показано, что получаемая точность стегоанализа изображений большого размера сопоставима с результатами, полученными ранее другими авторами, а, в некоторых случаях, и превосходит их.
Доп. точки доступа:
Дрюченко, М.А.
Иванков, А.Ю.


Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -251051-031601)

Шифр в сводном ЭК: f1e34bc1046912adaa7f83cad04c99b2

Заказать издание
Заказ фрагмента документа ₽