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
- Can Encrypted Images Still Train Neural Networks? Investigating Image Information and Random Vortex Transformation [51.475827684468875]
画像変換時の情報内容の変化を評価するために,画像情報量を測定する新しい枠組みを構築した。
また,Random Vortex Transformationと呼ばれる新しい画像暗号化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-25T09:14:53Z) - Neural Cover Selection for Image Steganography [7.7961128660417325]
ステガノグラフィーでは、カバー選択と呼ばれる最適なカバー画像を選択することは、効果的なメッセージ隠蔽のために重要である。
近年のジェネレーティブモデルの発展に触発されて,新しいカバー選択フレームワークを導入する。
提案手法は, メッセージ回復と画像品質において大きな利点を示す。
論文 参考訳（メタデータ） (2024-10-23T18:32:34Z) - Enabling Practical and Privacy-Preserving Image Processing [5.526464269029825]
ホモモルフィック暗号化(FHE)は、暗号化されたデータの計算を可能にし、復号化を必要とせずに機密性を保存する。
従来のFHEメソッドは、ピクセルの代わりにモノリシックなデータブロックで画像を暗号化することが多い。
CKKS方式に基づく画素レベルの同型暗号化手法iCHEETAHを提案し,実装する。
論文 参考訳（メタデータ） (2024-09-05T14:22:02Z) - An Effective Approach to Scramble Multiple Diagnostic Imageries Using Chaos-Based Cryptography [0.0]
カオスシステムに基づく医用画像暗号化方式を提案する。
平画像とカオスキーに基づく置換は、平画像のピクセルを他の行や列にシャッフルするために提供される。
本研究では, 分岐プロット, Lyapunov指数, MSE, PSNR試験, ヒストグラム解析などの様々な手法と試験を用いて, 提案システムのカオス的挙動を解析した。
論文 参考訳（メタデータ） (2024-05-02T05:18:46Z) - Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis [65.7968515029306]
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) - 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) - 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。