بررسی جامع کارایی روش نهانکاوی مبتنی بر یادگیری عمیق در کشف روشهای حوزه مکان

نهاننگاری، هنر مکاتبات پنهانی است که در آن یک پیام به صورت مخفیانه منتقل میشود و نهانکاوی، هنر کشف حضور اطلاعات پنهان است. شبکه های عصبی پیچشی برخلاف روش های نهانکاوی سنتی، با استخراج خودکار ویژگیها، وجود داده را تشخیص میدهند. در مقالات مختلف، عملکرد مدلهای موجود بر روی تعداد محدودی از روش های نهاننگاری حوزه مکان گزارش شده است. هدف اصلی این مقاله، ارایه یک شبکه عصبی پیچشی و بررسی جامع عملکرد آن در کشف روش های حوزه مکان مختلف است. مدل پیشنهادی از سه قسمت پیش پردازش، ماژول پیچشی و طبقهبند تشکیل شده است. در لایه ماژول پیچشیلایه تمام متصل تشکیلشده است. از روش های جاسازی در بیت کم ارزش، 3 بلوک و طبقه بند از 5 از جاسازی در مقدار اختلاف پیکسلها و جاسازی مبتنی بر ایده تطبیقی برای تست استفاده شده است. روش وجود داده های با طولهای حتی بسیار کم در روش های دو گروه 97٪ پیشنهادی میتواند با دقت بالاتر از اول را شناسایی کند. عملکرد روش پیشنهادی در کشف درصد جاسازی های بسیار کم روش تطبیقی با دقت بسیار مناسب است و این ویژگی نقطه تمایز مدل پیشنهادی نسبت به روش های سنتی است. زیرا 70٪ بالای موفقیت روش های استخراج ویژگی دستی به دلیل کم بودن تغییرات ویژگیهای آماری در سطوح جاسازی پایین، بسیار کمتر است.