Fugu-MT 論文翻訳(概要): Natias: Neuron Attribution based Transferable Image Adversarial Steganography

論文の概要: Natias: Neuron Attribution based Transferable Image Adversarial Steganography

arxiv url: http://arxiv.org/abs/2409.04968v1
Date: Sun, 8 Sep 2024 04:09:51 GMT
ステータス: 処理完了
システム内更新日: 2024-09-10 19:50:12.227873
Title: Natias: Neuron Attribution based Transferable Image Adversarial Steganography
Title（参考訳）: Natias: ニューロンのアトリビューションに基づく転写可能な画像逆行性ステガノグラフィ
Authors: Zexin Fan, Kejiang Chen, Kai Zeng, Jiansong Zhang, Weiming Zhang, Nenghai Yu,
Abstract要約: 逆行性ステガナグラフィーは、ディープラーニングに基づくステガナリシスを効果的に欺く能力から、かなりの注目を集めている。そこで我々は,Natias という新たな逆向きステガノグラフィー手法を提案する。提案手法は既存の逆向きステガノグラフィーフレームワークとシームレスに統合できる。
参考スコア（独自算出の注目度）: 62.906821876314275
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image steganography is a technique to conceal secret messages within digital images. Steganalysis, on the contrary, aims to detect the presence of secret messages within images. Recently, deep-learning-based steganalysis methods have achieved excellent detection performance. As a countermeasure, adversarial steganography has garnered considerable attention due to its ability to effectively deceive deep-learning-based steganalysis. However, steganalysts often employ unknown steganalytic models for detection. Therefore, the ability of adversarial steganography to deceive non-target steganalytic models, known as transferability, becomes especially important. Nevertheless, existing adversarial steganographic methods do not consider how to enhance transferability. To address this issue, we propose a novel adversarial steganographic scheme named Natias. Specifically, we first attribute the output of a steganalytic model to each neuron in the target middle layer to identify critical features. Next, we corrupt these critical features that may be adopted by diverse steganalytic models. Consequently, it can promote the transferability of adversarial steganography. Our proposed method can be seamlessly integrated with existing adversarial steganography frameworks. Thorough experimental analyses affirm that our proposed technique possesses improved transferability when contrasted with former approaches, and it attains heightened security in retraining scenarios.
Abstract（参考訳）: 画像ステガノグラフィー(英: Image steganography)は、デジタル画像内の秘密メッセージを隠蔽する技術である。逆にステガナリシスは、画像内の秘密メッセージの存在を検出することを目的としている。近年,ディープラーニングに基づくステガナリシス法は優れた検出性能を実現している。この対策として, 逆行性ステガナグラフィーは, 深層学習に基づくステガナシスを効果的に欺く能力から注目されている。しかし、ステガナリストは検出に未知のステガナリストモデルを用いることが多い。そのため、非標的ステガナシスモデルであるトランスファビリティー(Transferability)を欺く逆向きステガナグラフィーの能力が特に重要である。それでも、既存の逆向きのステガノグラフィー法は、転送可能性を高める方法を考慮していない。この問題に対処するため,ナティアス(Natias)という新たな逆向きステガノグラフィー手法を提案する。具体的には,まず,対象中層の各ニューロンに対してステガナシスモデルの出力を推定し,重要な特徴を同定する。次に、様々なステガナシスモデルで採用されるかもしれないこれらの重要な特徴を台無しにする。これにより、逆行性ステガノグラフィーの伝達性を促進することができる。提案手法は既存の逆向きステガノグラフィーフレームワークとシームレスに統合できる。提案手法は, 従来の手法と対比した場合, 伝達性の向上を図り, 再訓練シナリオにおける安全性の向上を図っている。

関連論文リスト

StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
Blind Data Adaptation to tackle Covariate Shift in Operational Steganalysis [9.565324766070407]
Image Steganographyにより、個人は疑念を喚起することなく、デジタル画像に違法な情報を隠すことができる。内因性コミュニケーションのための操作画像の検出を可能にする効果的なステガナリシス法を開発することが重要である。ステガナリシスにおける特定の目標に沿ったソースをエミュレートする新しい手法であるTADを開発した。
論文参考訳（メタデータ） (2024-05-27T08:55:22Z)
Adversarial-Robust Transfer Learning for Medical Imaging via Domain Assimilation [17.46080957271494]
医用画像が公開されていないため、現代のアルゴリズムは、大量の自然画像に基づいて事前訓練されたモデルに依存するようになった。自然画像と医療画像の間に重要なエムドメインの相違があり、AIモデルは敵の攻撃に対するエムの脆弱性を高める。本稿では,テクスチャと色適応を伝達学習に導入する Em ドメイン同化手法を提案する。
論文参考訳（メタデータ） (2024-02-25T06:39:15Z)
Causality-Driven One-Shot Learning for Prostate Cancer Grading from MRI [1.049712834719005]
本稿では,画像中の弱い因果信号を学習し,活用する医用画像の自動分類手法を提案する。我々のフレームワークは畳み込みニューラルネットワークのバックボーンと因果抽出モジュールで構成されている。本研究は,特徴間の因果関係が,関連情報を識別するモデルの能力を高める上で重要な役割を担っていることを示す。
論文参考訳（メタデータ） (2023-09-19T16:08:33Z)
Image Steganography based on Style Transfer [12.756859984638961]
スタイル転送に基づく画像ステガノグラフィーネットワークを提案する。コンテンツイメージスタイルを変換しながら、秘密情報を埋め込みます。潜時空間では、秘密情報をカバー画像の潜時表現に統合してステゴ画像を生成する。
論文参考訳（メタデータ） (2022-03-09T02:58:29Z)
Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文参考訳（メタデータ） (2021-12-20T13:29:13Z)
Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文参考訳（メタデータ） (2020-12-06T20:30:26Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Graph Neural Networks for UnsupervisedDomain Adaptation of Histopathological ImageAnalytics [22.04114134677181]
組織像解析のための教師なし領域適応のための新しい手法を提案する。特徴空間に画像を埋め込むバックボーンと、ラベルで画像の監視信号をプロパゲートするグラフニューラルネットワーク層に基づいている。実験では、4つの公開データセット上での最先端のパフォーマンスを評価する。
論文参考訳（メタデータ） (2020-08-21T04:53:44Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)

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。