論文の概要: Reversible Data Hiding over Encrypted Images via Intrinsic Correlation in Block-Based Secret Sharing

• arxiv url: http://arxiv.org/abs/2502.11121v1
• Date: Sun, 16 Feb 2025 13:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:08:02.398358
• Title: Reversible Data Hiding over Encrypted Images via Intrinsic Correlation in Block-Based Secret Sharing
• Title（参考訳）: ブロックベース秘密共有における固有相関による暗号化画像上の可逆的データハイディング
• Authors: Jianhui Zou, Weijia Cao, Shuang Yi, Yifeng Zheng, Zhongyun Hua,
• Abstract要約: 暗号化された画像(RDH-EI)を隠蔽する可逆的データは、クラウドサービスのセキュアなイメージ管理に不可欠である。 既存のRDH-EIスキームは、しばしば高い計算複雑性、低い埋め込み率、過剰なデータ拡張に悩まされる。 本稿では,ブロック方式の秘密共有をまず分析することにより,これらの課題に対処する。 高容量RDH-EIスキームと大容量RDH-EIスキームの2つの新しいRDH-EIスキームを設計する。
• 参考スコア（独自算出の注目度）: 10.35674845256188
• License:
• Abstract: With the rapid advancements in information technology, reversible data hiding over encrypted images (RDH-EI) has become essential for secure image management in cloud services. However, existing RDH-EI schemes often suffer from high computational complexity, low embedding rates, and excessive data expansion. This paper addresses these challenges by first analyzing the block-based secret sharing in existing schemes, revealing significant data redundancy within image blocks. Based on this observation, we propose two space-preserving methods: the direct space-vacating method and the image-shrinking-based space-vacating method. Using these techniques, we design two novel RDH-EI schemes: a high-capacity RDH-EI scheme and a size-reduced RDH-EI scheme. The high-capacity RDH-EI scheme directly creates embedding space in encrypted images, eliminating the need for complex space-vacating operations and achieving higher and more stable embedding rates. In contrast, the size-reduced RDH-EI scheme minimizes data expansion by discarding unnecessary shares, resulting in smaller encrypted images. Experimental results show that the high-capacity RDH-EI scheme outperforms existing methods in terms of embedding capacity, while the size-reduced RDH-EI scheme excels in minimizing data expansion. Both schemes provide effective solutions to the challenges in RDH-EI, offering promising applications in fields such as medical imaging and cloud storage.
• Abstract（参考訳）: 情報技術の急速な進歩により、クラウドサービスのセキュアな画像管理には、暗号化画像(RDH-EI)を隠蔽する可逆的データが不可欠になっている。 しかし、既存のRDH-EIスキームは高い計算複雑性、低い埋め込み率、過剰なデータ拡張に悩まされることが多い。 本稿では,これらの課題に対処するために,まず既存のスキームにおけるブロックベースの秘密共有を解析し,画像ブロック内の重要なデータ冗長性を明らかにする。 そこで本研究では,空間保存法として,直接空間空白法と画像収縮に基づく空間空白法という2つの手法を提案する。 これらの手法を用いて,大容量RDH-EIスキームと大容量RDH-EIスキームの2つの新しいRDH-EIスキームを設計する。 高容量RDH-EI方式は、暗号化画像に埋め込み空間を直接生成し、複雑な空間空き操作を不要とし、より高安定な埋め込み率を達成する。 対照的に、RDH-EI方式は不要な共有を破棄することでデータ拡張を最小限に抑え、より小さな暗号化画像を生成する。 実験結果から,高容量RDH-EI方式は埋込容量で既存手法よりも優れており,RDH-EI方式はデータ拡張の最小化に優れていた。 どちらのスキームもRDH-EIの課題に対して効果的な解決策を提供し、医療画像やクラウドストレージなどの分野で有望な応用を提供する。

関連論文リスト

• SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints [66.85363924364628]
  イメージフォージェリーローカライゼーション (IFL) は, 改ざん画像誤用を防止し, 社会安全を守るための重要な技術である。 本稿では,情報理論IFL フレームワーク SUMI-IFL について紹介する。
  論文  参考訳（メタデータ） (2024-12-13T09:08:02Z)
• Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
  本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。 潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。 これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
  論文  参考訳（メタデータ） (2024-03-14T12:58:28Z)
• Privacy-Preserving Diffusion Model Using Homomorphic Encryption [5.282062491549009]
  HE拡散(HE-Diffusion)と呼ばれる同相暗号を利用したプライバシー保護型安定拡散フレームワークを提案する。 本稿では,効率的な部分的画像暗号化を実現するための新しいミン歪み法を提案する。 HEベースのプライバシ保存型安定拡散推論の実装に成功した。
  論文  参考訳（メタデータ） (2024-03-09T04:56:57Z)
• Progressive Content-aware Coded Hyperspectral Compressive Imaging [32.36879952484202]
  符号化開口スナップショット分光画像(CASSI)は、ハードウェアフレンドリーな実装と高速な撮像速度により、大きな成功を収めている。 しかし、単一スナップショットと不合理な符号化開口設計は、HSIの回復を悪化させ、空間的およびスペクトル的忠実度が低下する傾向にある。 我々はPCA-CASSIと呼ばれる新しいプログレッシブコンテンツ対応CASSIフレームワークを提案し、複数の最適化コンテンツ対応符号化アパーチャでHSIをキャプチャする。
  論文  参考訳（メタデータ） (2023-03-17T04:42:27Z)
• Towards Lightweight Super-Resolution with Dual Regression Learning [58.98801753555746]
  深層ニューラルネットワークは、画像超解像(SR)タスクにおいて顕著な性能を示した。 SR問題は通常不適切な問題であり、既存の手法にはいくつかの制限がある。 本稿では、SRマッピングの可能な空間を削減するために、二重回帰学習方式を提案する。
  論文  参考訳（メタデータ） (2022-07-16T12:46:10Z)
• Self-Gated Memory Recurrent Network for Efficient Scalable HDR Deghosting [59.04604001936661]
  本稿では,任意の長さの動的シーケンスを浮き彫りにする新しいネットワーク型HDRデゴースト法を提案する。 本稿では,SGM(Self-Gated Memory)セルという新たなリカレントセルアーキテクチャを導入する。 提案手法は,既存の3つの公開データセットを定量的に比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-12-24T12:36:33Z)
• Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
  ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。 これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
  論文  参考訳（メタデータ） (2021-01-19T12:19:53Z)
• Making Online Sketching Hashing Even Faster [63.16042585506435]
  本稿では,FROSH(FasteR Online Sketching Hashing)アルゴリズムを提案する。 提案したFROSHがより少ない時間を消費し、同等のスケッチ精度を実現することを保証するための理論的正当性を提供する。 また、FROSHの分散実装であるDFROSHを拡張して、FROSHのトレーニング時間コストをさらに削減する。
  論文  参考訳（メタデータ） (2020-10-10T08:50:53Z)
• A Generalized Kernel Risk Sensitive Loss for Robust Two-Dimensional Singular Value Decomposition [11.234115388848283]
  2次元特異分解(2DSVD)は、画像再構成、分類、クラスタリングなどの画像処理タスクに広く用いられている。 従来の2DSVDは平均二乗誤差(MSE)損失に基づいており、これは外れ値に敏感である。 本稿では,雑音と外乱の一般化されたカーネルリスクに基づくロバストDSVDを提案する。
  論文  参考訳（メタデータ） (2020-05-10T14:02:40Z)
• Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
  深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。 2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。 提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-18T06:11:20Z)

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。