Дослідження основних компонентів систем JPEG-стеганоаналізу на базі машинного навчан-ня

Наталія Василівна Кошкіна

Анотація


Для побудови ефективних стеганоаналітичних систем у заданих практичних умовах необхідно здійснити аналіз та оцінку якості існуючих методів та компонентів. Для вибору оптимальних складових системи необхідно порівняти оцінки базових характеристик наявних кандидатів. Проте здійснити таке порівняння, базуючись на даних з наукових публікацій, досить складно через відмінності в умовах чисельних експериментів. В основі даного дослідження лежить принцип створення рівних умов для всіх досліджуваних статистичних моделей формування характеристичних векторів для стеганоаналізу JPEG-зображень за методами на базі машинного навчання. Проаналізовано швидкодію та точність детектування чотирьох різних варіантів приховування даних у частотній області, що були отримані з використанням таких статистичних моделей як CHEN, CC-CHEN, LIU, CC-PEV, CC-C300, GFR та DCTR, а також SVM з лінійним чи гаусівським ядром або ансамблевого класифікатора.  Основними результатами здійсненого дослідження є таблиці, що відображають чисельні оцінки швидкодії основних етапів стеганоаналізу та точності класифікації пустих і заповнених контейнерів.

 


Ключові слова


інформаційна безпека, стеганоаналіз, пасивна протидія, методи з навчанням та класифікацією, порівняльний аналіз, моделі характеристичних векторів, SVM, ансамблевий класифікатор

Посилання


Н.В. Кошкина, “Обзор и классификация методов стеганоанализа”, Управляющие системы и машины, № 3, с. 3-12, 2015.

T. Filler, J. Judas, J. Fridrich “Minimizing Embedding Impact in Steganography using Trellis-Coded Quantization”, Proc. SPIE, Electronic Imaging, Media Forensics and Security XII, San Jose, CA, vol. 7541, 2010.

C. Chen, Y.Q. Shi, “JPEG image steganalysis utilizing both intrablock and interblock correlations”, IEEE ISCAS, International Symposium on Circuits and Systems, рр. 3029-3032, 2008.

J. Kodovsky, J. Fridrich, “Calibration revisited”, In J. Dittmann,S. Craver, and J. Fridrich, editors, Proceedings of the 11th ACM Multimedia and Security Workshop, рр. 63-74, 2009.

Q. Liu, “Steganalysis of DCT–embedding based adaptive steganography and YASS”, In J. Dittmann, S. Craver, and C. Heitzenrater, editors, Proceedings of the 13th ACM Multimedia & Security Workshop, рр. 77-86, 2011.

T. Pevny, J. Fridrich, “Merging Markov and DCT features for multiclass JPEG steganalysis”, In E. J. Delp, P. W. Wong, editors, Proceedings SPIE, Electronic Imaging, Security, Steganography, and Watermarking of Multimedia Contents IX, vol. 6505, pp. 301-314, 2007.

J. Kodovsky, J. Fridrich, “Steganalysis in high dimensions: fusing classifiers built on random subspaces”, 8th SPIE Electronic Imaging, Media, Watermarking, Security and Forensics, vol. 7880, pp. 1-13, 2011.

X. Song, F. Liu, C. Yang, X. Luo, Y. Zhang, “Steganalysis of Adaptive JPEG Steganography Using 2D Gabor Filters”, Proceedings of the 3rd ACM Workshop on Information Hiding and Multimedia Security. ACM, pp.15-23, 2015.

V. Holub, J. Fridrich, “Low Complexity Features for JPEG Steganalysis Using Undecimated DCT”, IEEE Transactions on Information Forensics and Security, vol. 10, no. 2, pp. 219-228.

J.Kodovský, J. Fridrich, V. Holub, “Ensemble Classifiers for Steganalysis of Digital Media”, IEEE Transactions on Information Forensics and Security, vol. 7, no. 2, pp. 432-444, 2012.


Повний текст: PDF

Посилання

  • Поки немає зовнішніх посилань.


ISSN 2410-7840 (Online), ISSN 2221-5212 (Print)

Ліцензія Creative Commons
Цей твір ліцензовано за ліцензією Creative Commons Із зазначенням авторства - Некомерційна - Без похідних творів 3.0 Неадаптована

РИНЦ SSM WorldCat BASE Національна бібліотека ім. Вернадського Науково-технічна бібліотека НАУ Ulrich's Periodicals Directory

Ulrich's Periodicals Directory