تشخیص پنهان نگاری در استانداردهای کدگذار صوتی LPC ، CELP , MELP با استفاده از شبکه عصبی LVQ

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 43

نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JOEDS-3-6_003

تاریخ نمایه سازی: 27 خرداد 1403

Abstract:

امنیت اطلاعات یکی از مسائل بسیار مهم حوزه جنگ الکترونیک است که همواره موردتوجه محققان زیادی قرار می گیرد. پنهان نگاری یکی از روش های ارتباطات امن بوده که هدف آن مخفی کردن اطلاعات در بستری از داده و محتوا است؛ داده های صوتی می توانند ظرفیت بالاتری فراهم می کنند. در این مقاله روشی جدید در تشخیص پنهان نگاری در سه استاندارد کدگذار صوتی LPC، CELP و MELPکه جزو قدرتمندترین روش های کدگذاری صوتی هستند ارائه می شود. داده های مخفی در بیت کم ارزش رسانه حامل پنهان شده اند، تحلیل صوت با استفاده از ویژگی های آزمون اجرا و آزمون سریال ارائه می شود. پس از بررسی صوت اصلی و رسانه حامل، ویژگی های متفاوت بین این اصوات استخراج شده و برای آموزش شبکه عصبی هوشمند (LVQ) استفاده می شود. مرحله طبقه بندی با استفاده از لایه های این شبکه عصبی انجام شده و الگوریتم پیشنهادی برای این اصوات تست شده است. میزان میانگین دقت آشکارسازی پنهان نگاری روش پیشنهادی %۹۳.۵۹ است که برتری این روش در برابر سایر روش ها را نشان می دهد.

Authors

پوریا اعتضادی فر

دانشکده مهندسی برق و کامپیوتر، دانسگاه جامع امام حسین (ع)، تهران، ایران

سعید طلعتی

دانشجوی دکتری، دانشگاه جامع امام حسین(ع)

محمدرضا حسنی آهنگر

استاد، دانشگاه جامع امام حسین(ع)

مهدی ملازاده

استادیار، دانشگاه جامع امام حسین(ع)