ჩინელი მკვლევარები იყენებენ ხელოვნურ ინტელექტს ონლაინ ვიდეოებში საიდუმლო შეტყობინებების დასამალად

ბმულების ცხრილი

• რეზიუმე და 1. შესავალი
• 2. დაკავშირებული სამუშაო
• 3. შემოთავაზებული მიდგომა
• 4. ექსპერიმენტები
• 4.1. ექსპერიმენტული დაყენებები
• 4.2. შესრულების ანალიზი
• 4.3. აბლაციის შესწავლა
• დასკვნები და ცნობები

აბსტრაქტი

ვიდეო სტეგანოგრაფიის ტრადიციული მეთოდები ეფუძნება ჩაშენების ფარული სივრცის შეცვლას, მაშინ როდესაც ჩვენ ვთავაზობთ ინოვაციურ მიდგომას, რომელიც აერთიანებს საიდუმლო შეტყობინებას სტეგანოგრაფიის სემანტიკური მახასიათებლის ფარგლებში ვიდეო რედაქტირების პროცესში. მიუხედავად იმისა, რომ არსებული ტრადიციული ვიდეო სტეგანოგრაფიული მეთოდები აჩვენებს უსაფრთხოების გარკვეულ დონეს და ჩაშენების შესაძლებლობებს, მათ არ გააჩნიათ ადეკვატური გამძლეობა ონლაინ სოციალურ ქსელებში (OSNs) გავრცელებული დამახინჯებების წინააღმდეგ. ამ ნაშრომში, ჩვენ წარმოგიდგენთ ბოლომდე მტკიცე გენერაციულ ვიდეო სტეგანოგრაფიულ ქსელს (RoGVS), რომელიც აღწევს ვიზუალურ რედაქტირებას ვიდეოების სემანტიკური მახასიათებლის შეცვლით საიდუმლო შეტყობინების ჩასართავად. ჩვენ ვიყენებთ სახეების შეცვლის სცენარს ვიზუალური რედაქტირების ეფექტების წარმოსაჩენად. ჩვენ პირველ რიგში ვქმნით საიდუმლო შეტყობინებების ჩაშენების მოდულს, რათა ადაპტაციურად დავმალოთ საიდუმლო შეტყობინება ვიდეოების სემანტიკურ მახასიათებლებში. ვრცელი ექსპერიმენტები აჩვენებს, რომ შემოთავაზებული RoGVS მეთოდი, რომელიც გამოიყენება სახის ვიდეო მონაცემთა ნაკრებებზე, აჩვენებს მის უპირატესობას არსებულ ვიდეო და გამოსახულების სტეგანოგრაფიის ტექნიკასთან შედარებით, როგორც გამძლეობის, ასევე ტევადობის თვალსაზრისით.

ინდექსის პირობები — გენერაციული ვიდეო სტეგანოგრაფია, ძლიერი სტეგანოგრაფია, სემანტიკური მოდიფიკაცია

1. შესავალი

სტეგანოგრაფია არის მეცნიერება და ტექნოლოგია საიდუმლო შეტყობინების ბუნებრივ ციფრულ მატარებლებში ჩასართავად, როგორიცაა სურათი, ვიდეო, ტექსტი და ა.შ. ჩვეულებრივ, ბუნებრივ ციფრულ მატარებლებს უწოდებენ "საფარს", ხოლო ციფრულ მედიას საიდუმლო გზავნილების მქონე "სტეგოს" უწოდებენ. გამოსახულების სტეგანოგრაფიის ჩვეულებრივი მეთოდები [49, 12, 31] ძირითადად ცვლის მაღალი სიხშირის კომპონენტებს საიდუმლო შეტყობინების ჩასართავად. ისინი ჩვეულებრივ იყენებენ მეთოდოლოგიებს, როგორიცაა პიქსელების მნიშვნელობის მანიპულირება ან საიდუმლო შეტყობინების ინტეგრირება ყდის სურათში, სანამ მას სტეგანოგრაფიული მიზნებისთვის კოდირებში შეიტანენ.

ბოლო რამდენიმე წლის განმავლობაში, როგორც მოკლე ვიდეო პროგრამული უზრუნველყოფის აპლიკაციების ზრდა, როგორიცაა TikTok, YouTube, Snapchat და ა.შ., ვიდეო გახდა შესაფერისი მატარებელი სტეგანოგრაფიისთვის.

ნახ. 1. RoGVS-ის მეთოდოლოგია. ჩვენ ვახდენთ სემანტიკური მახასიათებლის მოდულირებას საიდუმლო შეტყობინებით ვიდეოების რედაქტირებისთვის, როგორიცაა სახის ვიდეოების იდენტურობის ფუნქცია. ჩვენს RoGVS-ს შეუძლია შექმნას მაღალი ხარისხის სტეგო ვიდეოები, თუნდაც სხვადასხვა დამახინჯების არსებობის შემთხვევაში.

ტრადიციული ვიდეო სტეგანოგრაფიული მეთოდები, რომლებიც იყენებენ პირდაპირი პიქსელის მნიშვნელობების მანიპულირებას [32], კოდირების რუკას [34] ან ადაპტირებულ დამახინჯების ფუნქციას [36], იყენებენ ვიდეო მონაცემების სიჭარბეს ინფორმაციის დამალვისთვის. მიუხედავად ამისა, უსაფრთხოებისა და ჩაშენების შესაძლებლობებში წარმატებულია, ფარული სივრცის მოდიფიცირების ეს მეთოდები შეიძლება ადვილად წაიშალოს ჩვეულებრივი შემდგომი დამუშავების ოპერაციებით. ასე რომ, ისინი დაუცველნი არიან სხვადასხვა დამახინჯების შესამცირებლად, რომლებიც შეიძლება მოხდეს დანაკარგი არხის გადაცემაში.

ვიდეოებზე ვიზუალური რედაქტირება შეიძლება განიხილებოდეს, როგორც მათში არსებული ობიექტების სემანტიკური ინფორმაციის შეცვლის პროცესი. საიდუმლო გზავნილის ფარულ სივრცეში დამალვის ნაცვლად, ჩვენ ვიზუალური გამოცემისთვის ვიდეოების სემანტიკურ მახასიათებლებში ჩავსვით საიდუმლო შეტყობინება. მოწინავე სემანტიკური ფუნქცია ნაკლებად მგრძნობიარეა დამახინჯების მიმართ, რაც ამ მეთოდს არსებითად მტკიცეს ხდის. ვიდეო სტეგანოგრაფიის სიმტკიცის გასაუმჯობესებლად, ჩვენ ვთავაზობთ ბოლომდე მძლავრი გენერაციული ვიდეო სტეგანოგრაფიის ქსელს (RoGVS), რომელიც შედგება ოთხი მოდულისგან, რომელიც შეიცავს ინფორმაციის კოდირების მოდულს, საიდუმლო შეტყობინების ჩაშენების მოდელს, თავდასხმის ფენას და საიდუმლო შეტყობინების ამოღებას. მოდული. შეფასებისთვის, ჩვენ ვიყენებთ სახის შეცვლის ტექნოლოგიას, როგორც მაგალითს ჩვენი მეთოდის ეფექტურობის საჩვენებლად, ხოლო მისი მარტივად გავრცელება შესაძლებელია სხვა აპლიკაციებზე. ყოვლისმომცველმა ექსპერიმენტებმა აჩვენა, რომ ჩვენი მეთოდი აღემატება უახლესი ტექნიკით, აღწევს სანაქებო გამძლეობას და განზოგადების შესაძლებლობებს.

ჩვენი ნაშრომის ძირითადი წვლილი შემდეგია: 1) ჩვენ პირველები ვართ, ვინც გამოვიკვლიეთ ახალი გენერაციული ვიდეო სტეგანოგრაფიის მეთოდი, რომელიც ცვლის სემანტიკურ მახასიათებელს ვიზუალური რედაქტირების დროს საიდუმლო შეტყობინების ჩასართავად, ფარული სივრცის შეცვლის ნაცვლად. ეს ჩარჩო ავლენს ძლიერ გაფართოებას და ემსახურება როგორც ახალ თემას სტეგანოგრაფიის სფეროს მომავალი განვითარებისთვის. 2) შემოთავაზებული მეთოდი მდგრადია სოციალური ქსელის პლატფორმის საერთო დამახინჯების წინააღმდეგ და საიდუმლო შეტყობინების ამოღება შესაძლებელია მაღალი სიზუსტით. 3) ჩვენი მეთოდი აღწევს ანტისტეგანალიზის უკეთეს უსაფრთხოებას, ვიდრე სხვა უახლესი მეთოდები, რომლებსაც შეუძლიათ ეფექტურად აირიდონ სტეგანალიზის სისტემის გამოვლენა.