論文の概要: SUDS: Sanitizing Universal and Dependent Steganography

• arxiv url: http://arxiv.org/abs/2309.13467v1
• Date: Sat, 23 Sep 2023 19:39:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 19:45:41.968889
• Title: SUDS: Sanitizing Universal and Dependent Steganography
• Title（参考訳）: SUDS: ユニバーサルおよび依存性ステガノグラフィーの衛生化
• Authors: Preston K. Robinette, Hanchen D. Wang, Nishan Shehadeh, Daniel Moyer, Taylor T. Johnson
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.067706508297839
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Steganography, or hiding messages in plain sight, is a form of information hiding that is most commonly used for covert communication. As modern steganographic mediums include images, text, audio, and video, this communication method is being increasingly used by bad actors to propagate malware, exfiltrate data, and discreetly communicate. Current protection mechanisms rely upon steganalysis, or the detection of steganography, but these approaches are dependent upon prior knowledge, such as steganographic signatures from publicly available tools and statistical knowledge about known hiding methods. These dependencies render steganalysis useless against new or unique hiding methods, which are becoming increasingly common with the application of deep learning models. To mitigate the shortcomings of steganalysis, this work focuses on a deep learning sanitization technique called SUDS that is not reliant upon knowledge of steganographic hiding techniques and is able to sanitize universal and dependent steganography. SUDS is tested using least significant bit method (LSB), dependent deep hiding (DDH), and universal deep hiding (UDH). We demonstrate the capabilities and limitations of SUDS by answering five research questions, including baseline comparisons and an ablation study. Additionally, we apply SUDS to a real-world scenario, where it is able to increase the resistance of a poisoned classifier against attacks by 1375%.
• Abstract（参考訳）: 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。 現代のステガノグラフィー媒体には画像、テキスト、オーディオ、ビデオが含まれるため、このコミュニケーション手法は悪役によってマルウェアの伝播、データの流出、不適切なコミュニケーションにますます利用されている。 現在の保護機構は、ステグアナリシス、またはステガノグラフィの検出に依存しているが、これらのアプローチは、公開ツールからのステガノグラフィーのシグネチャや既知の隠れ方に関する統計的知識など、事前の知識に依存する。 これらの依存関係は、新たなあるいはユニークな隠蔽方法に対してステガナリシスを役に立たないものにします。 ステグアナリシスの欠点を緩和するため,本研究は,ステガノグラフィの知識に依存しず,普遍的および従属的なステガノグラフィをサニタイズできるsudsと呼ばれる深層学習用サニタイズ技術に注目した。 SUDSは、最小ビット法(LSB)、依存深度隠蔽(DDH)、普遍深度隠蔽(UDH)を用いて試験される。 ベースライン比較とアブレーション研究を含む5つの研究課題に答えることで,SUDSの能力と限界を実証する。 さらに,sudを実世界のシナリオに適用することで,有毒な分類器による攻撃に対する耐性を1375%高めることができる。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• 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)
• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Monsters in the Dark: Sanitizing Hidden Threats with Diffusion Models [4.443677138272269]
  ステガノグラフィー(英: Steganography)は、平凡な視界に情報を隠蔽する技法である。 現在の画像ステガノグラフィーの防御はステガナリシスや隠されたメッセージの検出に依存している。 最近の研究は、画像から隠された情報を除去する「衛生化」として知られる防衛機構に焦点を当てている。
  論文  参考訳（メタデータ） (2023-10-10T19:15:11Z)
• A New Benchmark and Reverse Validation Method for Passage-level Hallucination Detection [63.56136319976554]
  大きな言語モデル(LLM)は幻覚を発生させ、ミッションクリティカルなタスクにデプロイすると大きなダメージを与える可能性がある。 本稿では,逆検証に基づく自己チェック手法を提案し,ゼロリソース方式で事実誤りを自動的に検出する。 提案手法と既存のゼロリソース検出手法を2つのデータセット上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-10-10T10:14:59Z)
• Deep Learning for Steganalysis of Diverse Data Types: A review of methods, taxonomy, challenges and future directions [3.2007743266566617]
  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。
  論文  参考訳（メタデータ） (2023-08-08T18:37:24Z)
• A Survey on Malware Detection with Graph Representation Learning [0.0]
  マルウェアの検出は、マルウェアの数と複雑さの増大により、大きな関心事となっている。 近年、機械学習(ML)、特にディープラーニング(DL)は、データから有用な表現を学習することで、マルウェア検出において印象的な成果を上げている。 本稿は、共通アプローチとアーキテクチャの下で既存の作品を要約し、統一するための詳細な文献レビューを提供する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:08Z)
• A Study of Augmentation Methods for Handwritten Stenography Recognition [0.0]
  我々は22の古典的拡張技法について研究し、そのほとんどは他のスクリプトのHTRによく使われている。 我々は,例えばランダム回転,シフト,スケーリングの範囲を含む拡張群を同定し,ステントグラフィー認識の応用に有用である。
  論文  参考訳（メタデータ） (2023-03-05T20:06:19Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Graph-based Semi-supervised Learning: A Comprehensive Review [51.26862262550445]
  半教師付き学習(ssl)はラベル付きデータとラベルなしデータの両方を利用する能力があるため、実際非常に価値があります。 重要なSSLメソッドのクラスは、グラフベースの半教師付き学習(GSSL)メソッドに対応するグラフとしてデータを自然に表現することです。 GSSLメソッドは、構造のユニークさ、アプリケーションの普遍性、大規模データへのスケーラビリティのために、さまざまなドメインでその利点を実証しています。
  論文  参考訳（メタデータ） (2021-02-26T05:11:09Z)

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。