Machine Learning in Image Steganalysis

ویرایش:  
نویسندگان: Hans Georg Schaathun(auth.)  
سری:  
ISBN (شابک) : 9780470663059, 9781118437957 
ناشر: Wiley-IEEE Press 
سال نشر: 2012 
تعداد صفحات: 281 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 40,000



Steganography هنر برقراری ارتباط یک پیام مخفی است که وجود یک پیام مخفی را پنهان می کند. این معمولاً با پنهان کردن پیام در یک سند غیر حساس انجام می شود. Steganalysis هنر و علم تشخیص چنین پیام های پنهانی است. وظیفه در استگانالیز گرفتن یک شی (ارتباطات) و طبقه بندی آن به عنوان یک استگانوگرام یا یک سند تمیز است. بیشتر راه‌حل‌های اخیر الگوریتم‌های طبقه‌بندی را از یادگیری ماشین و تشخیص الگو اعمال می‌کنند، که با آموزش رایانه‌ها برای یادگیری از داده‌های تجربی، با مسائل بسیار پیچیده برای حل تحلیلی مقابله می‌کنند.

قسمت 1کتاب مقدمه‌ای بر steganalysis به عنوان بخشی از روند گسترده‌تر پزشکی قانونی چند رسانه‌ای و همچنین یک آموزش عملی در مورد یادگیری ماشین در این زمینه است. قسمت 2 بررسی طیف وسیعی از بردارهای ویژگی است که برای استگانالیز با آزمون‌ها و مقایسه‌های عملکردی پیشنهاد شده‌اند. بخش 3 مطالعه عمیقی از تکنیک‌های یادگیری ماشین و الگوریتم‌های طبقه‌بندی‌کننده است و ارزیابی انتقادی از روش‌شناسی تجربی و برنامه‌های کاربردی در استگانالیز ارائه می‌دهد.

ویژگی‌های کلیدی: 

• به‌عنوان یک آموزش در مورد مبحث نهان‌کاوی با مقدمه‌ای کوتاه برای بسیاری از نظریه‌های پایه ارائه‌شده خدمت می‌کند، و همچنین بررسی آخرین تحقیقات را ارائه می‌دهد.
• توسعه و رسمی‌سازی کاربرد یادگیری ماشین در استگانالیز؛ با بسیاری از درک یادگیری ماشینی که از این کتاب به دست می‌آید، قابل انطباق برای مطالعه آینده یادگیری ماشین در سایر برنامه‌ها.
• حاوی برنامه‌ها و الگوریتم‌های پایتون است که به خواننده اجازه می‌دهد تا نتایج مورد بحث در کتاب را اصلاح و بازتولید کند.
• شامل نرم‌افزار همراه موجود در وب‌سایت نویسنده است.

محتوا:
فصل 1 مقدمه (صفحات 1-6):
فصل 2 استگانوگرافی و استگانالیز (صفحات 7-24):
فصل 3 شروع با یک طبقه بندی کننده (صفحات 25-39):
تجزیه و تحلیل هیستوگرام فصل 4 (صفحات 43-63):
فصل 5 تجزیه و تحلیل بیتی صفحه (صفحات 65-73):
فصل 6 ویژگی های بیشتر دامنه فضایی (صفحات 75-87):
فصل 7 موجک ها دامنه (صفحات 89-106):
فصل 8 Steganalysis در دامنه JPEG (صفحه های 107-129):
فصل 9 تکنیک های کالیبراسیون (صفحات 131-149):
فصل 10 شبیه سازی و ارزیابی (صفحه های 15) –177):
فصل 11 ماشین‌های بردار پشتیبانی (صفحات 179-196):
فصل 12 سایر الگوریتم‌های طبقه‌بندی (صفحات 197–215):
فصل 13 انتخاب و ارزیابی ویژگی (صفحات 217-243):
فصل 14 مسئله استگانالیز (صفحات 245-262):
فصل 15 آینده میدان (صفحات 263-266):

Steganography is the art of communicating a secret message, hiding the very existence of a secret message. This is typically done by hiding the message within a non-sensitive document. Steganalysis is the art and science of detecting such hidden messages.  The task in steganalysis is to take an object (communication) and classify it as either a steganogram or a clean document. Most recent solutions apply classification algorithms from machine learning and pattern recognition, which tackle problems too complex for analytical solution by teaching computers to learn from empirical data. 

Part 1of the book is an introduction to steganalysis as part of the wider trend of multimedia forensics, as well as a practical tutorial on machine learning in this context. Part 2 is a survey of a wide range of feature vectors proposed for steganalysis with performance tests and comparisons. Part 3 is an in-depth study of machine learning techniques and classifier algorithms, and presents a critical assessment of the experimental methodology and applications in steganalysis.

Key features: 

• Serves as a tutorial on the topic of steganalysis with brief introductions to much of the basic theory provided, and also presents a survey of the latest research.
• Develops and formalises the application of machine learning in steganalysis; with much of the understanding of machine learning to be gained from this book adaptable for future study of machine learning in other applications. 
• Contains Python programs and algorithms to allow the reader to modify and reproduce outcomes discussed in the book.
• Includes companion software available from the author’s website.

Content:
Chapter 1 Introduction (pages 1–6):
Chapter 2 Steganography and Steganalysis (pages 7–24):
Chapter 3 Getting Started with a Classifier (pages 25–39):
Chapter 4 Histogram Analysis (pages 43–63):
Chapter 5 Bit?Plane Analysis (pages 65–73):
Chapter 6 More Spatial Domain Features (pages 75–87):
Chapter 7 The Wavelets Domain (pages 89–106):
Chapter 8 Steganalysis in the JPEG Domain (pages 107–129):
Chapter 9 Calibration Techniques (pages 131–149):
Chapter 10 Simulation and Evaluation (pages 153–177):
Chapter 11 Support Vector Machines (pages 179–196):
Chapter 12 Other Classification Algorithms (pages 197–215):
Chapter 13 Feature Selection and Evaluation (pages 217–243):
Chapter 14 The Steganalysis Problem (pages 245–262):
Chapter 15 Future of the Field (pages 263–266):