كاربرد يادگيري عميق و شبكه عصبي پيچشي در نهان كاوي

نهان نگاري، ابزاري براي ارتباط محرمانه و در مقابل نهان كاوي علم كشف حضور اطلاعات نهان در رسانه ديجيتال مي باشد. تاكنون نهان كاوي تصاوير ديجيتالي روي ويژگي هاي دست ساز پيچيده متمركز بوده اند كه از جمله آن مي توان به مدل معروف و موفق SRM اشاره كرد، اما امروزه با استفاده از مدل هاي يادگيري عميق مي توان ويژگي هاي را به صورت خودكار استخراج كرد به عبارت ديگر مراحل استخراج ويژگي و طبقه بندي تحت يك معماري واحد قرار گرفتند. تكنيك هاي نهان كاوي مختلفي در تصاوير با استفاده از الگوريتم هاي يادگيري عميق از جمله شبكه هاي عصبي پيچشي پياده سازي شده اند. در اين مقاله، به معرفي چهار تكنيك نهان كاوي GNCNN ،Xu-NET ،Ye-NET ،YEDROUDJ-NET در اين حوزه پرداخته شده است. پس از بررسي و مقايسه نتايج اين چهار روش مشاهده شد كه تكنيك YEDROUDJ-NET توانسته است به خطاي احتمالي مشابه و در اغلب موارد كمتر از مدل SRM دست يابد. بنابراين روش هاي نهان كاوي مبتني بر شبكه هاي عصبي پيچشي توانسته اند كارايي مشابه و حتي در مواردي بهتر از روش هاي نهان كاوي سنتي ارائه دهند.