論文の概要: Combining Different Existing Methods for Describing Steganography Hiding Methods

• arxiv url: http://arxiv.org/abs/2506.01700v1
• Date: Mon, 02 Jun 2025 14:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 04:22:50.757851
• Title: Combining Different Existing Methods for Describing Steganography Hiding Methods
• Title（参考訳）: ステガノグラフィーハイディング法を記述するための既存手法の組合せ
• Authors: Steffen Wendzel, Christian Krätzer, Jana Dittmann, Luca Caviglione, Aleksandra Mileva, Tobias Schmidbauer, Claus Vielhauer, Sebastian Zander,
• Abstract要約: 本稿では,ステガノグラフィにおける記述的手法の概念の紹介を目的とする。 本論文の主な目的は,既存の記述と分類対象を組み合わせることで,隠蔽方法の詳細な分類と記述を実現することである。
• 参考スコア（独自算出の注目度）: 33.986313771360095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of digital carriers that can be exploited to conceal arbitrary data has greatly increased the number of techniques for implementing network steganography. As a result, the literature overlaps greatly in terms of concepts and terminology. Moreover, from a cybersecurity viewpoint, the same hiding mechanism may be perceived differently, making harder the development of a unique defensive strategy or the definition of practices to mitigate risks arising from the use of steganography. To mitigate these drawbacks, several researchers introduced approaches that aid in the unified description of steganography methods and network covert channels. Understanding and combining all descriptive methods for steganography techniques is a challenging but important task. For instance, researchers might want to explain how malware applies a certain steganography technique or categorize a novel hiding approach. Consequently, this paper aims to provide an introduction to the concept of descriptive methods for steganography. The paper is organized in the form of a tutorial, with the main goal of explaining how existing descriptions and taxonomy objects can be combined to achieve a detailed categorization and description of hiding methods. To show how this can effectively help the research community, the paper also contains various real-world examples.
• Abstract（参考訳）: 任意のデータを隠蔽するために利用されるデジタルキャリアの拡散は、ネットワークステガノグラフィーを実装する技術の数を大幅に増加させた。 その結果、文学は概念や用語の点で大きく重なっている。 さらに、サイバーセキュリティの観点からは、同じ隠蔽機構が異なると認識され、独自の防衛戦略の開発や、ステガノグラフィーの使用によるリスクを軽減するためのプラクティスの定義が困難になる可能性がある。 これらの欠点を軽減するために、何人かの研究者がステガノグラフィー法とネットワーク被覆チャネルの統一的な記述を支援するアプローチを導入した。 ステガノグラフィー技法のすべての記述的手法を理解し、組み合わせることは、難しいが重要な課題である。 例えば、マルウェアが特定のステガノグラフィー技術をどのように適用したか、あるいは新しい隠れアプローチを分類したかったりします。 そこで本稿は,ステガノグラフィにおける記述的手法の紹介を目的とする。 本論文は,隠蔽方法の詳細な分類と記述を実現するために,既存の記述と分類対象をどのように組み合わせることができるかを説明することを目的として,チュートリアルの形式で組織化されている。 この方法が研究コミュニティに効果的に役立つことを示すために、この論文には様々な実例も含まれている。

関連論文リスト

• Natias: Neuron Attribution based Transferable Image Adversarial Steganography [62.906821876314275]
  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。
  論文  参考訳（メタデータ） (2024-09-08T04:09:51Z)
• A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
  アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。 ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。 多くのアプローチが、数発のアクション認識において顕著な進歩を導いている。
  論文  参考訳（メタデータ） (2024-07-20T03:53:32Z)
• Leveraging Open-Vocabulary Diffusion to Camouflaged Instance Segmentation [59.78520153338878]
  テキスト・ツー・イメージ拡散技術は、テキスト記述から高品質な画像を生成する素晴らしい能力を示している。 そこで本研究では,オープン語彙を応用した最先端拡散モデルを用いて,多スケールのテキスト・視覚的特徴を学習する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-29T07:59:07Z)
• Deep Learning for Steganalysis of Diverse Data Types: A review of methods, taxonomy, challenges and future directions [3.2007743266566617]
  ステガノグラフィーとステガナリシスは特に法執行機関から大きな関心を集めている。 本稿では,ディープラーニングに基づくステガナリシス技術の概要を概観する。
  論文  参考訳（メタデータ） (2023-08-08T18:37:24Z)
• A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges [9.206590881401528]
  グラフニューラルネットワーク(GNN)は、コミュニティ検出と分子分類においてよく機能する。 Counterfactual Explanations (CE) はブラックボックスモデルの透明性の限界を克服するための反例を提供する。
  論文  参考訳（メタデータ） (2022-10-21T16:29:14Z)
• Scene Graph Generation: A Comprehensive Survey [35.80909746226258]
  シーングラフは、その強力な意味表現とシーン理解への応用から研究の焦点となっている。 SGG(Scene Graph Generation)とは、画像を自動的にセマンティックなシーングラフにマッピングするタスクである。 本稿では,異なる入力モダリティをカバーする138の代表的な作品についてレビューし,既存の画像ベースSGGの手法を体系的に要約する。
  論文  参考訳（メタデータ） (2022-01-03T00:55:33Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)
• Guiding Graph Embeddings using Path-Ranking Methods for Error Detection innoisy Knowledge Graphs [0.0]
  この研究は、様々な主要なアプローチを示し、タスクのためのハイブリッドでモジュラーな方法論を提案する。 2つのベンチマークと1つの実世界のバイオメディカル・パブリッシング・データセットで異なる手法を比較し、アプローチの可能性を示している。
  論文  参考訳（メタデータ） (2020-02-19T11:04:11Z)

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。