Как мы решали задачу стегоанализа, применяя глубокое обучение
Обработка изображений с помощью нейросетей широко используется в настоящее время. Это полезно, например для классификации изображений. Одним из известных примеров такой задачи является классификация животных на изображении.
Спасибо, очень интересно!
1. А что ещё пробовали из (донейросетевых) методов? Может быть, пробовали простой частотный анализ наименее значащих битов?
2. Ещё интересна природа данных: вы их откуда (?)-то брали или сами генерировали? Если генерировали сами, то по какому алгоритму?
Спасибо вам за проявленный интерес!
Метод наименее значащих бит является, пожалуй, одним из самых простых в стеганографии, поэтому его распознавание можно реализовать и без использования нейронных сетей – создаете копию изображения, осуществляете разделение по каналам и для каждого канала создаете условие, например, закрашивание пикселя изображения в случае, если наименее значащий бит его равен 1.
Таким образом, вы получите изображение с ярко выраженными областями неравномерного наложения шума. Если сравнить пустой контейнер и контейнер, в который произведено встраивание LSB методом, отличия вы заметите невооруженным взглядом.
Данные парсили с фотостоков, имеющих бесплатную лицензию на использование в исследовательских целях. Для расширения базы данных, написали скрипт, который разрезает изображения на части, таким образом из одного изображения получали от 4 до 6 новых изображений. После использовали готовый скрипт для встраивания стего в контейнер изображений.