نهان نگاری مبتنی بر GAN در تصاویر با استفاده از یک معماریEGD

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 93

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAPD-16-4_009

تاریخ نمایه سازی: 29 دی 1404

چکیده مقاله:

نهاننگاری یک متن در چند تصویر، باعث ارتقاء امنیت و جلوگیری از دسترسی مهاجمین به پیام پنهان خواهد شد؛ همچنین تولید تصاویر متعدد توسط هوش مصنوعی نیز، در دسترس قراردادن تصاویر جهت درج هر بخش از متن پیام پنهان را به دنبال خواهد داشت. در این مقاله یک سیستم نهان نگاری مبتنی بر «شبکه های عصبی متخاصم مولد» با استفاده از طراحی معماری سه بخشی فرمت «کدگذار- مولد- متمایزکننده» معرفی می شود که از یک کدگذار برای استخراج پیام ها از تصاویر نهاننگاریشده با بهرهگیری از یک دیتاست (مجموعه داده) واقع گرای CIFAR-۱۰  برای ارزیابی استفاده می کند. روش کلی «مولد به همراه کدگذار»، ترکیبی از شیوه تخاصم اتلافی از نوع «آنتروپی متقاطع»  به منظور فریب دادن متمایزکننده و بهرهگیری از اتلاف پیام، برای بازیابی پیام به کمک کدگذار است. هدف اصلی کاهش تغییرات قابل مشاهده در تصاویر نهاننگاریشده نسبت به تصاویر اصلی و افزایش قابلیت بازیابی پیام توسط کدگذار، همراه با ارزیابی های کیفی و کمی مانند SNR و MSE یا BCE برای بازگرداندن پیام است. نتایج تجربی نشان می دهد که با تنظیم مناسب های هایپرپارامترها، پیغام ها با نویز کم در تصاویر درج می شوند و قابلیت بازیابی پیام با خطای کم و SNR  مطلوبی همراه است. در روش پیشنهادی، برای ۵۰=Epoch مقدارdB ۹/۳۴≅SNR است. در این حالت همچنین ۷/۰≅ LossD و ۲/۱≅LossG بوده که مقادیر مناسبی برای آنتروپی متقاطع است. مقدار ۰۳/۰≅LossMsg هم حاصل شد که مقدار عالی محسوب میشود.لازم به ذکر است که پیادهسازی این مقاله توسط پایتون صورت گرفته است.

نویسندگان

رضا اصفهانی

استادیار، گروه مخابرات، دانشگاه جامع امام حسین(ع)، تهران، ایران

محمدعلی اخایی

دانشیار، گروه مخابرات، دانشگاه تهران، تهران، ایران.

زین العابدین نوروزی

دانشیار، گروه رمز و امنیت، دانشگاه جامع امام حسین(ع)، تهران، ایران

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 :
  • Fu, F. Wang, and X. Cheng, “The secure steganography for ...
  • Al Maawali and A. AL-Shidi, “Optimization Algorithms in Generative AI ...
  • Kumar, Prasanna Sattigeri, and P. T. Fletcher, “Semi-supervised Learning with ...
  • R. Malik et al., “A hybrid steganography framework using DCT and ...
  • Kuyoro, U. J. Nzenwata, O. Awodele, and S. Idowu, “GAN-Based ...
  • Gao, T. Xu, and F. Hua, “Robust Image Watermarking Based ...
  • Talati , R. Esfahani, “Presenting a New Method of Image ...
  • Baluja, “Hiding images in plain sight: deep steganography,” Neural Information Processing ...
  • and S.-P. Lu, “A Compact Neural Network-based Algorithm for Robust ...
  • Huang, T. Luo, L. Li, G. Yang, H. Xu, and ...
  • A. Candra Ahmadi, J.-L. C. Candra Ahmadi, and Y.-T. L. ...
  • Kaur and V. K. Sharma, “Encryption based LSB Steganography Technique ...
  • Singh, Ninni, and Gunjan Chhabra. "Cryptography and Steganography Techniques." Information ...
  • نمایش کامل مراجع