Analyse de l'évolutivité d'un réseau d'apprentissage profond pour la stéganalyse d'images
Texte intégral
Documents relatifs
Au terme de cette étude, il apparaît qu’élaborer une straté- gie de distribution du message entre les composantes cou- leurs dans le cadre de la stéganographie d’images JPEG
En revenant sur les bonnes pratiques du Deep Learning et les études récentes, nous avons cherché à construire, expé- rimentalement, un réseau plus efficace que ceux de l’état
Au terme de cette étude, il apparaît qu’élaborer une straté- gie de distribution du message entre les composantes cou- leurs dans le cadre de la stéganographie d’images JPEG
En revenant sur les bonnes pratiques du Deep Learning et les études récentes, nous avons cherché à construire, expé- rimentalement, un réseau plus efficace que ceux de l’état
Nous avons utilisé la base de données BOSSBase et S-UNIWARD en utilisant tou- jours la même clé d’insertion et avec une taille de message de 0.4 bit par pixel pour l’apprentissage
Un nombre appropri´e d’images – d´ependant du nom- bre de caract´eristiques – doit d’abord ˆetre d´etermin´e : un classifieur KNN [1] utilis´e avec une m´ethode de
Nous avons utilisé la base de données BOSSBase et S-UNIWARD en utilisant tou- jours la même clé d’insertion et avec une taille de message de 0.4 bit par pixel pour l’apprentissage
Nous proposons deux prétraitements : le premier permet d'amplier la base de données en générant plusieurs images stego à partir d'une image cover et donc de travailler avec