نهان کاوی تصاویر با استفاده از ترکیب دسته بندها با یادگیرنده پایه k-nn جهت مقابله با جاسوسی در فضای سایبری

نهان کاوی روشی برای مقابله با تبادل پیام مخفی است. این پیام در رسانه های دیجیتالی مانند تصاویر، متون و همچنین در فایل صوتی و ویدئو و... مخفی است، در واقع از رسانه ها به عنوان پوششی برای مخفی کردن اطلاعات استفاده می کنند. در سال های اخیر روش های متعددی برای شناسایی این رسانه های حاوی اطلاعات مخفی مطرح شده است که هرکدام دارای اهداف مشخصی از قبیل تشخیص رسانه، تخریب پیام مخفی در رسانه، بازیابی پیام مخفی در رسانه و بازنویسی پیام مخفی در رسانه می باشد، در این پژوهش یک روشی مبتنی بر یادگیری ماشین معرفی گردید که عمل تشخیص رسانه را انجام داده و مورد بحث و بررسی قرار داده است. در این روش از ترکیب دسته بندهای بگینگ استفاده شد که در آن یادگیرنده های پایه، یک بار از نوع k-nn و یک بار از نوع mlp در نظرگرفته شد و پارامترهایی از این روش ها، از جمله تعداد یادگیرنده های پایه، تعداد k ها، تعداد لایه های مخفی مورد بحث و بررسی قرار گرفته است. نتایج حاصل از مجموعه فعالیت ها بیانگر این بوده است، که دو روش بطور کلی عملکرد تقریبا نزدیکی ارائه کرده و شبکه عصبی در یک حالت خاص عملکرد بهتری ارائه داده است

کلیدواژه ها:

نهان کاوی ، ترکیب دسته بند ، نهان نگاری ، نزدیک ترین همسایه ، شبکه عصبی پرسپترون