Нейросетевые функциональные модели и алгоритмы преобразования информации для создания цифровых водяных знаков

Автор(и)

  • Александр Анатольевич Сирота Воронежский государственный университет, Russian Federation https://orcid.org/0000-0002-5785-8513
  • Михаил Анатольевич Дрюченко Воронежский государственный университет, Russian Federation
  • Елена Юрьевна Митрофанова Воронежский государственный университет, Russian Federation

DOI:

https://doi.org/10.20535/S002134701501001X

Ключові слова:

сжатие информации, нейронная сеть, обработка изображений, стеганография, цифровые водяные знаки

Анотація

Рассмотрены нейросетевые функциональные модели и алгоритмы преобразования информации, обеспечивающие стеганографическое кодирование сообщений в форме цифровых водяных знаков (ЦВЗ) в произвольные объекты — контейнеры (цифровые изображения) и их последующее декодирование при минимальных уровнях искажения контейнера. В основе подхода лежит теоретическое обоснование возможности построения гетероассоциативных и автоассоциативных сжимающих отображений фрагментов контейнера с использованием искусственных нейронных сетей прямого распространения. Представлены зависимости для показателей качества ЦВЗ, описывающие уровень искажения контейнера, а также вероятность ошибки при декодировании двоичной последовательности ЦВЗ, полученные для моделей изображений в виде случайных полей, а также для реальных изображений.

Посилання

Бахрушин А. П. Спектральный анализ видеокадров на основе системы импульсных функций с целью синхронизации процессов внедрения и поиска цифровых водяных знаков / А. П. Бахрушин // Вестник Тихоокеанского государственного университета. — 2008. — № 4. — С. 225–238. — Режим доступа : http://pnu.edu.ru/vestnik/pub/articles/1092/.

Конахович Г. Ф. Компьютерная стеганография. Теория и практика / Г. Ф. Конахович, А. Ю. Пузыренко. — М. : МК-Пресс, 2006. — 288 с.

Барсуков В. С. Еще раз о стенографии — самой современной из древнейших наук / В. С. Барсуков, А. В. Шувалов // Специальная техника. — 2004. — № 2. — С. 51–65. — Режим доступа : http://www.ess.ru/sites/default/files/files/articles/2004/02/2004_02_04.pdf.

Хорошко В. А. Методы и средства защиты информации / В. А. Хорошко, А. А. Чекатков. — К. : Юниор, 2003. — 504 с.

Kavitha V. Neural based steganography / V. Kavitha, K. S. Easwarakumar // PRICAI 2004 : Trends in Artificial Intelligence ; 8th Pacific Rim Int. Conf. on Artificial Intelligence. — 2004. — Vol. 3157. — P. 429–435. — DOI : http://dx.doi.org/10.1007/978-3-540-28633-2_46.

Chang C. Using counter-propagation neural network for robust digital audio watermarking in DWT domain / Chuan-Yu Chang, Wen-Chih Shen, Hung-Jen Wang // Systems, Man and Cybernetics : IEEE Int. Conf. SMC, 8–11 Oct. 2006, Taipei : proc. — IEEE, 2006. — Vol. 2. — P. 1214–1219. — DOI : http://dx.doi.org/10.1109/ICSMC.2006.384880.

Дрюченко М. А. Нейросетевые модели и алгоритмы стеганографического скрытия информации / М. А. Дрюченко, А. А. Сирота // Информационные технологии. — 2011. — № 3. — С. 41–49.

Сирота А. А. Нейросетевые технологии создания скрытых цифровых водяных знаков / А. А. Сирота, М. А. Дрюченко, Е. Ю. Митрофанова // Нейрокомпьютеры: разработка и применение. — 2012. — № 10. — C. 13–20. — Режим доступа : http://www.radiotec.ru/catalog.php?cat=jr7&art=11849.

Сирота А. А. Сходимость весов двухслойной линейной нейронной сети при построении оптимальных оценок случайных векторов / А. А. Сирота, Е. Ю. Митрофанова // Нейрокомпьютеры: разработка и применение. — 2011. — № 7. — C. 39–48. — Режим доступа : http://www.radiotec.ru/catalog.php?cat=jr7&art=8931.

Дрюченко М. А. Восстановление регрессионных моделей случайных процессов и полей с использованием нейронных сетей / М. А. Дрюченко, Е. В. Воронова, А. А. Сирота // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. — 2010. — № 1. — С. 109–119. — Режим доступа : http://www.vestnik.vsu.ru/program/view/view.asp?sec=analiz&year=2010&num=01&f_name=2010-01-19.

Кирсанов Э. А. Обработка информации в пространственно-распределенных системах радио мониторинга: статистический и нейросетевой подход / Э. А. Кирсанов, А. А. Сирота. — М. : Физматлит, 2012. — 344 с.

Осовский С. Нейронные сети для обработки информации / C. Осовский. — М. : Финансы и статистика, 2002. — 344 с.

Рао С. Р. Линейные статистические методы и их применения / С. Р. Рао. — М. : Наука, 1968. — 548 с.

The USC-SIPI Image Database. — Режим доступа : http://sipi.usc.edu/database/. — Дата доступа : 01.02.2014. — Название с экрана.

Kodak Lossless True Color Image Suite. — Режим доступа : http://r0k.us/graphics/kodak/. — Дата доступа : 01.02.2014. — Название с экрана.

Опубліковано

2015-01-02

Як цитувати

Сирота, А. А., Дрюченко, М. А., & Митрофанова, Е. Ю. (2015). Нейросетевые функциональные модели и алгоритмы преобразования информации для создания цифровых водяных знаков. Вісті вищих учбових закладів. Радіоелектроніка, 58(1), 3–16. https://doi.org/10.20535/S002134701501001X

Номер

Розділ

Оригінальні статті