論文の概要: Hiding Sensitive Information Using PDF Steganography
- arxiv url: http://arxiv.org/abs/2405.00865v1
- Date: Wed, 1 May 2024 20:54:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-03 18:33:31.743380
- Title: Hiding Sensitive Information Using PDF Steganography
- Title（参考訳）: PDFステガノグラフィーを用いた感性情報提示
- Authors: Ryan Klemm, Bo Chen,
- Abstract要約: 提案手法は,PDFストリーム演算子の実数値オペランドへの最小ビット挿入に基づく新しいPDFステガノグラフィーアルゴリズムを提案する。
また,特定のカバーPDF文書にマルウェアを埋め込むケーススタディも提供する。
- 参考スコア（独自算出の注目度）: 3.6533698604619587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The use of steganography to transmit secret data is becoming increasingly common in security products and malware today. Despite being extremely popular, PDF files are not often the focus of steganography research, as most applications utilize digital image, audio, and video files as their cover data. However, the PDF file format is promising for usage in medium-capacity steganography applications. In this paper, we present a novel PDF steganography algorithm based upon least-significant bit insertion into the real-valued operands of PDF stream operators. Where prior research has only considered a small subset of these operators, we take an extensive look at all the possible operators defined in the Adobe PDF standard to evaluate their usability in our steganography algorithm. We also provide a case study which embeds malware into a given cover PDF document.
- Abstract（参考訳）: 機密データを送信するためのステガノグラフィーの利用は、今日ではセキュリティ製品やマルウェアでますます一般的になっている。
PDFファイルは非常に人気があるにもかかわらず、ほとんどのアプリケーションはそのカバーデータとしてデジタル画像、オーディオ、ビデオファイルを使用するため、ステガノグラフィー研究の焦点にはならないことが多い。
しかし、PDFファイルフォーマットは、中容量ステガノグラフィーアプリケーションでの使用を約束している。
本稿では,PDFストリーム演算子の実数値オペランドへの最小ビット挿入に基づく新しいPDFステガノグラフィーアルゴリズムを提案する。
これまでの研究では,これらの演算子の小さな部分集合しか考慮されていないが,Adobe PDF標準で定義されているすべての演算子を概観し,その使用性を評価する。
また,特定のカバーPDF文書にマルウェアを埋め込むケーススタディも提供する。
関連論文リスト
- PDF-WuKong: A Large Multimodal Model for Efficient Long PDF Reading with End-to-End Sparse Sampling [63.93112754821312]
文書理解は、大量のテキストや視覚情報を処理し、理解する上で難しい課題である。
大規模言語モデル(LLM)の最近の進歩は、このタスクの性能を大幅に改善した。
長いPDF文書に対する多モーダル質問回答(QA)を強化するために設計された多モーダル大言語モデル(MLLM)であるPDF-WuKongを紹介する。
論文 参考訳（メタデータ） (2024-10-08T12:17:42Z) - Harnessing Lightweight Ciphers for PDF Encryption [1.104960878651584]
Portable Document Format (PDF)は、文書を交換するためのデファクトスタンダードとして世界中で使用されている。
現在、PDF暗号化は情報暗号化と復号化のためのAdvanced Encryption Standard(AES)のみをサポートしている。
リソース制約のある環境のための暗号と呼ばれる軽量暗号が人気を集めている。
論文 参考訳（メタデータ） (2024-09-14T12:59:04Z) - An Extensive Survey of Digital Image Steganography: State of the Art [0.0]
インターネットやイントラネット上での情報交換中に機密情報のプライバシーを守る必要性により、暗号やステガノグラフィーが広く採用されている。
本稿は,現状の造形技術,最近の動向,課題を批判的に分析する。
論文 参考訳（メタデータ） (2024-04-30T13:16:24Z) - A Feature Set of Small Size for the PDF Malware Detection [8.282177703075451]
PDFファイルのドメイン知識をあまり必要としない小さな機能セットを提案する。
ランダムフォレストモデルを用いた場合の最適精度は99.75%である。
その質素なサイズにもかかわらず、我々は、はるかに大きな機能セットを使用する最先端技術に匹敵する結果を得る。
論文 参考訳（メタデータ） (2023-08-09T04:51:28Z) - Attention Consistency Refined Masked Frequency Forgery Representation
for Generalizing Face Forgery Detection [96.539862328788]
既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。
ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。
いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
論文 参考訳（メタデータ） (2023-07-21T08:58:49Z) - Did You Train on My Dataset? Towards Public Dataset Protection with
Clean-Label Backdoor Watermarking [54.40184736491652]
本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。
データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。
この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
論文 参考訳（メタデータ） (2023-03-20T21:54:30Z) - 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) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳（メタデータ） (2021-12-17T15:52:46Z) - HAPSSA: Holistic Approach to PDF Malware Detection Using Signal and
Statistical Analysis [16.224649756613655]
悪意あるPDF文書は、様々なセキュリティ組織に深刻な脅威をもたらす。
最先端のアプローチでは、機械学習(ML)を使用してPDFマルウェアを特徴付ける機能を学ぶ。
本稿では,PDF マルウェア検出のための簡易かつ効果的な総合的なアプローチを導出する。
論文 参考訳（メタデータ） (2021-11-08T18:32:47Z) - PDF-Malware: An Overview on Threats, Detection and Evasion Attacks [0.966840768820136]
PDFが広く使われるようになったことで、良心的ユーザーの間では、本質的な安全性の虚偽の印象が生まれている。
本稿では,PDFマルウェア検出問題の概要について述べる。
論文 参考訳（メタデータ） (2021-07-27T15:15:20Z) - Detecting malicious PDF using CNN [46.86114958340962]
悪意のあるPDFファイルは、コンピュータセキュリティに対する最大の脅威の1つだ。
本稿では,ファイルのバイトレベルにおける畳み込みニューラルネットワーク(CNN)のアンサンブルを用いた新しいアルゴリズムを提案する。
オンラインでダウンロード可能な90000ファイルのデータセットを用いて,本手法はPDFマルウェアの高検出率(94%)を維持していることを示す。
論文 参考訳（メタデータ） (2020-07-24T18:27:45Z)
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。