論文の概要: Hiding Functions within Functions: Steganography by Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2312.04743v1
• Date: Thu, 7 Dec 2023 22:55:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 12:46:22.741640
• Title: Hiding Functions within Functions: Steganography by Implicit Neural Representations
• Title（参考訳）: 機能内の保留機能:暗黙の神経表現によるステガノグラフィー
• Authors: Jia Liu, Peng Luo, Yan Ke,
• Abstract要約: 我々はステガノグラフィーを実装するStegaINRを提案する。 StegaINRはシークレット機能をステゴ機能に組み込み、メッセージ抽出器とステゴメディアの両方として機能する。 我々の知る限り、これは脳波をステガノグラフィーに導入する最初の試みである。
• 参考スコア（独自算出の注目度）: 9.630341407412729
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep steganography utilizes the powerful capabilities of deep neural networks to embed and extract messages, but its reliance on an additional message extractor limits its practical use due to the added suspicion it can raise from steganalyzers. To address this problem, we propose StegaINR, which utilizes Implicit Neural Representation (INR) to implement steganography. StegaINR embeds a secret function into a stego function, which serves as both the message extractor and the stego media for secure transmission on a public channel. Recipients need only use a shared key to recover the secret function from the stego function, allowing them to obtain the secret message. Our approach makes use of continuous functions, enabling it to handle various types of messages. To our knowledge, this is the first work to introduce INR into steganography. We performed evaluations on image and climate data to test our method in different deployment contexts.
• Abstract（参考訳）: ディープステガノグラフィーは、ディープニューラルネットワークの強力な能力を利用してメッセージを埋め込み、抽出するが、追加のメッセージ抽出装置に依存しているため、ステガナライザーから引き起こされる疑いが増すため、その実用的利用は制限される。 本稿では,インプリシットニューラル表現(INR)を用いてステガノグラフィーを実装したStegaINRを提案する。 StegaINRはシークレット機能をステゴ関数に組み込み、メッセージ抽出器とステゴメディアの両方として機能し、パブリックチャネル上で安全な送信を行う。 シークレット関数からシークレット関数を復元するために共有キーのみを使用する必要があるため、シークレットメッセージを取得することができる。 当社のアプローチでは,さまざまなタイプのメッセージを処理可能な継続的関数を活用しています。 我々の知る限り、これは脳波をステガノグラフィーに導入する最初の試みである。 画像データと気候データを用いて,異なる展開状況下での手法の検証を行った。

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)
• DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
  カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。 近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。 そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
  論文  参考訳（メタデータ） (2024-07-15T06:15:49Z)
• FoC: Figure out the Cryptographic Functions in Stripped Binaries with LLMs [54.27040631527217]
  削除されたバイナリの暗号関数を抽出するFoCと呼ばれる新しいフレームワークを提案する。 まず、自然言語における暗号関数のセマンティクスを要約するために、バイナリ大言語モデル(FoC-BinLLM)を構築した。 次に、FoC-BinLLM上にバイナリコード類似モデル(FoC-Sim)を構築し、変更に敏感な表現を作成し、データベース内の未知の暗号関数の類似実装を検索する。
  論文  参考訳（メタデータ） (2024-03-27T09:45:33Z)
• Steganography for Neural Radiance Fields by Backdooring [6.29495604869364]
  暗黙的ニューラル表現を用いた新しいモデルステガノグラフィー手法を提案する。 NeRFモデルは、バックドアとして機能する秘密の視点画像を生成する。 我々は、秘密のメッセージと秘密の視点画像との1対1のマッピングを確立するために、オーバーフィッティングを用いてメッセージ抽出器を訓練する。
  論文  参考訳（メタデータ） (2023-09-19T10:27:38Z)
• Exploring Incompatible Knowledge Transfer in Few-shot Image Generation [107.81232567861117]
  少ないショット画像生成は、いくつかの参照サンプルを使用して、ターゲットドメインから多彩で高忠実な画像を生成することを学習する。 既存のF SIGメソッドは、ソースジェネレータから事前の知識を選択し、保存し、転送し、ターゲットジェネレータを学習する。 本稿では,知識保存を補完する操作であり,軽量プルーニング方式で実装した知識トランケーションを提案する。
  論文  参考訳（メタデータ） (2023-04-15T14:57:15Z)
• Perfectly Secure Steganography Using Minimum Entropy Coupling [60.154855689780796]
  カチン1998のステガノグラフィー情報理論モデルでは, ステガノグラフィーの術式は完全に安全であることが示されている。 また, 完全セキュアな手順の中で, 最小エントロピー結合によって誘導される場合に限, 情報スループットが最大になることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:40:07Z)
• 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)
• Deniable Steganography [30.729865153060985]
  ステガノグラフィーは秘密メッセージを隠蔽媒体に隠蔽し、疑念を起こさずに公共チャンネルに送信できるステゴメディアを生成する。 その対策として、ステガナリシスは主に、秘密メッセージが所定のメディアに隠されているかどうかを検出することを目的としている。 ディープニューラルネットワーク(DNN)を用いた受信側強制攻撃に対処するレシーバ識別可能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） (2022-05-25T09:00:30Z)
• Intrinsic Probing through Dimension Selection [69.52439198455438]
  現代のほとんどのNLPシステムは、様々なタスクにおいて驚くほど高いパフォーマンスが得られる事前訓練された文脈表現を使用している。 このような高いパフォーマンスは、ある種の言語構造がこれらの表現に根ざしない限りはあり得ず、それを探究する研究が盛んに行われている。 本稿では,言語情報が表現内でどのように構造化されているかを示す内在的探索と,先行研究で広く普及している外在的探索とを区別し,抽出に成功したことを示すことによって,そのような情報の存在を主張するのみである。
  論文  参考訳（メタデータ） (2020-10-06T15:21:08Z)
• Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding [88.31226340759892]
  本稿では,ニューラルネットワークモデルに基づく自己調整型算術符号を用いた秘密メッセージを符号化する新しい言語ステガノグラフィー手法を提案する。 人間の評価によると、生成されたカバーテキストの51%は、実際に盗聴器を騙すことができる。
  論文  参考訳（メタデータ） (2020-10-01T20:40:23Z)

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。