У роботі проведено порівняльний аналіз традиційних методів приховування інформації в цифрових зображеннях (LSB, DCT, DWT) та генеративних підходів на основі латентного простору. Розглянуто проблему вразливості класичних методів до сучасних систем нейромережевого стегоаналізу. Визначено поняття латентного простору та описано механізми функціонування генеративної стеганографії на базі дифузійних моделей. На основі аналізу літературних джерел показано, що методи з використанням латентного простору забезпечують вищу стеганографічну ємність, кращу візуальну якість, підвищену стійкість до канальних спотворень та більшу безпеку щодо машинного виявлення порівняно з традиційними підходами.

EVALUATION OF THE EFFECTIVENESS OF GENERATIVE STEGANOGRAPHY IN THE LATENT SPACE COMPARED TO CLASSICAL DATA EMBEDDING METHODS

Abstract:

The paper presents a comparative analysis of traditional information hiding methods in digital images (LSB, DCT, DWT) and generative approaches based on latent space. The vulnerability of classical methods to modern neural network steganalysis systems is considered. The concept of latent space is defined, and the mechanisms of generative steganography based on diffusion models are described. Based on the analysis of literature sources, it is shown that methods using latent space provide higher steganographic capacity, better visual quality, increased robustness to channel distortions, and greater security against machine detection compared to traditional approaches.