کاربرد یادگیری عمیق و شبکه عصبی پیچشی در نهان کاوی

نهان نگاری، ابزاری برای ارتباط محرمانه و در مقابل نهانکاوی علم کشف حضور اطلاعات نهان در رسانه دیجیتال میباشد. تاکنون نهان کاوی تصاویر دیجیتالی روی ویژگیهای دست ساز پیچیده متمرکز بوده اند که از جمله آن میتوان به مدل معروف و موفق SRM اشاره کرد، اما امروزه با استفاده از مدلهای یادگیری عمیق میتوان ویژگیهای را به صورت خودکار استخراج کرد به عبارت دیگر مراحل استخراج ویژگی و طبقه بندی تحت یک معماری واحد قرار گرفتند. تکنیک های نهان کاوی مختلفی در تصاویر با استفاده از الگوریتم های یادگیری عمیق از جمله شبکه های عصبی پیچشی پیاده سازی شده اند. در این مقاله، به معرفی چهار تکنیک نهان کاوی GNCNN، Xu-NET، Ye-NET، YEDROUDJ-NET در این حوزه پرداخته شده است. پس از بررسی و مقایسه نتایج این چهار روش مشاهده شد که تکنیک YEDROUDJ-NET توانسته است به خطای احتمالی مشابه و در اغلب موارد کمتر از مدل SRM دست یابد. بنابراین روشهای نهان کاوی مبتنی بر شبکه های عصبی پیچشی توانسته اند کارایی مشابه و حتی در مواردی بهتر از روشهای نهان کاوی سنتی ارائه دهند.

کاربرد یادگیری عمیق و شبکه عصبی پیچشی در نهان کاوی Keywords:

نهان کاوی , نهان نگاری , شبکه های عصبی , یادگیری عمیق , شبکه های عصبی پیچشی