文献

J-GLOBAL ID：201902211572669744   整理番号：19A2490806

ステガノグラフィーと量子化Gauss画像ステガノグラフィを併合する適応バッチサイズ画像【JST・京大機械翻訳】

Adaptive Batch Size Image Merging Steganography and Quantized Gaussian Image Steganography

著者 (3件)： Sharifzadeh Mehdi (Department of Electrical and Computer Engineering, University of Illinois at Chicago, Chicago, IL, USA) ,  Aloraini Mohammed (Department of Electrical and Computer Engineering, University of Illinois at Chicago, Chicago, IL, USA) ,  Schonfeld Dan (Department of Electrical and Computer Engineering, University of Illinois at Chicago, Chicago, IL, USA)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 15  ページ： 867-879  発行年： 2020年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
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： ディジタル画像ステガノグラフィにおいて,画像の統計モデルは,より少ない検出可能領域におけるデータ隠蔽とより良いセキュリティを達成するために不可欠である。これは,異なるコストベースおよび統計的モデルベースアプローチが提案された文献において扱われている。しかし,発見的に定義された歪と非制約メッセージモデルの使用により,数値的に解ける方程式をもたらすため,ペイロードの関数としてセキュリティに対する閉形式表現は存在しない。閉形式表現は,画像ステガノグラフィ問題へのより良い洞察とバッチステガノグラフィアルゴリズムの性能改善にとって重要である。ここでは,カバーとステゴメッセージが多変量Gaussランダム変数としてモデル化される画像ステガノグラフィのための統計的フレームワークを開発した。ここでは,採用した統計モデル内で最も一般的な最適検出器の検出誤差を最大化することにより,新しいGauss埋込みモデルを提案した。さらに,定式化をコストベースのステガノグラフィに拡張し,現在のコストベースおよび統計的モデルベースアプローチの経験的結果を改善する普遍的な埋め込み方式を得た。この方法論とその提示した解は,連続的な隠れたメッセージを仮定することにより,任意の埋め込みシナリオに対して同じままである。その後,閉形式検出誤差を画像ステガノグラフィのために採用したモデルの中で引き出して,それをバッチステガノグラフィに拡張した。従って,適応バッチサイズ画像Mergingステガノファー,AdaBIMを導入し,数学的に最先端のバッチステガノグラフィ法より優れていることを数学的に証明し,さらに実験によりその優位性を検証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  *ロット ,  統計模型 ,  ディジタル画像 ,  *画像 ,  ペイロード ,  定式化 ,  モデル ,  検出器 ,  セキュリティ ,  アルゴリズム
準シソーラス用語： ランダム変数 ,  多変量 ,  閉形式 ,  *ステガノグラフィー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ステガノグラフィー ,  量子化 ,  ステガノグラフィ ,  併合 ,  適応 ,  バッチ ,  サイズ