Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 2880
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [PASSWORD_CHECK_WEAK] => N
                    [PASSWORD_CHECK_POLICY] => N
                    [PASSWORD_CHANGE_DAYS] => 0
                    [PASSWORD_UNIQUE_COUNT] => 0
                    [LOGIN_ATTEMPTS] => 0
                    [BLOCK_LOGIN_ATTEMPTS] => 0
                    [BLOCK_TIME] => 0
                )

        )

    [SESS_IP] => 18.118.37.224
    [SESS_TIME] => 1746005343
    [IS_EXPIRED] => 
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [SESS_SHOW_INCLUDE_TIME_EXEC] => 
    [fixed_session_id] => b958e02391767c4bc97eaed91ca5c9b2
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

    [SESS_OPERATIONS] => Array
        (
        )

)

Поиск по журналу

Автометрия

2021 год, номер 4

ОСОБЕННОСТИ ПРИМЕНЕНИЯ ПРЕДОБУЧЕННЫХ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ К ЗАДАЧАМ СТЕГОАНАЛИЗА ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ

"С.Н. Терещенко1, А.А. Перов2, А.Л. Осипов1"
"1Новосибирский государственный университет экономики и управления, г. Новосибирск, Россия
sg12@ngs.ru
2Московский политехнический университет, г. Новосибирск, Россия
perov_artem@inbox.ru"
Ключевые слова: машинное обучение, свёрточные нейронные сети, стеганография, стегоанализ, контейнер
Страницы: 98-105

Аннотация

Исследовано использование свёрточных нейронных сетей в целях анализа контейнера графических изображений на наличие данных, внедрённых методами стеганографии. Показано, что глубокая свёрточная нейронная сеть обучается классифицировать присутствие скрытых данных в графических изображениях, достигая точности по метрике weighted AUC, равной 0,928. Проверена гипотеза об эффективности применения концепции «transfer learning» в сфере стеганографии. Эффективность предложенной технологии продемонстрирована на большом экспериментальном материале.

DOI: 10.15372/AUT20210412