論文の概要: EmbAu: A Novel Technique to Embed Audio Data Using Shuffled Frog Leaping
Algorithm
- arxiv url: http://arxiv.org/abs/2312.08417v1
- Date: Wed, 13 Dec 2023 17:34:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-16 02:55:10.567491
- Title: EmbAu: A Novel Technique to Embed Audio Data Using Shuffled Frog Leaping
Algorithm
- Title(参考訳): EmbAu: Shuffled Frog Leapingアルゴリズムによるオーディオデータを埋め込む新しい手法
- Authors: Sahil Nokhwal, Saurabh Pahune, Ankit Chaudhary
- Abstract要約: ステガノグラフィーアルゴリズムの目的は、データ暗号化のために機密情報のビットを隠蔽できるホストまたはカバー画像中の適切なピクセル位置を特定することである。
機密情報を統合し、画像の視覚的外観を維持する能力を向上させるために作業が行われている。
そこで我々は,Shuffled Frog Leaping Algorithm (SFLA) を用いて,被写体画像に機密情報を置く画素の順序を決定する。
- 参考スコア(独自算出の注目度): 0.7673339435080445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The aim of steganographic algorithms is to identify the appropriate pixel
positions in the host or cover image, where bits of sensitive information can
be concealed for data encryption. Work is being done to improve the capacity to
integrate sensitive information and to maintain the visual appearance of the
steganographic image. Consequently, steganography is a challenging research
area. In our currently proposed image steganographic technique, we used the
Shuffled Frog Leaping Algorithm (SFLA) to determine the order of pixels by
which sensitive information can be placed in the cover image. To achieve
greater embedding capacity, pixels from the spatial domain of the cover image
are carefully chosen and used for placing the sensitive data. Bolstered via
image steganography, the final image after embedding is resistant to
steganalytic attacks. The SFLA algorithm serves in the optimal pixels selection
of any colored (RGB) cover image for secret bit embedding. Using the fitness
function, the SFLA benefits by reaching a minimum cost value in an acceptable
amount of time. The pixels for embedding are meticulously chosen to minimize
the host image's distortion upon embedding. Moreover, an effort has been taken
to make the detection of embedded data in the steganographic image a formidable
challenge. Due to the enormous need for audio data encryption in the current
world, we feel that our suggested method has significant potential in
real-world applications. In this paper, we propose and compare our strategy to
existing steganographic methods.
- Abstract(参考訳): ステガノグラフィーアルゴリズムの目的は、データ暗号化のために機密情報のビットを隠蔽できるホストまたはカバー画像内の適切な画素位置を特定することである。
機密情報を統合し、画像の視覚的外観を維持する能力を向上させるために作業が行われている。
したがって、ステガノグラフィーは難しい研究分野である。
現在提案されている画像ステガノグラフィー手法では,Shuffled Frog Leaping Algorithm (SFLA) を用いて,被写体画像に機密情報を配置できる画素の順序を決定する。
埋め込み容量を高めるために、カバー画像の空間領域からの画素を慎重に選択し、センシティブなデータを配置するために使用する。
画像ステガノグラフィーにより、埋め込み後の最終像はステガナシー攻撃に耐性がある。
SFLAアルゴリズムは、秘密のビット埋め込みのために任意の色付き(RGB)カバー画像の最適な画素選択を行う。
フィットネス機能を利用することで、SFLAは許容時間内に最小のコスト値に達することで利益を得る。
埋め込み用の画素は、埋め込み時のホスト画像の歪みを最小限に抑えるために慎重に選択される。
さらに、ステガノグラフィー画像に埋め込まれたデータの検出を非常に難しい課題とする努力もなされている。
現在の世界では音声データの暗号化が極めて必要であるため,提案手法は実世界のアプリケーションにおいて大きな可能性を秘めている。
本稿では,既存のステガノグラフィ手法との比較と戦略を提案する。
関連論文リスト
- Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [70.58988592832684]
PGPIS(Pose-Guided Person Image Synthesis)のためのCFLD(Coarse-to-Fine Latent Diffusion)法を提案する。
認識修正デコーダは、学習可能なクエリの集合を段階的に洗練し、粗いプロンプトとして人物画像の意味的理解を抽出するように設計されている。
論文 参考訳(メタデータ) (2024-02-28T06:07:07Z) - Secure Information Embedding in Images with Hybrid Firefly Algorithm [2.9182357325967145]
本研究は,ホストイメージ内に機密文書フォーマット(PDF)を隠蔽する新たなステガノグラフィ手法を提案する。
この探索の目的は、ホスト画像のキャパシティを増大させ、歪みを減少させる2つの主要な目標を達成することである。
その結果,画像の歪みの減少と探索過程における収束速度の加速が示唆された。
論文 参考訳(メタデータ) (2023-12-21T01:50:02Z) - Perceptual Image Compression with Cooperative Cross-Modal Side
Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。
具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文 参考訳(メタデータ) (2023-11-23T08:31:11Z) - Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-21T06:59:07Z) - Unsupervised Superpixel Generation using Edge-Sparse Embedding [18.92698251515116]
特徴に対する画素の類似性に基づいて画像をスーパーピクセルに分割することは、データの複雑さを著しく減らし、その後の画像処理タスクを改善する。
コントラストの少ない非畳み込み画像デコーダを提案し、再構成画像にスムーズで接続されたエッジを強制する。
我々はデコーダの最後に隠された層から、余分な空間情報をスムーズなアクティベーションマップに符号化してエッジスパース画素埋め込みを生成し、標準クラスタリングアルゴリズムを用いて高品質なスーパーピクセルを抽出する。
論文 参考訳(メタデータ) (2022-11-28T15:55:05Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳(メタデータ) (2022-11-15T17:57:12Z) - A Novel Algorithm for Exact Concave Hull Extraction [0.0]
領域抽出は、自律運転における物体検出から細胞生物学における細胞内形態解析まで、幅広い用途で必要とされる。
2つの主要なアプローチがある: 凸殻抽出(convex hull extract)は、正確で効率的なアルゴリズムが存在し、実世界の形状を捉えるのに優れているが、単一の解を持たない。
本研究では,コンケーブ内包を最大分解能(ピクセル完全)で提供し,速度効率のトレードオフを調整可能な新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-23T05:26:48Z) - Learning from Pixel-Level Noisy Label : A New Perspective for Light
Field Saliency Detection [40.76268976076642]
光場画像による塩分濃度検出は、豊富な手がかりが得られれば魅力的になってきている。
そこで本研究では,手作り手作り手作り手作り手作り手作り手作り手作り手作り手作りの画素レベルの雑音ラベルから照度を学習する手法を提案する。
論文 参考訳(メタデータ) (2022-04-28T12:44:08Z) - Hiding Data in Colors: Secure and Lossless Deep Image Steganography via
Conditional Invertible Neural Networks [20.81947232336795]
既存のディープイメージステガノグラフィー手法は、コンテナイメージのホストイメージに対する視覚的類似性のみを考慮し、コンテナイメージの統計的セキュリティ(ステガノグラフィー)を無視する。
画像に任意の型でデータを埋め込むディープ・イメージ・ステガノグラフィー(deep image steganography)を提案する。
論文 参考訳(メタデータ) (2022-01-19T07:09:36Z) - Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。
Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。
実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2020-11-21T19:08:23Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳(メタデータ) (2020-10-29T14:46:05Z)
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。