文献

J-GLOBAL ID：202202277762095535   整理番号：22A0494613

ステガナリシス方式の性能を改善するためのコントラスト学習の利用【JST・京大機械翻訳】

Using Contrastive Learning to Improve the Performance of Steganalysis Schemes

著者 (5件)： Ren Yanzhen (Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, Wuhan, China) ,  Ren Yanzhen (School of Cyber Science and Engineering, Wuhan University, Wuhan, China) ,  Liu Yiwen (School of Cyber Science and Engineering, Wuhan University, Wuhan, China) ,  Wang Lina (Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, Wuhan, China) ,  Wang Lina (School of Cyber Science and Engineering, Wuhan University, Wuhan, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13180  ページ： 212-226  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ステガナリシスの検出精度と一般化を改善するために,本論文は,コントラスト学習に基づくステガナリシスコントラストフレームワーク(SCF)を提案した。SCFは,異なるカテゴリのサンプルの特徴間の距離を最大化し,同じカテゴリのサンプルの特徴間の距離を最小化することにより,ステガナリシスの特徴表現を改善する。教師つき学習におけるコントラスト損失の計算複雑性を減らすために,類似性の等価性と推移性に基づく新規なSteganalysis Controlive Oloss(StegCL)を設計した。StegCLは既存のコントラスト損失における冗長な計算を除去する。実験結果は,SCFが既存のステガナリシスDNNの一般化と検出精度を改善し,最大促進がそれぞれ2%と3%であることを示した。検出精度を低下させることなく,StegCL使用の訓練時間は,教師つき学習におけるコントラスト損失を用いる場合のそれの10%であった。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *コントラスト ,  *学習 ,  冗長性 ,  教師つき学習 ,  計算量 ,  類似性 ,  等価性
準シソーラス用語： 自己適応 ,  ステガノグラフィー ,  *ステガナリシス ,  検出精度 ,  特徴表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： ステガナリシス ,  対照的学習 ,  自己教師つき学習 ,  自己適応ステガノグラフィ

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (3件)： ステガナリシス ,  コントラスト ,  学習