論文の概要: Data Hiding with Deep Learning: A Survey Unifying Digital Watermarking
and Steganography
- arxiv url: http://arxiv.org/abs/2107.09287v1
- Date: Tue, 20 Jul 2021 07:03:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-21 14:58:43.176384
- Title: Data Hiding with Deep Learning: A Survey Unifying Digital Watermarking
and Steganography
- Title(参考訳): ディープラーニングによるデータ隠蔽: デジタル透かしとステガノグラフィの統合調査
- Authors: Olivia Byrnes, Wendy La, Hu Wang, Congbo Ma, Minhui Xue, Qi Wu
- Abstract要約: データ隠蔽は、音声、ビデオ、画像などのノイズ耐性信号に情報を埋め込むプロセスである。
デジタル透かし(Digital watermarking)は、データの識別が堅牢に埋め込まれ、改ざんに抵抗できるデータ隠蔽の一種である。
ステガノグラフィー(Steganography)は、セキュアで秘密のコミュニケーションを目的としたデータを埋め込みます。
- 参考スコア(独自算出の注目度): 17.660781843361956
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data hiding is the process of embedding information into a noise-tolerant
signal such as a piece of audio, video, or image. Digital watermarking is a
form of data hiding where identifying data is robustly embedded so that it can
resist tampering and be used to identify the original owners of the media.
Steganography, another form of data hiding, embeds data for the purpose of
secure and secret communication. This survey summarises recent developments in
deep learning techniques for data hiding for the purposes of watermarking and
steganography, categorising them based on model architectures and noise
injection methods. The objective functions, evaluation metrics, and datasets
used for training these data hiding models are comprehensively summarised.
Finally, we propose and discuss possible future directions for research into
deep data hiding techniques.
- Abstract(参考訳): データ隠蔽は、音声、ビデオ、画像などのノイズに耐性のある信号に情報を埋め込むプロセスである。
デジタル透かし(Digital watermarking)は、データの識別が堅牢に埋め込まれ、改ざんに抵抗し、元のメディア所有者を識別するために使用できるデータ隠蔽の一種である。
ステガノグラフィー(Steganography)は、セキュアで秘密のコミュニケーションを目的としたデータを埋め込みます。
この調査は、透かしとステガノグラフィーのための深層学習技術の最近の発展を要約し、それらをモデルアーキテクチャとノイズ注入法に基づいて分類する。
これらのデータ隠蔽モデルのトレーニングに使用される客観的関数、評価メトリクス、データセットは、包括的に要約される。
最後に,深層データ隠蔽技術の研究の今後の方向性について提案・検討する。
関連論文リスト
- Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。
ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。
本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
論文 参考訳(メタデータ) (2024-11-12T09:02:11Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳(メタデータ) (2024-10-08T00:25:33Z) - Boosting Digital Safeguards: Blending Cryptography and Steganography [0.30783046172997025]
ステガノグラフィーは、他の媒体にデータを隠蔽することで、メッセージを見えないものにすることで、隠蔽通信を容易にする。
提案手法は、人工知能(AI)とディープラーニング(DL)の最新の進歩を、特にGAN(Generative Adversarial Networks)の適用を通じて活用する。
GANの応用により、ニューラルネットワーク固有の感度を利用してデータのわずかな変更を行う、スマートでセキュアなシステムが可能になる。
論文 参考訳(メタデータ) (2024-04-09T03:36:39Z) - Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。
この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。
本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文 参考訳(メタデータ) (2024-03-26T17:12:34Z) - An advanced data fabric architecture leveraging homomorphic encryption
and federated learning [10.779491433438144]
本稿では,分散データファブリックアーキテクチャにおけるフェデレーション学習と部分同型暗号を用いた医用画像解析のためのセキュアなアプローチを提案する。
本研究は下垂体腫瘍分類のケーススタディを通じて, 本手法の有効性を実証し, 高い精度を達成した。
論文 参考訳(メタデータ) (2024-02-15T08:50:36Z) - Deepfake Detection and the Impact of Limited Computing Capabilities [0.0]
この研究は、限られたコンピューティングリソースを持つシナリオにおいて、既存のさまざまなデータセットにわたるディープフェイクの検出に対処することを目的としている。
目標は、これらの制限の下で異なるディープラーニング技術の適用性を分析し、その効率を高めるための可能なアプローチを探ることである。
論文 参考訳(メタデータ) (2024-02-08T11:04:34Z) - Enhancing Situational Awareness in Surveillance: Leveraging Data
Visualization Techniques for Machine Learning-based Video Analytics Outcomes [2.1374208474242815]
本研究では、現在のインフラ内のAI監視データに適したデータ表現と可視化技術について、徹底的に検討する。
それは、重要なデータメトリクス、状況認識のための方法、そして様々な可視化技術に分かれている。
その結果、AI監視データの可視化が緊急処理、公衆衛生プロトコル、群衆制御、資源分布、予測モデリング、都市計画、情報意思決定に与える影響を強調した。
論文 参考訳(メタデータ) (2023-12-09T18:32:44Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳(メタデータ) (2023-07-10T04:30:23Z) - A Brief Survey on Deep Learning Based Data Hiding, Steganography and
Watermarking [98.1953404873897]
既存の文献を簡潔かつ包括的にレビューし,3つのメタアーキテクチャを概説する。
そこで本研究では,ステガノグラフィ,ライトフィールドメッセージング,ウォーターマーキングなど,深層隠れの応用に関する具体的な戦略を概説する。
論文 参考訳(メタデータ) (2021-03-02T10:01:03Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳(メタデータ) (2020-01-27T11:21:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。