Details

На сегодняшний день одной из самых приоритетных задач для любого держателя информации является ее сохранение свойств конфиденциальности, доступности и целостности. Наличие широкого спектра каналов и способов передачи данных усложняют контроль за распространением важных и ценных данных. Сложность обуславливается тем, что, передаваемые файлы, на первый взгляд не содержащие важных для первоначального держателя сведений, могут скрывать в себе чувствительное содержимое, например, объекты интеллектуальной собственности. В данной работе изучается задача распознавания скрытого содержимого в изображениях. Рассматриваются алгоритмы сокрытия текстового содержимого для дальнейшей инъекции в изображения, а также методы детектирования такого содержимого с применением нейросетевых технологий. Проведён обзор ключевых архитектур классических сверточных нейронных сетей, сетей с остаточными связями и сиамских сверточных сетей. Реализован обучающий метод, включающий подготовку набора данных с применением адаптивных алгоритмов стеганографии, произведен выбор метрик качества для дальнейших вычислительных экспериментов. Предлагается общая структура алгоритма распознавания замаскированной передачи информации, описывается программная реализация модулей распознавания. Объектом исследования являются цифровые изображения, содержащие скрытую информацию, предметом – методы машинного обучения, применяемые для обнаружения такой информации. Работа базируется на современных исследованиях в области компьютерного зрения, анализа данных и информационной безопасности. Целью настоящей научно-исследовательской работы Разработка и исследование гибридной нейросетевой модели для детектирования и локализации скрытых вложений в цифровых изображениях.

Today, one of the highest priorities for any information holder is to preserve its confidentiality, accessibility, and integrity properties. The availability of a wide range of data transmission channels and methods makes it harder to control the distribution of important and valuable files. The complexity is caused by the fact that the transferred files, which at first glance do not contain important information for the original holder, may conceal sensitive content, for example, intellectual property objects. In this paper, we study the problem of recognizing hidden content in images. Algorithms for hiding text content for further injection into images are considered, as well as methods for detecting such content using neural network technologies. The general structure of the masked information transmission recognition algorithm is proposed, and the software implementation of recognition modules is described. The object of the study is digital images containing hidden information, the subject is machine learning methods used to detect such information. The work is based on modern research in the field of computer vision, data analysis and information security. The purpose of this research paper is to develop and study a hybrid neural network model for detecting and localizing hidden attachments in digital images.