ارائه روشی جدید در تشخیص پنهان نگاری تصاویر خاکستری با استفاده از شبکه عصبی رقومی ساز بردار یادگیری

امنیت یکی از مهمترین اصول ارتباطات در عصر کنونی است. روش های مختلف پنهان نگاری برای هر چه بالاتر بردن امنیت پیام های مخفی به کار می روند. در کنار گسترش روش های مختلف پنهان نگاری اطلاعات در تصاویر، روش های متنوعی نیز برای مقابله با آن تحت عنوان نهان کاوی ایجاد شده است که هدف آن استفاده از ویژگی های تصاویر و الگوریتم های پردازشی برای کشف اطلاعات پنهان شده می باشد. در این مقاله از روش پنهان نگاری بیت کم ارزش استفاده شده چرا که این روش پایه و اساس پنهان سازی اطلاعات فنی و پرکاربردترین روش در حوزه مکان است و در صورت استفاده از ظرفیت مناسب می-تواند شفافیت بالایی داشته و همچنین دارای مقاومت بالایی باشد. پارامترهای مورد استفاده برای ارزیابی در این فصل مقادیر MSE ، SNR و BER هستند کهMSE معیاری برای محاسبه میانگین مربعات خطا است که این خطا به وسیله تفریق مقدار پیکسل از تصویر اصلی با تصویر پس از پنهان نگاری است که هرچه MSEکمتر باشد (زیرا تفاوت روش اصلی و پنهان-نگاری شده کمتر خواهد بود) روش مورد استفاده بهتر است. همچنین SNR معیاری برای نشان دادن غیرقابل مشاهده بودن (نامحسوس بودن) است که این مقایس نشان دهنده میزان نویز اضافه شده به تصویر در اثر تعبیه اطلاعات در تصویر است. همانطور که در مقایسه مقادیر معیارهایMSE ، SNR و BER دیده می شود روش پیشنهادی در برابر سایر روش های بررسی شده دارای مقاومت بالاتری است. ارزیابی عملکرد روش پیشنهادی تشخیص پنهان نگاری به وسیله ی دقت آشکارسازی بررسی می شود. در شبکه عصبی پیشنهادی از دو آزمون آماری اجرا (آزمونی آماری برای تشخیص تصادفی بودن داده ها که جایگزینی برای آزمایش همبستگی خودکار داده هاست) و همچنین سریال (آزمونی آماری برای ارزیابی تصادفی بودن دنباله ای از داده های باینری) و همچنین ویژگی های آماری هیستوگرام تصویر و انحراف معیار برای استخراج ویژگی ها استفاده شد. از آنجا که لازم است تشخیص داده شود هر سیگنال وارد شده حاوی پنهان نگاری یا اطلاعات مخفی شده است یا خیر، از یک دیتاست شامل تصاویر خاکستری استفاده شده است و برای شناسایی و طبقه بندی از شبکه عصبی LVQ استفاده شده و همچنین برای تحلیل تصویر از ویژگی های آماری آزمون اجرا، سریال، هیستوگرام تصویر و انحراف معیار استفاده شده است. مرحله طبقه بندی با استفاده از لایه های این شبکه عصبی انجام و الگوریتم پیشنهادی برای این تصاویر تست شد. مقادیرمربوط به دقت تشخیص پنهان نگاری همچون FN، FP، TP، TN و دقت آشکارسازی نشان دهنده برتری محسوس روش پیشنهادی در برابر سایر روش ها است.

کلیدواژه ها:

پنهان نگاری نهان کاوی ، شبکه عصبی ، اطلاعات ، ارتباطات.