Остання редакція: 2025-11-26
Анотація
У роботі досліджено актуальну проблему підвищення стійкості стеганографічних систем до атак та спотворень. Запропоновано новий підхід до генерації стегоконтейнерів, що базується на використанні дифузійних імовірнісних моделей (Diffusion Models). На відміну від методів, що базуються на генеративно змагальних мережах (GAN), запропонований підхід забезпечує вищу якість, різноманітність генерованих даних та, що найважливіше, підвищену стійкість вбудованого повідомлення до таких атак, як стиснення з втратами, додавання шуму та фільтрація.
INCREASING THE RESILIENCE OF STEGANOGRAPHIC SYSTEMS TO MALICIOUS ATTACKS
Abstract. This paper investigates the urgent problem of increasing the robustness of steganographic systems against attacks and distortions. A new approach to stegocontainer generation is proposed, based on the use of diffusion probabilistic models (Diffusion Models). Unlike methods based on generative adversarial networks (GANs), the proposed approach provides higher quality, greater diversity of generated data, and, most importantly, enhanced robustness of the embedded message to attacks such as lossy compression, noise addition, and filtering.
Ключові слова
Посилання
Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., et al. Generative adversarial nets. Advances in neural information processing systems, 27. 2014.
Ho, J., Jain, A., & Abbeel, P. Denoising diffusion probabilistic models. Advances in neural information processing systems, 33, pp. 6840-6851. 2020.
Song, J., Meng, C., & Ermon, S. Denoising diffusion implicit models. arXiv preprint arXiv:2010.02502. 2020.
Ronneberger, O., Fischer, P., & Brox, T. U-net: Convolutional networks for biomedical image segmentation. International Conference on Medical image computing and computer-assisted intervention (pp. 234-241). Springer, Cham. 2015.
ITU-T Recommendation P.862. Perceptual evaluation of speech quality (PESQ): An objective method for end-to-end speech quality assessment of narrow-band telephone networks and speech codecs. International Telecommunication Union. 2001.
Chen, B., Luo, W., & Li, H. Audio steganalysis with convolutional neural network. Proceedings of the 5th ACM Workshop on Information Hiding and Multimedia Security (pp. 85-90). 2017.
Lin, Y., Wang, R., Yan, D., Dong, L., & Zhang, X. Audio steganalysis with improved convolutional neural network. Proceedings of the 7th ACM Workshop on Information Hiding and Multimedia Security (pp. 210-215). 2019.