論文の概要: Deep Learning for Diverse Data Types Steganalysis: A Review

• arxiv url: http://arxiv.org/abs/2308.04522v1
• Date: Tue, 8 Aug 2023 18:37:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 16:19:56.980758
• Title: Deep Learning for Diverse Data Types Steganalysis: A Review
• Title（参考訳）: 多様なデータ型のためのディープラーニング:レビュー
• Authors: Hamza Kheddar, Mustapha Hemis, Yassine Himeur, David Meg\'ias, Abbes Amira
• Abstract要約: ステガノグラフィーとステガナリシスは特に法執行機関から大きな関心を集めている。 本稿では,ディープラーニングに基づくステガナリシス技術の概要を概観する。
• 参考スコア（独自算出の注目度）: 2.4499092754102874
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Steganography and steganalysis are two interrelated aspects of the field of information security. Steganography seeks to conceal communications, whereas steganalysis is aimed to either find them or even, if possible, recover the data they contain. Steganography and steganalysis have attracted a great deal of interest, particularly from law enforcement. Steganography is often used by cybercriminals and even terrorists to avoid being captured while in possession of incriminating evidence, even encrypted, since cryptography is prohibited or restricted in many countries. Therefore, knowledge of cutting-edge techniques to uncover concealed information is crucial in exposing illegal acts. Over the last few years, a number of strong and reliable steganography and steganalysis techniques have been introduced in the literature. This review paper provides a comprehensive overview of deep learning-based steganalysis techniques used to detect hidden information within digital media. The paper covers all types of cover in steganalysis, including image, audio, and video, and discusses the most commonly used deep learning techniques. In addition, the paper explores the use of more advanced deep learning techniques, such as deep transfer learning (DTL) and deep reinforcement learning (DRL), to enhance the performance of steganalysis systems. The paper provides a systematic review of recent research in the field, including data sets and evaluation metrics used in recent studies. It also presents a detailed analysis of DTL-based steganalysis approaches and their performance on different data sets. The review concludes with a discussion on the current state of deep learning-based steganalysis, challenges, and future research directions.
• Abstract（参考訳）: ステガノグラフィーとステガナリシスは情報セキュリティの分野における2つの相互関係の側面である。 ステガノグラフィーは通信を隠蔽しようとするが、ステガナリシスはそれらを見つけるか、可能であればそれらを含むデータを回収することを目的としている。 ステガノグラフィーとステガナリシスは特に法執行機関から大きな関心を集めている。 ステガノグラフィーは、多くの国で暗号が禁止または制限されているため、しばしばサイバー犯罪者やテロリストが犯罪証拠を所持している間に捕らえられるのを避けるために使用される。 したがって、隠蔽情報を明らかにするための最先端技術に関する知識は、違法行為の暴露に不可欠である。 ここ数年、多くの強固で信頼性の高いステガノグラフィーとステグアナリシス技術が文献に紹介されている。 本稿では,デジタルメディア内の隠れ情報を検出するための深層学習に基づくseg analysis技術の概要について述べる。 本論文は、画像、音声、ビデオを含む、ステガナリシスにおけるあらゆる種類のカバーをカバーし、最もよく使われているディープラーニング技術について論じる。 さらに,より高度な深層学習技術である深層移動学習 (DTL) や深層強化学習 (DRL) をステガナリシスシステムの性能向上に活用することを検討した。 本稿は,最近の研究におけるデータセットや評価指標を含む最近の研究の体系的レビューを提供する。 また, dtlに基づくsteg analysisアプローチの詳細な解析と, 異なるデータセット上での性能について述べる。 このレビューは、ディープラーニングに基づくステガナリシスの現状、課題、今後の研究方向性に関する議論から締めくくっている。

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)
• Natias: Neuron Attribution based Transferable Image Adversarial Steganography [62.906821876314275]
  逆行性ステガナグラフィーは、ディープラーニングに基づくステガナリシスを効果的に欺く能力から、かなりの注目を集めている。 そこで我々は,Natias という新たな逆向きステガノグラフィー手法を提案する。 提案手法は既存の逆向きステガノグラフィーフレームワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-09-08T04:09:51Z)
• Datasets, Clues and State-of-the-Arts for Multimedia Forensics: An Extensive Review [19.30075248247771]
  本調査は,ディープラーニングモデルを用いたマルチメディアデータにおける検出の改ざん手法に焦点をあてる。 悪質な操作検出のためのベンチマークデータセットの詳細な分析を公開している。 また、タグ付けヒントの包括的なリストや、一般的に使用されているディープラーニングアーキテクチャも提供する。
  論文  参考訳（メタデータ） (2024-01-13T07:03:58Z)
• SUDS: Sanitizing Universal and Dependent Steganography [4.067706508297839]
  ステガノグラフィー(英: Steganography)は、隠蔽通信に最もよく用いられる情報隠蔽の一種である。 現在の保護機構はステガナシスに依存しているが、これらのアプローチは事前の知識に依存している。 この研究は、普遍的および依存的ステガノグラフィーを衛生化できるSUDSと呼ばれる深層学習衛生技術に焦点を当てている。
  論文  参考訳（メタデータ） (2023-09-23T19:39:44Z)
• A Review on Deep-Learning Algorithms for Fetal Ultrasound-Image Analysis [5.512295869673148]
  本稿は、2017年以降に出版された研究論文145件について、この分野における最新の研究状況について調査する。 本論文は, (i) 胎児標準平面検出, (ii) 解剖学的構造解析, (iii) バイオメトリパラメーター推定で分類した。 本稿では、胎児のUS画像解析のためのDLアルゴリズムに関する技術の現状を批判的に要約する。
  論文  参考訳（メタデータ） (2022-01-28T17:22:44Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• 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)
• Visual Exploration and Knowledge Discovery from Biomedical Dark Data [0.0]
  我々は、バイオメディカルダークデータから知識を発見するために、自然言語処理ベースのパイプラインを使用している。 我々は、膨大な量の情報を解析する問題を克服する潜在的な解決策を得ることを目的としている。
  論文  参考訳（メタデータ） (2020-09-28T04:27:05Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。