Abstract
ステガノグラフィーとステガノリシスは情報セキュリティ分野の重要な側面であり、不正活動を暴くために利用されている。
深層学習技術を使用したステガノグラフィー解析手法の包括的な概要が提供されている。
最近の研究におけるデータセットや評価メトリクス、DTL(Deep Transfer Learning)やDRL(Deep Reinforcement Learning)などの高度な深層学習技術の使用が議論されている。
現在の深層学習技術に関する課題や将来の研究方向についても議論されている。
1. 導入
マルチメディアデータ転送が増加しており、データプライバシーとセキュリティへのリスクが存在する。
データ暗号化は効果的だが、可読性が低く怪しまれる可能性がある。
ステガノグラフィーはデータを隠す方法であり、注意を引かずに安全にデータを転送できる。
2. 方法論
現在のDL技術を評価し、将来的な課題やプライバシー問題を探求することを目指す。
質問紙を使用して品質評価を実施し、適切な結果と分析から結論と推奨事項を導出する。
3. DLとステガノグラフィーの背景
DNN、CNN、RNN、LSTM、AE、RBMなどさまざまなDL技術がステガノグラフィー解析に活用されている。
各DL技術の特徴や適用範囲が比較されており、特定のタスクに対する相対的な強みと弱みが示されている。
Stats
ステガノグラフィーデータセット:BOSS, BOWS2, IStego100K, ALASKA2, ImageNet, Cifar-10, COCO, LIRMMBase, Raise等
Quotes
"深層学習技術は自動的にデータ内部に隠れた情報パターンを抽出し、伝統的画像ステガノグラフィー手法の欠点を補う。"
"DBNは異常検知や画像処理などさまざまな応用分野で使用されています。"