ГЛИБОКІ АВТОЕНКОДЕРИ ДЛЯ ПРИХОВУВАННЯ ІНФОРМАЦІЇ: СУЧАСНІ ПІДХОДИ ТА ПЕРСПЕКТИВИ РОЗВИТКУ

Дмитро Прокопович-Ткаченко

doi:10.28925/2663-4023.2025.28.765

Автор(и)

Дмитро Прокопович-Ткаченко Університет митної справи та фінансів https://orcid.org/0000-0002-6590-3898

DOI:

https://doi.org/10.28925/2663-4023.2025.28.765

Ключові слова:

глибокі автоенкодери, стеганографія, інформаційна безпека, глибинне навчання, нейронні мережі

Анотація

В даній статті розглядаються можливості застосування глибоких автоенкодерів у сфері приховування інформації (стеганографії). Показано, що поєднання методів стеганографії з глибинним навчанням дає змогу підвищити надійність системи та збільшити пропускну здатність каналу передавання прихованих даних. Здійснено порівняльний огляд сучасних архітектур автоенкодерів, проаналізовано принципи кодування та декодування, а також наведено узагальнені результати експериментальних досліджень, що демонструють ефективність запропонованих підходів. Оцінено перспективи розвитку даного напряму з огляду на безпеку, ефективність та стійкість до атак шляхом детального аналізу потенційних вразливостей і сценаріїв практичного впровадження. Результати дослідження свідчать про значний потенціал глибоких автоенкодерів у галузі інформаційної безпеки, зокрема для інтеграції зі стеганографічними методами. Запропоновано низку рекомендацій щодо подальшого вдосконалення технології, включно з оптимізацією архітектури нейронних мереж, поширенням сфери застосувань та урахуванням етичних і правових аспектів.

Завантаження

Дані завантаження ще не доступні.

Посилання

Bender, W., Gruhl, D., Morimoto, N., & Lu, A. (1996). Techniques for data hiding. IBM Systems Journal, 35(3–4), 313–336. https://doi.org/10.1147/sj.353.0313

Cox, I. J., Miller, M. L., Bloom, J. A., Fridrich, J., & Kalker, T. (2008). Digital watermarking and steganography. Morgan Kaufmann.

Johnson, N. F., & Katzenbeisser, S. (1998). A survey of steganographic techniques. In Information hidingб 43–78. Springer.

Zhu, J., Kaplan, R., Johnson, J., & Fei-Fei, L. (2018). HiDDeN: Hiding data with deep networks. Advances in Neural Information Processing Systems, 31.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

Hinton, G. E., & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504–507. https://doi.org/10.1126/science.1127647

Vincent, P., Larochelle, H., Bengio, Y., & Manzagol, P. A. (2008). Extracting and composing robust features with denoising autoencoders. Proceedings of the 25th International Conference on Machine Learning, 1096–1103. https://doi.org/10.1145/1390156.1390294

Zhou, C., & Paffenroth, R. (2017). Anomaly detection with robust deep autoencoders. Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 665–674. https://doi.org/10.1145/3097983.3098052

Hayes, J., & Danezis, G. (2017). Generating steganographic images via adversarial training. Advances in Neural Information Processing Systems, 30.

Montgomery, D. C. (2017). Design and Analysis of Experiments. John Wiley & Sons.

Gupta, S., Joshi, R. C., & Misra, M. A. (2019). SeGAN: Segment-based image steganography using generative adversarial network. IET Image Processing, 13(10), 1706–1713. https://doi.org/10.1049/iet-ipr.2018.6233

Lu, X., Li, B., & Huang, J. (2019). GAN-based image steganography: review and research trends. IEEE Access, 7, 179097–179110. https://doi.org/10.1109/ACCESS.2019.2958574

Zhang, R., Wang, S., & Wang, L. (2021). Robust deep steganography with pixelwise adversarial training. Neural Computing and Applications, 33, 2357–2369. https://doi.org/10.1007/s00521-020-05047-2

Hinton, G. E. (2012). A practical guide to training restricted Boltzmann machines. In Neural Networks: Tricks of the Trade (pp. 599–619). Springer. https://doi.org/10.1007/978-3-642-35289-8_32

Fridrich, J. (2009). Steganography in digital media: principles, algorithms, and applications. Cambridge University Press.

Provos, N., & Honeyman, P. (2003). Hide and seek: An introduction to steganography. IEEE Security & Privacy, 1(3), 32–44. https://doi.org/10.1109/MSECP.2003.1203220

Nissar, A. U., & Mir, A. H. (2010). Classification of steganalysis techniques: A study. Digital Signal Processing, 20(6), 1758–1770. https://doi.org/10.1016/j.dsp.2010.01.017

Li, B., Luo, X., Liu, T., & Huang, J. (2011). A survey on image steganography and steganalysis. Journal of Information Hiding and Multimedia Signal Processing, 2(2), 142–172.

Ker, A. D. (2005). Steganalysis of LSB matching in grayscale images. IEEE Signal Processing Letters, 12(6), 441–444. https://doi.org/10.1109/LSP.2005.847889

Kessler, G. C. (2010). Steganography: Encoders/decoders. In Handbook of Information Security, 1, 14–23. Wiley.

Petitcolas, F. A. P., Anderson, R. J., & Kuhn, M. G. (1999). Information hiding - a survey. Proceedings of the IEEE, 87(7), 1062–1078. https://doi.org/10.1109/5.771065

Reddy, A., Acharya, N., & Mandal, J. K. (2018). A new approach to transform domain-based robust steganography using wavelet families. Arabian Journal for Science and Engineering, 43, 5079–5090. https://doi.org/10.1007/s13369-018-3205-0

Ye, J., Ni, Z., & Ni, R. (2018). Deep embedding in DCT domain for image steganography. Proceedings of ICIP, 2336–2340. https://doi.org/10.1109/ICIP.2018.8451402

Liu, Z., Su, Z., Hou, D., & Li, H. (2018). A robust CNN-based method for image steganography and steganalysis. Multimedia Tools and Applications, 77, 21769–21785. https://doi.org/10.1007/s11042-018-6089-1

Tang, S., & Wu, X. (2020). Adaptive steganography based on deep reinforcement learning. Neurocomputing, 370, 35–46. https://doi.org/10.1016/j.neucom.2019.08.090

Yu, W., & Chen, S. (2021). Improved autoencoder-based image steganography. IEEE Access, 9, 41395–41406. https://doi.org/10.1109/ACCESS.2021.3064091

Duan, Y., Yang, B., & Gao, H. (2021). Deep hiding in video frames with convolutional neural networks. Information Sciences, 551, 27–43. https://doi.org/10.1016/j.ins.2020.11.038

Ullah, H., Mohammed, N., & Rahman, M. A. (2022). Hybrid data hiding approach for color images using deep autoencoder. Computers & Security, 114, 102589. https://doi.org/10.1016/j.cose.2021.102589

Singh, K., & Singh, B. (2022). Implementation of robust image steganography using deep autoencoders. Future Generation Computer Systems, 136, 60–72. https://doi.org/10.1016/j.future.2022.06.004