Multi-Class Classification for Identifying JPEG Steganography Embedding Methods
Im Internet sind über 725 Steganografie-Tools verfügbar, die jeweils eine Methode zur verdeckten Übertragung geheimer Nachrichten bieten.
In dieser Forschungsarbeit werden vier Steganalyse-Fortschritte vorgestellt, die zu einem Algorithmus führen, der das Steganalyse-Tool identifiziert, das zur Einbettung einer geheimen Nachricht in eine JPEG-Bilddatei verwendet wird. Der Algorithmus umfasst die Erzeugung von Merkmalen, die Vorverarbeitung von Merkmalen, die Klassifizierung in mehrere Klassen und die Fusion von Klassifikatoren.
Der erste Beitrag ist eine neue Methode zur Erzeugung von Merkmalen, die auf der Zerlegung der diskreten Kosinustransformationskoeffizienten (DCT) basiert, die im JPEG-Bildkodierer verwendet werden. Die generierten Merkmale sind besser geeignet, um Diskrepanzen in jedem Bereich der zerlegten DCT-Koeffizienten zu identifizieren. Zweitens wird die Klassifizierungsgenauigkeit durch die Entwicklung eines Merkmals-Ranking-Verfahrens in der Vorverarbeitungsphase für die Kernel-Fisher-Diskriminante (KFD) und Support-Vector-Machines (SVM) Klassifizierer im Kernel-Raum während des Trainingsprozesses weiter verbessert.
Drittens wird für die KFD- und SVM-Zweiklassen-Klassifikatoren ein Klassifikationsbaum aus dem Kernel-Raum entworfen, um eine Mehrklassen-Klassifikationslösung für beide Methoden zu liefern. Viertens wird durch die Analyse einer Reihe von Klassifikatoren, Signaturdetektoren und Mehrklassen-Klassifizierungsmethoden ein Klassifikator-Fusionssystem entwickelt, um die Erkennungsgenauigkeit bei der Identifizierung der Einbettungsmethode zu erhöhen, die bei der Erstellung der Steganografie-Bilder verwendet wurde.
| ISBN: | 9781288311934 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
