Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userTwo Layer-Based Watermarking Algorithm for Copyright Protection of Multi-Language Text Documents
خوارزمية علامة مائية معتمدة على طبقتين من أجل حماية حقوق النشر للوثائق النصية متعددة اللغات
622
1 0
0.0
(
0
)
Added by
University of Aleppo رسالة ماجستير
Publication date
2016
fields
Informatics Engineering
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
تهدف الخوارزمية التي سوق يتم تقديمها في هذه الأطروحة إلى حماية الوثائق والمستندات النصية التي يتم تبادلها أو نشرها على شبكة الانترنت, وتعمل الخوارزمية التي تم بناؤها على استخدام تقنية العلامة المائية الرقمية من اجل تحقيق ذلك.
No English abstract
Artificial intelligence review:
Research summary
تتناول هذه الأطروحة التي أعدها المهندس حسن قزاز تحت إشراف الدكتور محمود شعار والدكتور محمود رحال من جامعة حلب، تطوير خوارزمية علامة مائية رقمية تعتمد على طبقتين لحماية حقوق النشر للوثائق النصية متعددة اللغات. تهدف الخوارزمية المقترحة إلى حماية الوثائق النصية من النسخ غير الشرعي والتزوير من خلال تضمين علامة مائية رقمية في النصوص دون إجراء أي تعديل فيزيائي على النص. تعتمد الخوارزمية على استخدام شيفرة اليونكود وخوارزمية هاش لتوليد مفتاح خاص بالكاتب أو المالك الأصلي للوثيقة. يتم تضمين العلامة المائية بشكل منطقي في النصوص، مما يجعلها غير مرئية ولا تؤثر على بنية النص. أثبتت النتائج التجريبية فعالية وسرعة الخوارزمية في توليد وتضمين العلامة المائية واستخراجها وفحصها، كما أظهرت قدرتها على مقاومة الهجمات المختلفة مثل الحذف والإضافة وإعادة الترتيب. تتضمن الخوارزمية عدة مراحل منها توليد وتضمين العلامة المائية واستخراجها وفحصها للتأكد من سلامة النصوص وحمايتها من العبث. تمت مقارنة الخوارزمية المقترحة مع خوارزميات سابقة وأظهرت نتائج أفضل من حيث الزمن اللازم للتضمين والاستخراج ومعدل الدقة ومعدل الدمار الحاصل في العلامة المائية.
Critical review
دراسة نقدية: تعتبر هذه الأطروحة خطوة مهمة في مجال حماية حقوق النشر للوثائق النصية متعددة اللغات، حيث تقدم خوارزمية فعالة وسريعة لتضمين العلامات المائية الرقمية دون التأثير على بنية النص. ومع ذلك، يمكن تحسين الخوارزمية من خلال زيادة معدل دقة العلامة المائية وتحديد مواقع العبث بشكل أكثر دقة. كما يمكن تطبيق مبدأ بصمة الأصبع في الخوارزمية المقترحة لزيادة الحماية. من الجوانب التي يمكن تحسينها أيضاً هو استخدام لغات برمجة أخرى مثل الجافا لمعرفة أيها أكثر مرونة وسهولة في التعامل وأسرع من حيث زمن التنفيذ.
Questions related to the research
-
ما الهدف الرئيسي من الخوارزمية المقترحة في الأطروحة؟
الهدف الرئيسي هو حماية الوثائق النصية من النسخ غير الشرعي والتزوير من خلال تضمين علامة مائية رقمية في النصوص دون إجراء أي تعديل فيزيائي على النص.
-
ما هي المراحل الرئيسية لعمل الخوارزمية المقترحة؟
المراحل الرئيسية تشمل توليد وتضمين العلامة المائية، استخراج العلامة المائية، وفحص العلامة المائية للتأكد من سلامة النصوص وحمايتها من العبث.
-
كيف يتم تضمين العلامة المائية في النصوص باستخدام الخوارزمية المقترحة؟
يتم تضمين العلامة المائية بشكل منطقي في النصوص باستخدام شيفرة اليونكود وخوارزمية هاش لتوليد مفتاح خاص بالكاتب أو المالك الأصلي للوثيقة، دون إجراء أي تعديل فيزيائي على النص.
-
ما هي الهجمات التي تستطيع الخوارزمية المقترحة مقاومتها؟
تستطيع الخوارزمية مقاومة هجمات الحذف، الإضافة، وإعادة الترتيب، وقد أظهرت النتائج التجريبية قدرتها على اكتشاف هذه الهجمات والصمود في وجهها.
References used
M. Song, D. Tao, C. Chan, X. Li, and C. Chen, "Color to gray: Visual cue preservation" IEEE Trans. Pattern Anal., Machine Intel., vol. 32, no. 9, pp. 1537–1552, Sept. 2010.
Shaar M and Kazzaz H. , " Designing of Watermarking Algorithm For Authentication and Protection of Text Documents". Research Journal of Aleppo University, 2016-4-7.
J. A. Memon, K.Khowaja and H. Kazi, "Evaluation of Steganography for URDU/ARABIC Text," Journal of Theoretical and Applied Information Technology, 2008, pp. 232 – 237
rate research
Read More
In primary school, children's books, as well as in modern language learning apps, multi-modal learning strategies like illustrations of terms and phrases are used to support reading comprehension. Also, several studies in educational psychology sugge
st that integrating cross-modal information will improve reading comprehension. We claim that state-of- he-art multi-modal transformers, which could be used in a language learner context to improve human reading, will perform poorly because of the short and relatively simple textual data those models are trained with. To prove our hypotheses, we collected a new multi-modal image-retrieval dataset based on data from Wikipedia. In an in-depth data analysis, we highlight the differences between our dataset and other popular datasets. Additionally, we evaluate several state-of-the-art multi-modal transformers on text-image retrieval on our dataset and analyze their meager results, which verify our claims.
In this paper, the algorithm was designed for cylinders, slots and pockets extraction from
CAD models saved in STL file depending on rule-based method and graph-based method.
Besides, windows application was designed using Visual Studio C# which al
lows the user
to import CAD model and features extraction and view their geometric information
(cylinder diameter, height, cylinder center coordinates, width, height, length for slots and
pockets. In addition, all surfaces that the feature consists from.
The proposed algorithm consists from multi-steps are: dividing input model into multi
surfaces based on RegionGrowing method, next step is cylinder features extraction
depending on rule-based method, slots and bockets extraction depending on graph-based
method, calculating geometric information for each extracted feature.
The results show that the proposed algorithm can extract cylinders, slots and pockets
features from CAD models which saved in STL files and calculates geometric information
for each extracted feature.
Localization is an essential process in many wireless sensors networks applications like environmental surveillance and forest fires detection, where sensors are usually randomly thrown in difficult to reach places, considering the limited wireless s
ensors capability in terms of energy availability and the capacity of computations a low cost and energy conservation algorithms are needed to determine the approximate position of the sensors. In this research a new algorithm was proposed ‘Address Vector Multi-Hop (AV_MH)’ to determine the position of the randomly deployed sensors, this algorithm is based on the idea of making benefit from short address assignment in networks that support hierarchical addressing, considering that the most important techniques used in the field of sensor networks such as ZigBee and 6LowPAN which depend on the IEEE802.15.4 standard support this type of addressing.
The results showed the possibility of obtaining an approximate position of the wireless sensors in a rapid and inexpensive and cost-effective way in terms of the number of sent messages and required calculations.
This paper presents StoryDB --- a broad multi-language dataset of narratives. StoryDB is a corpus of texts that includes stories in 42 different languages. Every language includes 500+ stories. Some of the languages include more than 20 000 stories.
Every story is indexed across languages and labeled with tags such as a genre or a topic. The corpus shows rich topical and language variation and can serve as a resource for the study of the role of narrative in natural language processing across various languages including low resource ones. We also demonstrate how the dataset could be used to benchmark three modern multilanguage models, namely, mDistillBERT, mBERT, and XLM-RoBERTa.
Lack of training data presents a grand challenge to scaling out spoken language understanding (SLU) to low-resource languages. Although various data augmentation approaches have been proposed to synthesize training data in low-resource target languag
es, the augmented data sets are often noisy, and thus impede the performance of SLU models. In this paper we focus on mitigating noise in augmented data. We develop a denoising training approach. Multiple models are trained with data produced by various augmented methods. Those models provide supervision signals to each other. The experimental results show that our method outperforms the existing state of the art by 3.05 and 4.24 percentage points on two benchmark datasets, respectively. The code will be made open sourced on github.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
