論文の概要: Real-world actor-based image steganalysis via classifier inconsistency detection

• arxiv url: http://arxiv.org/abs/2501.04362v1
• Date: Wed, 08 Jan 2025 08:58:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:54:40.019351
• Title: Real-world actor-based image steganalysis via classifier inconsistency detection
• Title（参考訳）: 実世界のアクターによる画像ステガナリシスにおける識別不整合検出
• Authors: Daniel Lerch-Hostalot, David Megías,
• Abstract要約: 画像ステガノグラフィーにおける有罪行為者検出のためのロバストな手法を提案する。 提案されたアプローチは、俳優が無罪か無罪か、あるいは過剰なCSM(Cover Source Mismatch)のために破棄されるべきかどうかを判断することに成功した。 この新たなアプローチは、CSMの処理と実世界の応用における有罪アクター検出のための実用的で効率的なソリューションを提供することによって、ステガナリシスの分野に寄与する。
• 参考スコア（独自算出の注目度）: 1.1279808969568255
• License:
• Abstract: In this paper, we propose a robust method for detecting guilty actors in image steganography while effectively addressing the Cover Source Mismatch (CSM) problem, which arises when classifying images from one source using a classifier trained on images from another source. Designed for an actor-based scenario, our method combines the use of Detection of Classifier Inconsistencies (DCI) prediction with EfficientNet neural networks for feature extraction, and a Gradient Boosting Machine for the final classification. The proposed approach successfully determines whether an actor is innocent or guilty, or if they should be discarded due to excessive CSM. We show that the method remains reliable even in scenarios with high CSM, consistently achieving accuracy above 80% and outperforming the baseline method. This novel approach contributes to the field of steganalysis by offering a practical and efficient solution for handling CSM and detecting guilty actors in real-world applications.
• Abstract（参考訳）: 本稿では,画像ステガノグラフィにおいて,画像から訓練された分類器を用いて画像の分類を行う際に発生するCSM(Cover Source Mismatch)問題に効果的に対処しながら,画像ステガノグラフィーにおける有罪アクター検出のためのロバストな手法を提案する。 アクターをベースとしたシナリオとして設計された本手法では,分類不整合検出(DCI)予測と特徴抽出のための効率的なニューラルネットワーク,最終分類のためのグラディエントブースティングマシンを併用する。 提案手法は、俳優が無罪か無罪か、あるいは過度なCSMのために破棄されるべきかどうかを判断する。 提案手法は,高いCSMのシナリオにおいても信頼性が保たれ,80%以上の精度を一貫して達成し,ベースライン法よりも優れていることを示す。 この新たなアプローチは、CSMの処理と実世界の応用における有罪アクター検出のための実用的で効率的なソリューションを提供することによって、ステガナリシスの分野に寄与する。

関連論文リスト

• Detecting AutoEncoder is Enough to Catch LDM Generated Images [0.0]
  本稿では,自己エンコーダが導入したアーティファクトを識別することで,LDM(Latent Diffusion Models)によって生成された画像を検出する手法を提案する。 LDMオートエンコーダによって再構成された画像と実際の画像とを区別するように検出器を訓練することにより、直接トレーニングすることなく、生成された画像を検出することができる。 実験の結果,最小限の偽陽性で高い検出精度を示し,この手法は偽画像と戦うための有望なツールとなる。
  論文  参考訳（メタデータ） (2024-11-10T12:17:32Z)
• Certifying Robustness of Learning-Based Keypoint Detection and Pose Estimation Methods [9.953693315812995]
  この研究は、視覚に基づく2段階の6次元オブジェクトポーズ推定の堅牢性の証明に対処する。 中心となる考え方は、ローカルロバストネスの認定を、分類タスクのニューラルネットワーク検証に変換することである。
  論文  参考訳（メタデータ） (2024-07-31T19:02:54Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• A sliced-Wasserstein distance-based approach for out-of-class-distribution detection [8.512840855220178]
  本稿では,Rdon Cumulative Distribution Transform (R-CDT) 部分空間からスライスされたワッサーシュタイン距離の分布に基づいて,クラス外分布を検出する手法を提案する。 本手法をMNISTと2つの医用画像データセットで検証し, クラス外分布検出法を使わずに, 最先端の手法よりも精度がよいことを報告した。
  論文  参考訳（メタデータ） (2023-02-02T23:03:51Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Diffusion Models for Adversarial Purification [69.1882221038846]
  対人浄化(Adrial purification)とは、生成モデルを用いて敵の摂動を除去する防衛方法の分類である。 そこで我々は,拡散モデルを用いたDiffPureを提案する。 提案手法は,現在の対人訓練および対人浄化方法よりも優れ,最先端の成果を達成する。
  論文  参考訳（メタデータ） (2022-05-16T06:03:00Z)
• Effective Out-of-Distribution Detection in Classifier Based on PEDCC-Loss [5.614122064282257]
  PEDCC-Loss を用いたアウト・オブ・ディストリビューション例の検出に有効なアルゴリズムを提案する。 PEDCC(Predefined Evenly-Distribution Class Centroids)分類器によって出力される信頼スコアの性質を数学的に解析する。 次に,より効果的なスコアリング機能を構築し,分布内(ID)と分布外(out-of-distriion)を区別する。
  論文  参考訳（メタデータ） (2022-04-10T11:47:29Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
  本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。 私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
  論文  参考訳（メタデータ） (2020-08-06T02:07:21Z)
• Detecting CNN-Generated Facial Images in Real-World Scenarios [15.755089410308647]
  本研究では,実環境下での検出手法を評価するためのフレームワークを提案する。 また,提案フレームワークを用いた最先端検出手法の評価を行った。 この結果から,CNNに基づく検出手法は実世界のシナリオで使用するには不十分であることが示唆された。
  論文  参考訳（メタデータ） (2020-05-12T09:18:28Z)

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。