Deep Learning for Diverse Data Types Steganalysis: A Review

要約

ステガノグラフィーとステガナリシスは、情報セキュリティ分野の 2 つの相互に関連する側面です。
ステガノグラフィーは通信を隠蔽しようとするのに対し、ステガアナリシスは通信を発見するか、可能であれば通信に含まれるデータを回復することを目的としています。
ステガノグラフィーとステガナリシスは、特に法執行機関からの大きな関心を集めています。
ステガノグラフィーは、暗号化が多くの国で禁止または制限されているため、サイバー犯罪者やテロリストによってさえ、暗号化された証拠を所持しているときに逮捕を避けるためによく使用されます。
したがって、違法行為を暴くには、隠蔽された情報を暴くための最先端の技術に関する知識が不可欠です。
ここ数年にわたり、多くの強力で信頼性の高いステガノグラフィーおよびステガナリシス技術が文献に導入されてきました。
このレビュー ペーパーでは、デジタル メディア内の隠された情報を検出するために使用される深層学習ベースのステガナリシス技術の包括的な概要を提供します。
この論文では、画像、音声、ビデオを含むステガナリシスのあらゆるタイプのカバーをカバーし、最も一般的に使用される深層学習技術について説明します。
さらに、この論文では、ステガナリシス システムのパフォーマンスを向上させるための、深層転移学習 (DTL) や深層強化学習 (DRL) などのより高度な深層学習技術の使用についても検討しています。
この論文では、最近の研究で使用されたデータセットや評価指標など、この分野の最近の研究を系統的にレビューしています。
また、DTL ベースのステガナリシスのアプローチと、さまざまなデータセットでのそのパフォーマンスの詳細な分析も示します。
このレビューは、深層学習ベースのステガナリシスの現状、課題、将来の研究の方向性についての議論で終わります。

要約(オリジナル)

Steganography and steganalysis are two interrelated aspects of the field of information security. Steganography seeks to conceal communications, whereas steganalysis is aimed to either find them or even, if possible, recover the data they contain. Steganography and steganalysis have attracted a great deal of interest, particularly from law enforcement. Steganography is often used by cybercriminals and even terrorists to avoid being captured while in possession of incriminating evidence, even encrypted, since cryptography is prohibited or restricted in many countries. Therefore, knowledge of cutting-edge techniques to uncover concealed information is crucial in exposing illegal acts. Over the last few years, a number of strong and reliable steganography and steganalysis techniques have been introduced in the literature. This review paper provides a comprehensive overview of deep learning-based steganalysis techniques used to detect hidden information within digital media. The paper covers all types of cover in steganalysis, including image, audio, and video, and discusses the most commonly used deep learning techniques. In addition, the paper explores the use of more advanced deep learning techniques, such as deep transfer learning (DTL) and deep reinforcement learning (DRL), to enhance the performance of steganalysis systems. The paper provides a systematic review of recent research in the field, including data sets and evaluation metrics used in recent studies. It also presents a detailed analysis of DTL-based steganalysis approaches and their performance on different data sets. The review concludes with a discussion on the current state of deep learning-based steganalysis, challenges, and future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google