Стегоанализ цифровых изображений с использованием методов поверхностного и глубокого машинного обучения: известные подходы и новые решения

TL;DRAbstract

Рассматривается современное состояние проблемы стегоанализа цифровых изображений, направленной на исследование и разработку эффективных методов выявления стеганографически скрытых (визуально незаметных) сообщений в контейнерах-изображениях. В первой части статьи проводится общая классификация известных подходов и детальный обзор ранее полученных результатов в области стегоанализа на основе использования методологии поверхностного (shallow learning) и глубокого машинного обучения (deep learning). Описываются используемые в современных системах поверхностного машинного обучения системы признаков и реализуемые на их основе классификаторы (композиционные алгоритмы, алгоритмы на основе метода опорных векторов и др.). В качестве альтернативы рассматриваются возможности глубоких нейронных сетей с архитектурами, реализующими, в основном, сверточную обработку с различными модификациями (дополнительные слои обработки, функции активации специального вида и т.п.). Приводятся данные сравнительного

Chat with Paper

AI Agents for this Paper