إخفاء البيانات الذكية المتقدمة باستخدام ألأخفاء بالفيديو والشبكات العصبية الألتفافية
محتوى المقالة الرئيسي
الملخص
إخفاء المعلومات هو تقنية لإخفاء البيانات السرية ضمن ملفات أخرى من نفس النوع أو في أنواع أخرى. وتعد تقنية إخفاء البيانات من التقنيات الضروريه في أمن المعلومات الرقمية. يهدف هذا العمل إلى تصميم طريقة إخفاء المعلومات في الاتصال الإلكتروني (ستيجانوجرافيا) يمكنها إخفاء رسالة داخل صور ملف الفيديو بشكل فعال. في هذا العمل ، نحاول اقتراح نموذج إخفاء المعلومات بالفيديو من خلال تدريب نموذج لإخفاء الفيديو (أو الصور) داخل فيديو آخر باستخدام الشبكات العصبية الألتفافية (CNN). في النموذج المقترح يتم تدريب CNN بشكل متزامن لتوليد عمليات الكشف والاختباء ، وهي مصممة للعمل بشكل مزدوج (أي يتم تدريب الشبكتين بنفس الوقت). يحتوي هذا النموذج على إستراتيجية جيدة لأنماط الصور ، والتي تساعد على اتخاذ قرارات لتحديد أي أجزاء من صورة الغلاف يجب أن تكون زائدة عن الحاجة ، والتي تسمح بأخفاء المزيد من وحدات البكسل هناك. يمكن تنفيذ CNN باستخدام مكتبة (keras)، جنبًا إلى جنب مع مكتبة (tensorflow). بالإضافة إلى ذلك ، تم استخدام صور ملونه (RGB)عشوائية من مجموعة بيانات " ImageNet" لتدريب النموذج المقترح (حوالي 45000 صورة بالحجم (256 × 256)). تم تدريب النموذج المقترح باستخدام صور عشوائية مأخوذة من قاعدة بيانات ImageNet ويمكنه العمل على الصور المأخوذة من مجموعة واسعة من المصادر. ومن خلال توفير مساحة على الصورة عن طريق إزالة المساحة الزائدة ، يمكن زيادة كمية البيانات المخفية (تحسين السعة). ونظرًا لأن الأوزان معمارية النموذج يتم توزيعهما بشكل عشوائي ، فلا يمكن معرفة الطريقة الفعلية التي ستخفي الشبكة بها البيانات لأي شخص ليس لديه الأوزان. علاوة على ذلك ، تم التشفير بطريقة خلط الكتلة (block-shuffling) كطريقة تشفير لتحسين الأمان ؛ وأيضا تم استخدام طرق تحسين الصورة لتحسين جودة الصور الناتجة. واظهرت النتائج ، أن الطريقة المقترحة حققت مستوى أمان عالي، وقدرة تضمين عالية. بالإضافة إلى ذلك ، اظهرت النتائج أن النظام حقق نتائج جيدة في إمكانية الرؤية والهجمات، حيث نجحت الطريقة المقترحة في خداع المراقب وبرنامج تحليل ستيجانوجرافيا.
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Sensarma D, Sarma SS. Data Hiding using Graphical Code based Steganography Technique. arXiv preprint arXiv:1509.08743. 2015 Sep 29.
Warf B, editor. The SAGE Encyclopedia of the Internet. Sage; 2018 May 15.
Yadav RM, Tomar DS, Baghel RK. A Study on Image Steganography Approaches in Digital Images EUSRM. 2014 May;6(5):1-6..
Shi YQ, Kim HJ, Pérez-González F, Yang CN, editors. Digital-Forensics and Watermarking: 13th International Workshop, IWDW 2014, Taipei, Taiwan, October 1-4, 2014. Revised Selected Papers. Springer; 2015 Jun 24.
Mishra M, Mishra P, Adhikary MC. Digital image data hiding techniques: A comparative study. arXiv preprint arXiv:1408.3564. 2014 Aug 15.
Hmood AK, Zaidan BB, Zaidan AA, Jalab HA. An overview on hiding information technique in images. JApSc. 2010 Dec;10(18):2094-100.
Meng R, Cui Q, Yuan C. A survey of image information hiding algorithms based on deep learning. CMES. 2018 Dec 1;117(3):425-54..
Weng X, Li Y, Chi L, Mu Y. High-Capacity Convolutional Video Steganography with Temporal Residual Modeling. InProceedings of the 2019 on International Conference on Multimedia Retrieval 2019 Jun 5 (pp.87-95).
Rawat W, Wang Z. Deep convolutional neural networks for image classification: A comprehensive review. Neural Comput. 2017 Sep;29(9):2352-449.
Gu J, Wang Z, Kuen J, Ma L, Shahroudy A, Shuai B, et al. Recent advances in convolutional neural networks. Pattern Recognit. 2018 May 1;77:354-77.
Zhou J, Cui G, Zhang Z, Yang C, Liu Z, Wang L, et al. Graph neural networks: A review of methods and applications. arXiv preprint arXiv:1812.08434. 2018 Dec 20.
Yedroudj M, Comby F, Chaumont M. Yedroudj-net: An efficient CNN for spatial steganalysis. In2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2018 Apr 15 (pp. 2092-2096). IEEE.
Salomon M, Couturier R, Guyeux C, Couchot JF, Bahi JM. Steganalysis via a convolutional neural network using large convolution filters for embedding process with same stego key: A deep learning approach for telemedicine. European Research in Telemedicine/La Recherche Européenne en Télémédecine. 2017 Jul 1;6(2):79-92.
Baluja S. Hiding images in plain sight: Deep steganography. InAdvances in Neural Information Processing Systems, 2017 (pp. 2069-2079)..
Zhu J, Kaplan R, Johnson J, Fei-Fei L. Hidden: Hiding data with deep networks. InProceedings of the European conference on computer vision (ECCV) 2018 (pp. 657-672).
Weng X, Li Y, Chi L, Mu Y. High-Capacity Convolutional Video Steganography with Temporal Residual Modeling. InProceedings of the 2019 on International Conference on Multimedia Retrieval 2019 Jun 5 (pp. 87-95).
Prasad K R. The Design and Development of Data Hiding Using Deep Learning. JASRAE. 2019;16(5): 970-974.
Kurak Jr CW, McHugh J. A cautionary note on image downgrading. InACSAC 1992 Dec 4 (pp. 153-159).
Hernandez-Castro JC, Blasco-Lopez I, Estevez-Tapiador JM, Ribagorda-Garnacho A. Steganography in games: A general methodology and its application to the game of Go. Comput Secur. 2006 Feb 1;25(1):64-71.
Hosmer C. Discovering hidden evidence. JDFP. 2006 Mar 1;1(1):47-56.
Khan I, Verma B, Chaudhari VK, Khan I. Neural network based steganography algorithm for still images. InINTERACT-2010 2010 Dec 3 (pp. 46-51). IEEE.
Qian Y, Dong J, Wang W, Tan T. Deep learning for steganalysis via convolutional neural networks. InMedia Watermarking, Security, and Forensics 2015 2015 Mar 4 (Vol. 9409, p. 94090J). International Society for Optics and Photonics.
Xu G. Deep convolutional neural network to detect J-UNIWARD. InProceedings of the 5th ACM Workshop on Information Hiding and Multimedia Security. 2017 Jun 20 (pp. 67-73).
Tang W, Tan S, Li B, Huang J. Automatic steganographic distortion learning using a generative adversarial network. IEEE SPL. 2017 Aug 29;24(10):1547-51..
Zeng J, Tan S, Li B, Huang J. Large-scale JPEG image steganalysis using hybrid deep-learning framework. IEEE Transactions on Information Forensics and Security. 2017 Dec 4;13(5):1200-14..
Zhu J, Kaplan R, Johnson J, Fei-Fei L. Hidden: Hiding data with deep networks. InProceedings of the European conference on computer vision (ECCV) 2018 (pp. 657-672)..
Hussain I, He Q, Chen Z. Automatic fruit recognition based on dcnn for commercial source trace system. IJCSA. 2018;8.
Meng R, Cui Q, Yuan C. A survey of image information hiding algorithms based on deep learning. CMES. 2018 Dec 1;117(3):425-54.
Duan X, Guo D, Liu N, Li B, Gou M, Qin C. A New High Capacity Image Steganography Method Combined With Image Elliptic Curve Cryptography and Deep Neural Network. IEEE Access. 2020 Feb 4;8:25777-88.
Kishore DR, Suneetha D, Babu PN, Chinababu P. Deep Convolutional Neural Network-based Image Steganography Technique for Audio-Image Hiding Algorithm. IJEAT. 2020; 9(4):2187-2189.