چکیده مقاله
پنهان نگاری دیجیتال در سال های اخیر با ورود مدل های مولد عمیق دستخوش تحول اساسی شده است مدل های تقابلی مولد GAN و مدل های انتشار Diffusion Models توانسته اند ظرفیت، پایداری و غیرقابل تشخیص بودن داده های پنهان را به طور چشمگیری افزایش دهند استفاده از این مدل ها امکان تولید یا دست کاری محتوای بصری را به شکلی فراهم می کند که پیام پنهان در میان بافت های پیچیده تصویر و ویدئو ادغام شده و در برابر روش های تحلیل و آشکارسازی مقاوم تر شود پیشرفت های اخیر در این حوزه نشان می دهد که مدل های مولد قادرند علاوه بر افزایش کیفیت رسانه ی پوششی، امنیت انتقال داده را نیز تقویت کنند با وجود این دستاوردها، چالش هایی همچون مصرف محاسباتی بالا، نیاز به داده های آموزشی گسترده و آسیب پذیری در برابر روش های استگانالیز مبتنی بر یادگیری عمیق همچنان پابرجاست بررسی روندها نشان می دهد که حرکت به سوی ترکیب روش های مولد، بهینه سازی شبکه ها برای رسانه های ویدئویی و توسعه ی الگوریتم های مقاوم در سناریوهای دنیای واقعی، مسیر آینده ی این حوزه را شکل خواهد داد
کلیدواژهها
نویسندگان
شهلا موسوی
دانشجوی دکترای دانشگاه آزاداسلامی، واحد اصفهان خوراسگان ،اصفهان،ایران
شیوه ارجاع
موسوی، شهلا،1405،مرور جامع تکنیک های پنهان نگاری تصویر و ویدئو با استفاده از مدل های مولد: GAN و Diffusion،سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 اردیبهشت 1405 · شیروان