ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

A fast and accurate steganalysis using ensemble classifiers

سال انتشار: 1392
کد COI مقاله: ICMVIP08_228
زبان مقاله: انگلیسیمشاهده این مقاله: 1,045
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A fast and accurate steganalysis using ensemble classifiers

Arezoo Torkaman - Department of Computer Engineering & IT, Amirkabir University of Technology
Reza Safabakhsh - Department of Computer Engineering & IT, Amirkabir University of Technology

چکیده مقاله:

Nowadays, the steganographic methods use themore sophisticated image models to increase security;consequently, steganalysis algorithm should build the moreaccurate models of images to detect them. So, the number ofextracted feature is increasing. Most modern steganalysisalgorithms train a supervised classifier on the feature vectors.The most popular and accurate one is SVM, but the high trainingtime of SVM inhibits the development of steganalysis. To solvethis problem, in this paper we propose a fast and accuratesteganalysis methods based on Ensemble classifier and Stacking.In this method, the relation between basic learners decisions andtrue decision is learned by another classifier. To do this, basiclearners decisions are mapped to space of uncorrelateddimensions. The complexity of this method is much lower thanthat of SVM, while our method improves detection accuracy.Proposed method is a fast and accurate classifier that can be usedas a part of any steganalysis algorithm. Performance of thismethod is demonstrated on two steganographic methods, namelynsF5 and Model Based Steganography. The performance ofproposed method is compared to that of Ensemble classifier.Experimental results show that the classification error andtraining time are lowered by 46% and 88%, respectively

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICMVIP08_228 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/227577/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Torkaman, Arezoo and Safabakhsh, Reza,1392,A fast and accurate steganalysis using ensemble classifiers,8th Iranian Conference on Machine Vision and Image Processing ,Zanjan,https://civilica.com/doc/227577

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392, Torkaman, Arezoo؛ Reza Safabakhsh)
برای بار دوم به بعد: (1392, Torkaman؛ Safabakhsh)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • _ _ _ _ _ from the _ _ ...
  • I. Avcibas, M. Kharrazi, N. Memon, and l. Sankur, "Image ...
  • J. Fridrich, "Feature-Based steganalysis for JPEG images and its ...
  • Hiding, Toronto, Canada, 2004. ...
  • M. Goljan, I. Fridrich, and T. Holotyak, "New blind steganalysis ...
  • _ _ _ _ _ _ of Multimedia Contents IX, ...
  • J. Kodovsky and J. Fridrich, "Calibration revisited, " in Proceedings ...
  • Y. Q. Shi, C. Chen, and W. Chen, "A Markov ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,451
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی