інтернет-адреса сторінки: http://jnas.nbuv.gov.ua/article/UJRN-0001239419
Кібернетика та системний аналіз   А - 2019 /  Випуск (2021, Т. 57, № 3)
Кошкіна Н. В.
Стеганоаналіз J-UNIWARD Розглянуто проблему виявлення адаптивної стеганографії за методом J-UNIWARD стеганоаналітичними системами на базі машинного навчання. За допомогою порівняльного аналізу точності визначено, що найбільш чутливими до J-UNIWARD є статистичні моделі побудови характеристичних векторів, що формуються у просторовій зоні, - GFR, PHARM та DCTR. Запропоновано 2 способи підвищення точності стеганоаналізу з використанням цих моделей: аналіз найбільш імовірних місцеположень вкраплення; зважене голосування за трьома моделями. Показано, що без попередньої класифікації зображень згідно з їхніми параметрами точність стеганоаналізу суттєво знижується. Отримані результати можна використовувати для побудови ефективних систем стеганоаналізу зображень у форматі JPEG.
 https://doi.org/10.1007/s10559-021-00374-6
 Scopus
Бібліографічний опис:
Кошкіна Н. В. Стеганоаналіз J-UNIWARD. Кібернетика та системний аналіз. 2021. Т. 57, № 3. С. 184–192. doi: https://doi.org/10.1007/s10559-021-00374-6 URL: http://jnas.nbuv.gov.ua/article/UJRN-0001239419 |
 Cybernetics and Systems Analysis / Issue (2021, 57 (3))
Koshkina N.V.
J-UNIWARD steganoanalysis The author analyzes the problem of detecting the adaptive steganography by the J-UNIWARD method by steganoanalytical systems based on machine learning. As determined by the comparative analysis of the accuracy, the statistical models of constructing characteristic vectors that are calculated in the spatial domain, such as GFR, PHARM, and DCTR, are most sensitive to J-UNIWARD. Here, two following ways to improve the accuracy of steganoanalysis based on these models are proposed: via the analysis of the most probable embedding locations and via the balanced vote on the three models. Significant degradation of the accuracy of steganoanalysis without preliminary classification of images according to their parameters is demonstrated. The obtained results can be used to generate efficient steganoanalysis systems for JPEG images. © 2021, Springer Science+Business Media, LLC, part of Springer Nature. Keywords: detection accuracy, information security, J-UNIWARD, machine learning methods, steganalysis, steganography, Cybernetics, Characteristic vectors, Comparative analysis, JPEG image, On-machines, Spatial domains, Steganoanalysis, Three models, Computer science
Cite:
Koshkina N.V.
(2021). J-UNIWARD steganoanalysis. Cybernetics and Systems Analysis, 57 (3), 184–192. doi: https://doi.org/10.1007/s10559-021-00374-6 http://jnas.nbuv.gov.ua/article/UJRN-0001239419 [In Ukrainian]. |
PDF