ترغب بنشر مسار تعليمي؟ اضغط هنا

تطوير طريقة لإخفاء البيانات في صورة بتقسيمها إلى بلوكات مختلفة الحجم بطريقة عشوائية

Developing an Approach for Data Steganography in Image by Segmentation to Different Size Random Blocks

1516   2   15   0 ( 0 )
 تاريخ النشر 2017
  مجال البحث هندسة الحاسب الآلي
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

يقترح هذا البحث طريقة اخفاء جديدة بتقسيم عشوائي للصورة إلى بلوكات مختلفة الحجم مع خوارزميات إخفاء متعددة لرفع سرية البيانات المخفية. كلا الصور الملونة و الرمادية استعملت كملف غطاء في طريقتنا.


ملخص البحث
يقترح هذا البحث طريقة جديدة لإخفاء البيانات في الصور عن طريق تقسيمها إلى بلوكات بأحجام عشوائية. يتم استخدام كل من الصور الملونة والرمادية كملفات غطاء. يتم تقسيم الصورة أولاً إلى بلوكات بأحجام عشوائية، ثم يتم استخدام خوارزميات مختلفة تعتمد على تقنية الخانة الأقل أهمية (LSB) للإخفاء داخل هذه البلوكات. بعد ذلك، يتم تطبيق تقنية ضبط البكسل المثلى (Optimal Pixel Adjustment Process) لتقليل التشوه الناتج عن إخفاء البيانات. العشوائية في أحجام البلوكات تلعب دورًا مهمًا في زيادة السرية ضد الهجمات. تظهر النتائج التجريبية أن الطريقة المقترحة تقلل من تشويه الصورة وتزيد من السرية ضد الهجمات. تم تقييم جودة الصورة باستخدام معايير مثل PSNR و MSE، وأظهرت النتائج أن جودة الصور المخفية جيدة جدًا ولا تعاني من تشوهات مرئية. كما تمت مقارنة الطريقة المقترحة مع طرق أخرى وأظهرت تفوقها في زيادة السرية وتقليل التشوه.
قراءة نقدية
دراسة نقدية: يعتبر البحث مقترحًا جيدًا في مجال إخفاء البيانات، حيث يقدم طريقة مبتكرة باستخدام تقسيم عشوائي للبلوكات. ومع ذلك، يمكن أن تكون هناك بعض التحديات في التطبيق العملي للطريقة المقترحة، خاصة فيما يتعلق بوقت المعالجة والحاجة إلى موارد حسابية كبيرة لتقسيم الصورة ومعالجة البلوكات بشكل عشوائي. بالإضافة إلى ذلك، قد يكون من المفيد تقديم مقارنة أكثر تفصيلًا مع تقنيات الإخفاء الأخرى لتوضيح الفوائد والعيوب بشكل أكثر شمولية. من الجيد أيضًا دراسة تأثير العشوائية على أنواع مختلفة من الصور وليس فقط الصور القياسية المستخدمة في الاختبارات.
أسئلة حول البحث
  1. ما هي التقنية الأساسية المستخدمة في إخفاء البيانات في هذا البحث؟

    التقنية الأساسية المستخدمة هي تقنية الخانة الأقل أهمية (LSB) للإخفاء داخل البلوكات العشوائية الحجم.

  2. كيف يتم تقليل التشوه الناتج عن إخفاء البيانات في الصورة؟

    يتم تقليل التشوه باستخدام تقنية ضبط البكسل المثلى (Optimal Pixel Adjustment Process).

  3. ما هو الدور الذي تلعبه العشوائية في أحجام البلوكات في زيادة السرية؟

    العشوائية في أحجام البلوكات تجعل من الصعب على المهاجمين تحديد مواقع البيانات المخفية، مما يزيد من السرية ضد الهجمات.

  4. ما هي المعايير المستخدمة لتقييم جودة الصورة بعد إخفاء البيانات؟

    تم تقييم جودة الصورة باستخدام معايير مثل PSNR (نسبة الإشارة إلى الضوضاء القصوى) وMSE (متوسط مربع الخطأ).


المراجع المستخدمة
KAUR A, DHIR R, SIKKA G., 2009 "A New Image Steganography Based On First Component Alteration Technique", International Journal of Computer Science and Information Security, Vol.6,No.3, 53-56
SANCHETI A., 2012 " Pixel Value Differencing Image Steganography Using Secret Key ", International Journal of InnoVatiVe Technology and Exploring Engineering, Vol.2,No.1, 68-72
ISLAM R, SIDDIQA A, UDIN P, MANDAL A.K, HOSSAIN D., 2014 "An Efficient Filtering Based Approach Improving LSB Image Steganography using Status Bit along with AES Cryptography", IEEE 3rd INTERNATIONAL CONFERENCE ON INFORMATICS, ELECTRONICS & VISION
قيم البحث

اقرأ أيضاً

جرى في هذا البحث اقتراح طريقة لإخفاء رسائل نصية رقمية داخل بيانات لصور رقمية (بـ 256 مستوى رمادياً). و قد أجريت بعض الاختبارات، على الطريقة المقترحة، لإخفاء نصوص ضمن بيانات لصور رقمية، و لوحظ من خلال النتائج المسجلة أن الطريقة المقترحة في هذا البح ث تقدم وسيلة مناسبة يمكن تبنيها بوصفها إحدى الوسائل المستخدمة في مجال إخفاء البيانات.
إسناد التأليف هو مهمة تعيين وثيقة غير معروفة إلى مؤلف من مجموعة من المرشحين.في الماضي، تستخدم الدراسات في هذا المجال مجموعات بيانات التقييم المختلفة لإظهار فعالية الخطوات والميزات والنماذج مسبقا.ومع ذلك، فإن جزء صغير فقط من الأعمال يستخدم أكثر من مجم وعة بيانات لإثبات المطالبات.في هذه الورقة، نقدم مجموعة من مجموعات بيانات إيسبت الأمعاء المتنوعة للغاية، والتي تعميم نتائج التقييم بشكل أفضل من أبحاث إسناد التأليف.علاوة على ذلك، نقوم بتنفيذ مجموعة واسعة من نماذج تعلم الآلات المستخدمة سابقا وإظهار أن العديد من النهج تظهر عروضا مختلفة بشكل كبير عند تطبيقها على مجموعات بيانات مختلفة.ندرج نماذج لغة مدربة مسبقا، لأول مرة اختبرها في هذا المجال بطريقة منهجية.أخيرا، نقترح مجموعة من الدرجات المجمعة لتقييم جوانب مختلفة من جمع البيانات.
اقترحت في هذا العمل طريقة طيفية مباشرة حساسة لتعيين النيكل الثلاثي تعتمد على تشكل معقد أحمر خمري منحل بين شوارد النيكل الثلاثي و كاشف ال DMG في وسط قلوي قوي من ماءات الصوديوم pH=12.5, يمتص الاشعاع الكهرطيسي عند الطول الموجي 465nm .
قمنا في هذا البحث بإدخال خوارزمية اختيار السمات المستندة على الضبط regularization للاستفادة من خصائص الخلخلة و تجميع السمات و ادراجه في مهمة تصنيف الصور الطبية، باستخدام الطريقة المعتمدة على خلخلة المجموعة group sparsity التي تُمكن من الإبقاء أو ال حذف على مجموعة كاملة من السمات. إن الفكرة الأساسية في خلخلة المجموعة هي حذف السمات التي لا تؤثر على عملية الاستعادة بدلاً من الإبقاء على هذه السمات و اعطائها أوزان قليلة، و بالتالي تعتبر كخوارزمية لتحسين النظام عن طريق زيادة دقة النتائج بالإضافة الى تخفيض المتطلبات الزمنية و التخزينية التي يحتاجها النظام.
نقترح معالجة مهام توليد البيانات إلى النص عن طريق الربط مباشرة من جانب شرائح النص من الأزواج المستهدفة من الجيران.على عكس العمل الحديث الذي تقوم بالشروط على الجيران المسترجع ولكن يولد رمزا نصي نصي، من اليسار إلى اليمين، نتعلم السياسة التي تتعامل مباش رة على شرائح النص الجار، عن طريق إدخال أو استبدالها بأجيال مبنية جزئيا.تتطلب التقنيات القياسية للتدريب مثل هذه السياسة عن اشتقاق أوراكل لكل جيل، ونثبت أن العثور على أقصر مثل هذا الاشتقاق يمكن تخفيضها إلى التحليل تحت قواعد محددة معينة خالية من السياق.نجد أن السياسات المستفادة بهذه الطريقة تؤدي على قدم المساواة مع خطوط أساس قوية من حيث التقييم التلقائي والبشري، ولكن السماح لمزيد من الجيل القابل للتفسير والتحكم.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا