論文の概要: CNN-Assisted Steganography -- Integrating Machine Learning with
Established Steganographic Techniques
- arxiv url: http://arxiv.org/abs/2304.12503v1
- Date: Tue, 25 Apr 2023 00:19:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 22:28:40.756848
- Title: CNN-Assisted Steganography -- Integrating Machine Learning with
Established Steganographic Techniques
- Title（参考訳）: CNN支援ステガノグラフィー-確立されたステガノグラフィー技術による機械学習の統合
- Authors: Andrew Havard, Theodore Manikas, Eric C. Larson, Mitchell A. Thornton
- Abstract要約: ステガナリシスによる発見に対するステガノグラフィーのレジリエンスを高めることによってステガノグラフィーを改善する方法を提案する。
我々のアプローチは、ステガノグラフィーアシスタント畳み込みニューラルネットワーク(SA-CNN)を組み込むことにより、ステガノグラフィーアプローチのクラスを強化する。
以上の結果から, ステガナリザーは, ステゴイメージ発生時にSA-CNNを併用した場合, 効果が低いことが示唆された。
- 参考スコア（独自算出の注目度）: 5.0468312081378475
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose a method to improve steganography by increasing the resilience of
stego-media to discovery through steganalysis. Our approach enhances a class of
steganographic approaches through the inclusion of a steganographic assistant
convolutional neural network (SA-CNN). Previous research showed success in
discovering the presence of hidden information within stego-images using
trained neural networks as steganalyzers that are applied to stego-images. Our
results show that such steganalyzers are less effective when SA-CNN is employed
during the generation of a stego-image. We also explore the advantages and
disadvantages of representing all the possible outputs of our SA-CNN within a
smaller, discrete space, rather than a continuous space. Our SA-CNN enables
certain classes of parametric steganographic algorithms to be customized based
on characteristics of the cover media in which information is to be embedded.
Thus, SA-CNN is adaptive in the sense that it enables the core steganographic
algorithm to be especially configured for each particular instance of cover
media. Experimental results are provided that employ a recent steganographic
technique, S-UNIWARD, both with and without the use of SA-CNN. We then apply
both sets of stego-images, those produced with and without SA-CNN, to an
exmaple steganalyzer, Yedroudj-Net, and we compare the results. We believe that
this approach for the integration of neural networks with hand-crafted
algorithms increases the reliability and adaptability of steganographic
algorithms.
- Abstract（参考訳）: ステグアナリシスによってステゴメディアの発見にレジリエンスを増すことによりステガノグラフィを改善する方法を提案する。
本手法は,steganographic assistant convolutional neural network (sa-cnn) の導入により,steganographic approachのクラスを強化する。
従来の研究では、ステゴイメージングに適用されるステガナライザーとしてトレーニングされたニューラルネットワークを使用して、ステゴイメージ内に隠された情報の存在を発見することに成功した。
以上の結果から, ステガナリザーは, ステゴイメージ発生時にSA-CNNを併用した場合, 効果が低いことが明らかとなった。
我々はまた、連続的な空間ではなく、より小さく離散的な空間内でsa-cnnの可能な全てのアウトプットを表現する利点とデメリットを探求する。
我々のSA-CNNは、情報を埋め込むカバーメディアの特性に基づいて、ある種のパラメトリックステガノグラフィーアルゴリズムをカスタマイズすることを可能にする。
したがって、sa-cnnは、カバーメディアの特定のインスタンスごとにコアステガノグラフィーアルゴリズムを特に構成できるという意味で適応的である。
S-UNIWARD を用いたSA-CNN の使用, 使用の有無の両面での実験結果が得られた。
次に、SA-CNNと非対応のステガナライザーであるYedroudj-Netに対して、両方のステガナライザーを合成し、その結果を比較した。
ニューラルネットワークと手作りアルゴリズムの統合に対するこのアプローチは、ステガノグラフアルゴリズムの信頼性と適応性を増大させると考えている。
関連論文リスト
- Cover-separable Fixed Neural Network Steganography via Deep Generative Models [37.08937194546323]
我々は、Cs-FNNSという、カバー分離可能な固定ニューラルネットワークステレオグラフィーを提案する。
Cs-FNNSでは,シークレットデータを受容不能な摂動に直接エンコードするSPSアルゴリズムを提案する。
本稿では,視覚的品質と非検出性の観点から,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-16T05:47:06Z) - Advanced Image Segmentation Techniques for Neural Activity Detection via
C-fos Immediate Early Gene Expression [0.0]
我々は、畳み込みニューラルネットワーク(CNN)とUnetモデルを含むセグメンテーションプロセスのための新しいワークフローを開発する。
我々は,C-fos発現の著しい部位と正常組織領域との鑑別における本法の有効性を実証した。
論文 参考訳（メタデータ） (2023-12-13T14:36:16Z) - Steganography of Steganographic Networks [23.85364443400414]
ステガノグラフィー(英: Steganography)は、2つの当事者間の秘密の通信技術である。
本稿では,ステガノグラフィーネットワークの新たなステガノグラフィー手法を提案する。
論文 参考訳（メタデータ） (2023-02-28T12:27:34Z) - JPEG Steganalysis Based on Steganographic Feature Enhancement and Graph
Attention Learning [15.652077779677091]
JPEGステガナリシスのための表現学習アルゴリズムを提案する。
グラフ注意学習モジュールは、畳み込みニューラルネットワークの局所的特徴学習によるグローバルな特徴損失を回避するように設計されている。
本発明の特徴強化モジュールは、畳み込み層の積み重ねがステガノグラフ情報を弱めるのを防止するために適用される。
論文 参考訳（メタデータ） (2023-02-05T01:42:19Z) - Unsupervised Image Semantic Segmentation through Superpixels and Graph
Neural Networks [6.123324869194195]
ラベル付きデータが不足している多くの実世界のシナリオでは、教師なしのイメージセグメンテーションが重要なタスクである。
本稿では,相互情報最大化(MIM),ニューラルスーパーピクセル,グラフニューラルネットワーク(GNN)をエンドツーエンドに組み合わせて,教師なし学習の最近の進歩を活用する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-10-21T08:35:18Z) - Adaptive Convolutional Dictionary Network for CT Metal Artifact
Reduction [62.691996239590125]
本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。
我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。
本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
論文 参考訳（メタデータ） (2022-05-16T06:49:36Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Fusing the Old with the New: Learning Relative Camera Pose with
Geometry-Guided Uncertainty [91.0564497403256]
本稿では,ネットワークトレーニング中の2つの予測系間の確率的融合を含む新しい枠組みを提案する。
本ネットワークは,異なる対応間の強い相互作用を強制することにより学習を駆動する自己追跡グラフニューラルネットワークを特徴とする。
学習に適したモーションパーマリゼーションを提案し、難易度の高いDeMoNおよびScanNetデータセットで最新のパフォーマンスを達成できることを示します。
論文 参考訳（メタデータ） (2021-04-16T17:59:06Z) - Knowledge Distillation By Sparse Representation Matching [107.87219371697063]
本稿では,一方の畳み込みネットワーク(cnn)から他方へ,スパース表現を用いて中間知識を伝達するスパース表現マッチング(srm)を提案する。
勾配降下を利用して効率的に最適化し、任意のCNNにプラグアンドプレイで統合できるニューラルプロセッシングブロックとして定式化します。
実験の結果,教師と生徒のネットワーク間のアーキテクチャの違いに頑健であり,複数のデータセットにまたがる他のkd技術よりも優れていた。
論文 参考訳（メタデータ） (2021-03-31T11:47:47Z) - Video-based Facial Expression Recognition using Graph Convolutional
Networks [57.980827038988735]
我々は、ビデオベースの表情認識のための共通のCNN-RNNモデルに、GCN(Graph Convolutional Network)層を導入する。
我々は、CK+、Oulu-CASIA、MMIの3つの広く使われているデータセットと、AFEW8.0の挑戦的なワイルドデータセットについて、本手法の評価を行った。
論文 参考訳（メタデータ） (2020-10-26T07:31:51Z) - Multi-Level Graph Convolutional Network with Automatic Graph Learning
for Hyperspectral Image Classification [63.56018768401328]
HSI分類のための自動グラフ学習法(MGCN-AGL)を用いたマルチレベルグラフ畳み込みネットワーク(GCN)を提案する。
空間的に隣接する領域における重要度を特徴付けるために注意機構を利用することで、最も関連性の高い情報を適応的に組み込んで意思決定を行うことができる。
MGCN-AGLは局所的に生成した表現表現に基づいて画像領域間の長距離依存性を符号化する。
論文 参考訳（メタデータ） (2020-09-19T09:26:20Z)
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。