文献

J-GLOBAL ID：201802287866796963   整理番号：18A0440338

ステガナリシスのためのマルチチャネル神経回路網【Powered by NICT】

Multi-channel neural network for steganalysis

著者 (4件)： Liu Kai (Guangdong Key Lab of Information Security Technology, School of Data and Computer Science, Sun Yat-Sen University, Guangzhou 510006, China) ,  Li Xuan (Guangdong Key Lab of Information Security Technology, School of Data and Computer Science, Sun Yat-Sen University, Guangzhou 510006, China) ,  Zhang Qiong (Guangdong Key Lab of Information Security Technology, School of Data and Computer Science, Sun Yat-Sen University, Guangzhou 510006, China) ,  Kang Xiangui (Guangdong Key Lab of Information Security Technology, School of Data and Computer Science, Sun Yat-Sen University, Guangzhou 510006, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： APSIPA ASC  ページ： 1210-1213  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディジタル画像のためのステゴ解析器を構築する新しい戦略を記述した。プロセスは確率的選択チャンネルベース空間豊富なモデル(いわゆるmaxSRMd2)の特徴を抽出することから始まる。maxSRMd2く設計した多チャネル神経回路網を摂食した。以前の方法とは対照的に,低レベル表現としてmaxSRMd2を採用した。多チャネル神経回路網がそれから学ぶとエンドツーエンド学習による高レベル表現とソフトマックス分類器を構築することができる。二空間ステガノグラフィアルゴリズムに提案したフレームワークを実証した:WOWとS UNIWARD。ニューラルネットワークの重みを可視化することにより,如何に異なるサブモデルを検出に関与することを観測した。各サブモデルの重みの平均絶対値に基づくサブモデルの選択順序を得ることができる。実験結果は,提案した方法が優れた汎化,および,ほとんどの場合におけるアンサンブル分類器よりも比較またはより高い精度を持つことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  絶対値 ,  エンドツーエンド方式 ,  *神経回路網 ,  ディジタル画像 ,  モデリング ,  学習 ,  可視化
準シソーラス用語： アンサンブル分類器 ,  *マルチチャネル ,  *ステガナリシス , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ステガナリシス ,  マルチチャネル ,  神経回路網