論文の概要: Image Generation Network for Covert Transmission in Online Social Network

• arxiv url: http://arxiv.org/abs/2207.10292v1
• Date: Thu, 21 Jul 2022 04:07:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-22 12:55:02.766550
• Title: Image Generation Network for Covert Transmission in Online Social Network
• Title（参考訳）: オンラインソーシャルネットワークにおける被覆伝送のための画像生成ネットワーク
• Authors: Zhengxin You, Qichao Ying, Sheng Li, Zhenxing Qian and Xinpeng Zhang
• Abstract要約: そこで我々は,CIS-Netと呼ばれるCoverless Image Steganography Networkを提案する。 受信機は、JPEG圧縮攻撃によって画像が歪んだとしても、損失なく隠されたメッセージを抽出することができる。
• 参考スコア（独自算出の注目度）: 24.203631473348462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online social networks have stimulated communications over the Internet more than ever, making it possible for secret message transmission over such noisy channels. In this paper, we propose a Coverless Image Steganography Network, called CIS-Net, that synthesizes a high-quality image directly conditioned on the secret message to transfer. CIS-Net is composed of four modules, namely, the Generation, Adversarial, Extraction, and Noise Module. The receiver can extract the hidden message without any loss even the images have been distorted by JPEG compression attacks. To disguise the behaviour of steganography, we collected images in the context of profile photos and stickers and train our network accordingly. As such, the generated images are more inclined to escape from malicious detection and attack. The distinctions from previous image steganography methods are majorly the robustness and losslessness against diverse attacks. Experiments over diverse public datasets have manifested the superior ability of anti-steganalysis.
• Abstract（参考訳）: オンラインソーシャルネットワークは、これまで以上にインターネット上のコミュニケーションを刺激し、そのような騒々しいチャンネル上で秘密のメッセージ送信を可能にする。 本稿では,シークレットメッセージに直接条件付き高品質な画像を合成して転送する,CIS-Net(Coverless Image Steganography Network)を提案する。 CIS-Netは、ジェネレーション、アドバイサル、抽出、ノイズモジュールの4つのモジュールで構成されている。 受信機は、JPEG圧縮攻撃によって画像が歪んだとしても、損失なく隠されたメッセージを抽出することができる。 ステガノグラフィーの振る舞いを偽装するために、プロファイル写真やステッカーのコンテキストで画像を収集し、それに従ってネットワークを訓練した。 したがって、生成された画像は悪意のある検出や攻撃から逃れる傾向がある。 従来の画像ステガノグラフィー法との違いは、主に多様な攻撃に対する頑丈さと無害さである。 様々な公開データセットに対する実験は、抗ステガナリシスの優れた能力を示した。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Purified and Unified Steganographic Network [37.08937194546323]
  ステガノグラフィー(英: Steganography)とは、秘密データを秘密メディアに隠して隠蔽通信を行う技術である。 我々はPUSNet(Purified and Unified Steganographic Network)を提案する。 通常の機械学習タスクを浄化ネットワークで実行し、シークレット埋め込みやリカバリのためにステガノグラフネットワークにトリガーすることができる。
  論文  参考訳（メタデータ） (2024-02-27T05:04:00Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• Generative Steganography Network [37.182458848616754]
  表紙画像を用いることなく現実的なステゴ画像を生成することのできる,高度な生成型ステガノグラフィーネットワーク(GSN)を提案する。 シークレットブロックと呼ばれるモジュールは、画像生成中に特徴マップにシークレットデータを隠蔽するように微妙に設計されている。
  論文  参考訳（メタデータ） (2022-07-28T03:34:37Z)
• Transformer-based SAR Image Despeckling [53.99620005035804]
  本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。 提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。 実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2022-01-23T20:09:01Z)
• From Image to Imuge: Immunized Image Generation [23.430377385327308]
  イムゲ(Imuge)は、画像の自己回復のための画像改ざん耐性生成スキームである。 我々は、U-Netバックボンドエンコーダ、タンパーローカライゼーションネットワーク、イメージリカバリのためのデコーダを共同で訓練する。 本手法は, 種々の攻撃が存在するにも関わらず, 精度の高い改ざん領域の細部を復元できることを示す。
  論文  参考訳（メタデータ） (2021-10-27T05:56:15Z)
• Hiding Images into Images with Real-world Robustness [21.328984859163956]
  高品質な画像抽出を実現しつつ,画像に隠蔽する生成ネットワーク方式を提案する。 埋め込みネットワークは、攻撃層、分離ネットワーク、画像抽出ネットワークと順次分離される。 私たちは3つの秘密のイメージをしっかりと隠した最初の人です。
  論文  参考訳（メタデータ） (2021-10-12T02:20:34Z)
• News Image Steganography: A Novel Architecture Facilitates the Fake News Identification [52.83247667841588]
  フェイクニュースの大部分が、他の情報源からのアンスタンプ画像を引用している。 本稿では,GANに基づく画像ステガノグラフィによる不整合を明らかにするために,News Image Steganographyというアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-03T11:12:23Z)
• Applications of the Streaming Networks [0.2538209532048866]
  ストリームネットワーク (STnets) は, 頑健なノイズ破損画像分類のメカニズムとして導入されている。 本稿では,STnetがノイズで劣化した画像の高精度な分類が可能であることを実証する。 また、Hybrid STnetと呼ばれる新しいタイプのSTnetも導入する。
  論文  参考訳（メタデータ） (2020-03-27T08:13:17Z)
• A U-Net Based Discriminator for Generative Adversarial Networks [86.67102929147592]
  GAN(Generative Adversarial Network)のための代替U-Netベースの識別器アーキテクチャを提案する。 提案アーキテクチャにより,合成画像のグローバルコヒーレンスを維持しつつ,画素単位の詳細なフィードバックを生成元に提供することができる。 斬新な判別器は、標準分布と画像品質の指標の観点から、最先端の技術を向上する。
  論文  参考訳（メタデータ） (2020-02-28T11:16:54Z)

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。