Registro fonte: Esteganálise em imagens digitais via aprendizagem profunda

Esteganálise em imagens digitais via aprendizagem profunda

OBJETIVO: Analisar o comportamento de um modelo que faz uso de rede neural convolucional para a esteganálise de imagens digitais cuja mensagem foi escondida utilizando o algoritmo HUGO. MÉTODOS: A rede foi treinada e testada com as imagens de uma base dados conhecida como BOSSbase, bem estabelecida...

ver descrição completa

Publicado no:	XXII Seminário de Iniciação Científica e Tecnológica da UTFPR
Principais autores:	de Oliveira, Wyverson Bonasoli, Ribeiro, Paulo Otavio Panichek, Dorini, Leyza Elmeri Baldo, Minetto, Rodrigo
Formato:	Trabalho Apresentado em Evento
Idioma:	Português
Publicado em:	2017
Assuntos:	Aprendizagem Profunda Esteganálise Esteganografia Processamento de Imagens CIÊNCIA DA COMPUTAÇÃO
Acesso em linha:	http://eventos.utfpr.edu.br//sicite/sicite2017/paper/view/1114
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	oai:ocs.200.19.73.15:paper-1114
recordtype	NLMOCS
spelling	oai:ocs.200.19.73.15:paper-11142018-06-20T16:59:42Z sicite-sicite2017 XXII Seminário de Iniciação Científica e Tecnológica da UTFPR 1114 CIÊNCIA DA COMPUTAÇÃO Esteganálise em imagens digitais via aprendizagem profunda de Oliveira Wyverson Bonasoli Universidade Tecnológica Federal do Paraná, Curitiba, Paraná, Brasil wyverson@alunos.utfpr.edu.br Ribeiro Paulo Otavio Panichek Universidade Tecnológica Federal do Paraná, Curitiba, Paraná, Brasil paulor@alunos.utfpr.edu.br Dorini Leyza Elmeri Baldo Universidade Tecnológica Federal do Paraná, Curitiba, Paraná, Brasil lbdorini@gmail.com Minetto Rodrigo Universidade Tecnológica Federal do Paraná, Curitiba, Paraná, Brasil rodrigo.minetto@gmail.com CORREA DA SILVA RODRIGO Marques Cardoso Prates Katia Valeria Aurelio Toledo da Silva Marco Aurelio Toledo Eno Pottker Walmir Cava Carlos Eduardo LUIS TREVISAN ANDRE Luis MOHEBI ASHTIANI ALIREZA Comitê Gestor do EVIN Comitê Gestor do EVIN Teixeira De Souza Rodolfo DAMIAO SANTIAGO COSMO Finatto Taciane Muylaert Locks Guimaraes Rachel Oliveira Da Silva Rosana Scheufele Fabiano Bisinella CORREA DA SILVA RODRIGO Marques Cardoso Prates Katia Valeria Aurelio Toledo da Silva Marco Aurelio Toledo Eno Pottker Walmir Cava Carlos Eduardo LUIS TREVISAN ANDRE Luis MOHEBI ASHTIANI ALIREZA Teixeira De Souza Rodolfo MICHELE SUZUKI RUBIA MICHELE Machado Baron Alessandra Machado DAMIAO SANTIAGO COSMO EDUARDO BEREZUK MARCIO EDUARDO LARISSA DA SILVA TAIS Tessaro Andre Luiz JOSE ALBA MARCELO José Correia Golias Halison Correia aliano angelo Venter Sandro Aurélio de Souza alher mariana Alher Luiz Bertotti Fabio Luiz Regina Budziak Parabocz Cristiane Finatto Taciane Lemos Gritti Leticia Lemos Missio Regis Luis Donizetti de Lima Jose Brackmann Rodrigo GONCALVES TRENTIN ROBSON Augusto Medeiros Destro Cesar Augusto Medeiros Muylaert Locks Guimaraes Rachel RIZZOTTO ROSSETTO DIEGO Guerino Castoldi Andre Beux Simone Paulo Belancon Marcos Carine Wedig Josiane Canopf Liliane RENE VENTURINI POLA IVES Renê Venturini YOSHIHIRO NAKANO ALBERTO RIZENTAL COUTINHO FABIO BUSSO CLEVERSON SAVARIS GUSTAVO Ricardo Da Rocha Campos Jose Da Rocha Alexandre Spanhol Fabio Alexandre Vaz de Arruda Priscila Bombacini Marcos Roberto Vinicius de Oliveira Alberto TORTOLA EMERSON HENRIQUE PAETZOLD GUSTAVO FELIPE MINOZZO FIGUEIREDO LUIS LUIS ACORSI RENAM Luis JOSE DANTAS NOVAES PAULO José Dantas SILVA DE AMORIM MAGALI SILVA DE Antonio Brum Junior Sergio Ines Christ Milani Dione 07 10 2017 Autores que submetem a esta conferência concordam com os seguintes termos:<br /> <strong>a)</strong> Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença <a href="https://creativecommons.org/licenses/by/4.0/">Licença Creative Commons-Attribution</a>, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>b)</strong> Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subsequente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>c)</strong> Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência. 2017 OBJETIVO: Analisar o comportamento de um modelo que faz uso de rede neural convolucional para a esteganálise de imagens digitais cuja mensagem foi escondida utilizando o algoritmo HUGO. MÉTODOS: A rede foi treinada e testada com as imagens de uma base dados conhecida como BOSSbase, bem estabelecida na área de esteganografia e esteganálise. As imagens foram esteganografadas utilizando o algoritmo HUGO utilizando payloads (termo utilizado para designar a quantidade de informação escondida) de 0.1, 0.2, 0.4 e 0.6 bpp. Como métricas de avaliação do modelo proposto foram selecionadas as medidas de acurácia e a curva ROC. RESULTADOS: O método demonstrou acurácia de 85,09% no melhor caso para o payload de 0.6 bpp, sendo que todos os melhores resultados foram obtidos ao se treinar a rede com o payload de 0.4 bpp. CONCLUSÕES: O modelo apresentou resultados satisfatórios, principalmente para o payload de treino de 0.4 bpp, demonstrando que aprendizagem profunda é um meio promissor para a detecção de esteganografia em imagens. Aprendizagem Profunda Esteganálise Esteganografia Processamento de Imagens 2017-10-18 XXII Seminário de Iniciação Científica e Tecnológica da UTFPR SICITE2017
institution	Universidade Tecnológica Federal do Paraná
collection	EVIN
container_title	XXII Seminário de Iniciação Científica e Tecnológica da UTFPR
language	Português
format	Trabalho Apresentado em Evento
topic	Aprendizagem Profunda Esteganálise Esteganografia Processamento de Imagens CIÊNCIA DA COMPUTAÇÃO
spellingShingle	Aprendizagem Profunda Esteganálise Esteganografia Processamento de Imagens CIÊNCIA DA COMPUTAÇÃO de Oliveira, Wyverson Bonasoli Ribeiro, Paulo Otavio Panichek Dorini, Leyza Elmeri Baldo Minetto, Rodrigo Esteganálise em imagens digitais via aprendizagem profunda
topic_facet	Aprendizagem Profunda Esteganálise Esteganografia Processamento de Imagens CIÊNCIA DA COMPUTAÇÃO
description	OBJETIVO: Analisar o comportamento de um modelo que faz uso de rede neural convolucional para a esteganálise de imagens digitais cuja mensagem foi escondida utilizando o algoritmo HUGO. MÉTODOS: A rede foi treinada e testada com as imagens de uma base dados conhecida como BOSSbase, bem estabelecida na área de esteganografia e esteganálise. As imagens foram esteganografadas utilizando o algoritmo HUGO utilizando payloads (termo utilizado para designar a quantidade de informação escondida) de 0.1, 0.2, 0.4 e 0.6 bpp. Como métricas de avaliação do modelo proposto foram selecionadas as medidas de acurácia e a curva ROC. RESULTADOS: O método demonstrou acurácia de 85,09% no melhor caso para o payload de 0.6 bpp, sendo que todos os melhores resultados foram obtidos ao se treinar a rede com o payload de 0.4 bpp. CONCLUSÕES: O modelo apresentou resultados satisfatórios, principalmente para o payload de treino de 0.4 bpp, demonstrando que aprendizagem profunda é um meio promissor para a detecção de esteganografia em imagens.
author	de Oliveira, Wyverson Bonasoli Ribeiro, Paulo Otavio Panichek Dorini, Leyza Elmeri Baldo Minetto, Rodrigo
author_sort	de Oliveira Wyverson Bonasoli
title	Esteganálise em imagens digitais via aprendizagem profunda
title_short	Esteganálise em imagens digitais via aprendizagem profunda
title_full	Esteganálise em imagens digitais via aprendizagem profunda
title_fullStr	Esteganálise em imagens digitais via aprendizagem profunda
title_full_unstemmed	Esteganálise em imagens digitais via aprendizagem profunda
title_sort	esteganálise em imagens digitais via aprendizagem profunda
title_alt
publishDate	2017
url	http://eventos.utfpr.edu.br//sicite/sicite2017/paper/view/1114
_version_	1703208515962667008
score	10,966579

Esteganálise em imagens digitais via aprendizagem profunda

Registros relacionados