research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Blind Steganalysis using One-Class Classification
تحلیل غطاء الاخفاء الاعمى باستخدام تصنيف الفئة الواحدة

Loading...
Loading...
Abstract

Steganography is the science/art of hiding information in a way that must not draw attention to the message hidden in the transmitted media, if a suspicion is raised then there is no meaning to the purpose of steganography. Then appeared its counterpart, Steganalysis, which aims to suspect and analyze the transmitted media to decide wither it contain an embedded data or not which we present in a blind Steganalysis way. One-Class Classification (OCC) machine learning algorithms aim to build classification models depending on positive class only when the negative class is not available or poorly sampled. Here in this paper we depend on a one-class support vector machines (OCSVM) which has been trained on only one class of images that is clean images class, so that the trained classifier can classify new reviews to their correct class i.e. clean or stego. Training an OCC turned to be hard work and required long execution time since classifier parameters tuning, data separation and model evaluation needed to be done manually in a brute force way. A powerful programming language (Python) with the powerful machine learning library (Scikit-Learn) gave a promising classification results in deciding whether an input image is clean or stego image.

الكتابة المغطاة هو علم/فن إخفاء المعلومات بطريقة لا تجذب الانتباه للرسالة المخفية في الوسط المرسل، إذا اثير شك فإن الغرض من الكتابة المغطاة يصبح بلا معنى. ثم ظهر جزؤه المضاد، كشف الكتابة المغطاة، الذي يهدف للشك بالوسط المرسل وتحليله للتقرير فيما إذا كان يحوي بيانات مخفية او لا، والذي نقدمه هنا بطريقة كشف الكتابة المغطاة الاعمى. تهدف خوارزميات تعليم الآلة ذات التصنيف احادي الفئة الى بناء نموذج تصنيف بالاعتماد على الفئة الموجبة عندما تكون الفئة السالبة غير متوافرة او فقيرة العينات. اعتمد على آلة متجه داعم وحيدة الفئة تم تدريبها على صنف واحد من الصور وهو صنف الصور التي لا تحوي بيانات مخفية بهدف ان يكون المصنّف الذي تم تدريبه قادراً على تصنيف المشاهدات الى صنفها الصحيح بمعنى صور لا تحوي بيانات مخفية (clean images) وصور تحوي بيانات مخفية (stego images). تدريب مصنف وحيد الفئة يتطلب عملاً شاقاً ويحتاج زمن تنفيذ طويل حيث ان ضبط معاملات المصنف، وتقسيم البيانات، وتقييم نموذج التصنيف تمت يدويا بطريقة القوة الغاشمة. ان لغة البرمجة القوية (Python) مع قوة مكتبة تعليم الآلة (Scikit-Learn) أعطت نتائج تصنيف واعدة في التقرير فيما إذا كانت الصورة المدخلة تحوي بيانات مخفية او لا.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

Arabic (1)


Year
From To Submit

2019 (1)