Статистичний стеганоаналіз фотореалістичних зображень
Анотація
В результаті дослідження експериментально здійснено підбір оптимальних, параметрів алгоритму знаходження градієнтних шляхів. Отримано та проаналізовано результати застосування моделей машинного навчання, визначено оптимальний масштаб ядра SVM-регресора. Розраховано час обчислення векторів ознак, навчання моделі, розпізнавання контейнерів. Показано, що вектор ознак на основі градієнтних шляхів доцільно використовувати для вирішення завдань, де необхідно варіювати точність виявлення вкладення в залежності від навантаження на систему стеганоаналіті, оскільки цей вектор ознак дозволяє визначити співвідношення розмірність/точність. Також шляхом експерименту підібрано комплексний вектор з кількох одновимірних кількісних стеганодетекторів і вектора ознак на основі градієнтних шляхів, ефективність якого можна порівняти з вектором ознак SPAM.
Посилання
Шніперов А.М., Прокоф'єва А.В. Метод стеганоаналізу статичних зображень формату JPEG на основі штучних імунних систем // Питання кібербезпеки. 2020. № 2 (36). З. 22-31. DOI: 10.21681/2311-3456-2020-2-22-31.
Башмаков Д.А. Точність передбачення пікселів фонових областей цифрових зображень у задачі стеганоаналізу методом Weighted Stego // Кібернетика та програмування. 2018. №2. З. 38-47.
Сівачов А.В., Прохожев Н.М., Михайличенко О.В., Башмаков Д.А. Ефективність стеганоаналізу на основі методів машинного навчання// Питання кібербезпеки. 2017. №2 (20). З. 53-60. DOI: 10.21681/2311-34562017-2-53-60.
Макаренко С.І. Еталонна модель взаємодії стеганографічних систем та обґрунтування на її основі нових напрямків розвитку теорії стеганографії// Питання кібербезпеки. 2014. №2 (3). C. 24-32.
Парасич А. В., Парасич В. А., Парасич І. В. Формування навчальної вибірки в завданнях машинного навчання // Інформаційно-керуючі системи. 2021. № 4. С.61-70.
Atlasov I., Solodukha R. Сample Representativeness Estimation як Preliminary Stage of Statistical Steganalysis / 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA), 2021, pp. 78-84.
