論文の概要: Purified and Unified Steganographic Network

• arxiv url: http://arxiv.org/abs/2402.17210v1
• Date: Tue, 27 Feb 2024 05:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 17:42:41.567952
• Title: Purified and Unified Steganographic Network
• Title（参考訳）: 精製・統一ステレオグラフィネットワーク
• Authors: Guobiao Li, Sheng Li, Zicong Luo, Zhenxing Qian, Xinpeng Zhang
• Abstract要約: ステガノグラフィー(英: Steganography)とは、秘密データを秘密メディアに隠して隠蔽通信を行う技術である。 我々はPUSNet(Purified and Unified Steganographic Network)を提案する。 通常の機械学習タスクを浄化ネットワークで実行し、シークレット埋め込みやリカバリのためにステガノグラフネットワークにトリガーすることができる。
• 参考スコア（独自算出の注目度）: 37.08937194546323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Steganography is the art of hiding secret data into the cover media for covert communication. In recent years, more and more deep neural network (DNN)-based steganographic schemes are proposed to train steganographic networks for secret embedding and recovery, which are shown to be promising. Compared with the handcrafted steganographic tools, steganographic networks tend to be large in size. It raises concerns on how to imperceptibly and effectively transmit these networks to the sender and receiver to facilitate the covert communication. To address this issue, we propose in this paper a Purified and Unified Steganographic Network (PUSNet). It performs an ordinary machine learning task in a purified network, which could be triggered into steganographic networks for secret embedding or recovery using different keys. We formulate the construction of the PUSNet into a sparse weight filling problem to flexibly switch between the purified and steganographic networks. We further instantiate our PUSNet as an image denoising network with two steganographic networks concealed for secret image embedding and recovery. Comprehensive experiments demonstrate that our PUSNet achieves good performance on secret image embedding, secret image recovery, and image denoising in a single architecture. It is also shown to be capable of imperceptibly carrying the steganographic networks in a purified network. Code is available at \url{https://github.com/albblgb/PUSNet}
• Abstract（参考訳）: ステガノグラフィー(英: Steganography)とは、秘密データを秘密メディアに隠して隠蔽通信を行う技術である。 近年,深層ニューラルネットワーク(dnn)ベースのステガノグラフィースキームが,秘密の埋め込みと回収のためにステガノグラフィーネットワークを訓練するために提案されている。 手作りのステガノグラフィーツールと比較すると、ステガノグラフィーネットワークはサイズが大きくなる傾向にある。 シークレット通信を容易にするために、これらのネットワークを送信側と受信側に知覚的かつ効果的に送信する方法に関する懸念を提起する。 この問題に対処するため,本稿では,純粋で統一されたステガノグラフィーネットワーク (pusnet) を提案する。 パーソナライズされたネットワークで通常の機械学習タスクを実行し、異なるキーを使って秘密の埋め込みやリカバリのためにステガノグラフィーネットワークにトリガーすることができる。 我々は, 浄化されたネットワークとステガノグラフィーのネットワークを柔軟に切り替えるために, pusnetの構成を疎重充填問題として定式化する。 我々はさらに,秘密画像埋め込みとリカバリのために2つのステガノグラフィネットワークを隠蔽した画像デニュージングネットワークとして,pusnetをインスタンス化する。 包括的実験により、当社のPUSNetは、秘密画像の埋め込み、秘密画像の復元、単一アーキテクチャにおける画像の復号化に優れた性能を発揮することが示された。 また、清浄されたネットワークでステガノグラフィーネットワークを受動的に搬送できることも示されている。 コードは \url{https://github.com/albblgb/PUSNet} で入手できる。

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)
• Steganography of Steganographic Networks [23.85364443400414]
  ステガノグラフィー(英: Steganography)は、2つの当事者間の秘密の通信技術である。 本稿では,ステガノグラフィーネットワークの新た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） (2023-02-28T12:27:34Z)
• PromptMix: Text-to-image diffusion models enhance the performance of lightweight networks [83.08625720856445]
  ディープラーニングタスクは、人間のオペレーターに時間がかかりすぎるアノテーションを必要とする。 本稿では,既存のデータセットのサイズを人工的に向上するPromptMixを紹介する。 PromptMixは軽量ネットワークの性能を最大26%向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-01-30T14:15:47Z)
• 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)
• Image Generation Network for Covert Transmission in Online Social Network [24.203631473348462]
  そこで我々は,CIS-Netと呼ばれるCoverless Image Steganography Networkを提案する。 受信機は、JPEG圧縮攻撃によって画像が歪んだとしても、損失なく隠されたメッセージを抽出することができる。
  論文  参考訳（メタデータ） (2022-07-21T04:07:01Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)
• Dynamic Graph: Learning Instance-aware Connectivity for Neural Networks [78.65792427542672]
  動的グラフネットワーク(DG-Net)は完全な有向非巡回グラフであり、ノードは畳み込みブロックを表し、エッジは接続経路を表す。 ネットワークの同じパスを使用する代わりに、DG-Netは各ノードの機能を動的に集約する。
  論文  参考訳（メタデータ） (2020-10-02T16:50:26Z)
• On Hiding Neural Networks Inside Neural Networks [30.20287788363144]
  この過剰な能力は、トレーニングされたニューラルネットワークに秘密の機械学習モデルを組み込む機会を提供する。 我々の新しいフレームワークは、キャリアネットワーク内で任意の所望の機能を持つ秘密のニューラルネットワークの存在を隠蔽する。
  論文  参考訳（メタデータ） (2020-02-24T05:18:29Z)

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。