نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳
Publish place: Electronic and cyber defense، Vol: 9، Issue: 1
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 399
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PADSA-9-1_006
Index date: 12 May 2021
نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳ abstract
عمومیت فایلهای صوتی، اغلب توجه مهاجمین و عناصر مخرب را برای استفاده از این حامل، جهت پوششدهی ارتباطات محرمانه خود جلب می نماید. گستردگی استفاده از این قالبها، به همراه رویکردهای متعدد و مدرنی که برای نهاننگاری در فایلهای صوتی طراحی شدهاند، میتوانند فضای سایبری را به محیطی نا امن بدل نمایند. در راستای مقابله با این تهدیدات، امروزه روشهای متعدد نهانکاوی ابداع شده اند که با دقت بالایی قادر به تحلیل آماری قالبهای مختلف صوتی، مانند MP۳ و VoIp هستند. در میان راهحلهای ارائه شده، ترکیب روشهای پردازش سیگنال و یادگیری ماشین، امکان ایجاد نهانکاوهایی با دقت بسیار بالا را فراهم نموده است. با این وجود، از آنجا که ویژگیهای آماری فایلهای صوتی گفتاری متفاوت از نمونههای دیگر صوتی است، روشهای جاری نهانکاوی قادر نیستند به شکل موثری فایلهای حامل گفتاری را تشخیص دهند. مشکل دیگر، ابعاد بالای تحلیلی است که به شکل چشمگیری هزینه پیادهسازی را افزایش میدهد. در پاسخ به مشکلات ذکرشده، این مقاله ویژگی یکبعدی "درصد نمونههای مجاور یکسان" را به عنوان فاکتور جداسازی نمونههای نهاننگاری شده از پاک مطرح میکند. نتایج نشانگر حساسیت ۸۲/۹۹% نهانکاو طراحی شده با استفاده از دستهبند تابع عضویت گاوسی، در نرخ نهاننگاری ۵۰% است. علاوه بر این، این نهانکاو قادر است با دقت مطلوبی حجم پیام مخفی شده را تخمین بزند. عملکرد الگوریتم طراحی شده بر روی یک پایگاه داده متشکل از نمونههای موسیقی کلاسیک نیز ارزیابی شده و نتایج حاکی از کارایی ۲/۸۱% آن هستند.
نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳ Keywords:
نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳ authors
سعید یزدانپناه
دانشجوی دکتری گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد خیراندیش
استادیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد مصلح
دانشیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :