面向多样数据类型的深度学习隐写分析:方法、分类、挑战与未来方向综述
密码学与安全
2024-03-13 v3 人工智能
机器学习
多媒体
声音
音频与语音处理
图像与视频处理
摘要
隐写术与隐写分析是信息安全领域中两个相互关联的方面。隐写术试图隐藏通信,而隐写分析旨在发现它们,或在可能时恢复其所含数据。隐写术与隐写分析引起了极大关注,尤其是来自执法部门的关注。隐写术常被网络罪犯甚至恐怖分子使用,以在被查获持有定罪证据(即便是加密的)时避免被发现,因为许多国家禁止或限制密码术。因此,掌握揭示隐藏信息的尖端技术对于揭露非法行为至关重要。过去几年中,文献中引入了许多强大且可靠的隐写术与隐写分析技术。本综述论文全面概述了用于检测数字媒体中隐藏信息的基于深度学习的隐写分析技术。论文涵盖了隐写分析中所有的载体类型,包括图像、音频和视频,并讨论了最常用的深度学习技术。此外,论文探讨了使用更先进的深度学习技术(如深度迁移学习(DTL)和深度强化学习(DRL))来提升隐写分析系统性能。论文对领域内的近期研究进行了系统性综述,包括近期研究中使用的数据集与评估指标。论文还详细分析了基于 DTL 的隐写分析方法及其在不同数据集上的性能。该综述最后讨论了基于深度学习的隐写分析现状、挑战与未来研究方向。
引用
@article{arxiv.2308.04522,
title = {Deep Learning for Steganalysis of Diverse Data Types: A review of methods, taxonomy, challenges and future directions},
author = {Hamza Kheddar and Mustapha Hemis and Yassine Himeur and David Megías and Abbes Amira},
journal= {arXiv preprint arXiv:2308.04522},
year = {2024}
}