Evolving Generative Adversarial Networks to improve image steganography

隐写分析技术 计算机科学 隐写术 位图 隐写工具 人工智能 图像(数学) 卷积神经网络 信息隐藏 深度学习 机器学习 模式识别(心理学) 数据挖掘
作者
Alejandro Martín,Alfonso Hernández,Moutaz Alazab,Jason J. Jung,David Camacho
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:222: 119841-119841 被引量:27
标识
DOI:10.1016/j.eswa.2023.119841
摘要

Images have been repeatedly used as the perfect environment to hide information through the use of steganography techniques. Whether messages, documents or even other images, the bitmap of an digital picture provides a place where hidden data can be embedded without human notice. So far, a plethora of steganography methods can be found in the state-of-the-art literature, together with steganalysis techniques, devoted to detect the presence of hidden information in files. Recent steganography techniques rely on Convolutional Neural Networks, trying to embed as information as possible while minimising visual changes in the image. Following this trend, this article tries to demonstrate that a Generative Adversarial Network (GAN) can be used to improve the ability of a spatial domain steganalysis method and to insert secret information with minimal image alteration. Through a training process, the GAN learns how to adapt an image to later introduce a message using the Least Significant Bit steganography algorithm. The results evidence that the approach is successful at avoiding detection by a state-of-the-art Deep Learning steganalysis architecture.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
婷婷应助feixiang采纳,获得10
1秒前
2秒前
深情安青应助静俏采纳,获得10
3秒前
3秒前
意外的月饼完成签到,获得积分10
4秒前
naranjaaa发布了新的文献求助10
4秒前
5秒前
wenhao发布了新的文献求助10
7秒前
认真迎梦完成签到,获得积分10
7秒前
7秒前
outman完成签到,获得积分10
7秒前
小麻花发布了新的文献求助10
8秒前
tcc发布了新的文献求助10
9秒前
Pf1314完成签到,获得积分10
9秒前
11秒前
隐形曼青应助Str0n采纳,获得10
12秒前
呆萌背包发布了新的文献求助10
12秒前
abc发布了新的文献求助10
14秒前
8R60d8应助naranjaaa采纳,获得10
15秒前
15秒前
16秒前
刺猬完成签到,获得积分10
16秒前
18秒前
充电宝应助abc采纳,获得10
18秒前
鱼咬羊发布了新的文献求助10
19秒前
那就来吧发布了新的文献求助10
21秒前
Hello应助小麻花采纳,获得10
22秒前
ymy123发布了新的文献求助10
22秒前
WZH发布了新的文献求助10
23秒前
peiyy完成签到,获得积分10
26秒前
925完成签到,获得积分10
26秒前
30秒前
33秒前
赘婿应助酷炫灵安采纳,获得10
33秒前
英勇的书瑶完成签到,获得积分20
33秒前
34秒前
奋斗的夜山完成签到 ,获得积分10
34秒前
廖无极完成签到 ,获得积分10
34秒前
Ding-Ding完成签到,获得积分10
35秒前
高分求助中
Evolution 10000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
The Kinetic Nitration and Basicity of 1,2,4-Triazol-5-ones 440
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3164337
求助须知:如何正确求助?哪些是违规求助? 2815185
关于积分的说明 7907938
捐赠科研通 2474745
什么是DOI,文献DOI怎么找? 1317642
科研通“疑难数据库(出版商)”最低求助积分说明 631915
版权声明 602234