کاربرد یادگیری عمیق و شبکه عصبی پیچشی در نهان­کاوی

نهان­نگاری، ابزاری برای ارتباط محرمانه و در مقابل نهان­کاوی علم کشف حضور اطلاعات نهان در رسانه دیجیتال می­باشد. تاکنون نهان­کاوی تصاویر دیجیتالی روی ویژگی­های دست ساز پیچیده متمرکز بوده اند که از جمله آن می­توان به مدل معروف و موفق srm اشاره کرد، اما امروزه با استفاده از مدل­های یادگیری عمیق می­توان ویژگی­های را به صورت خودکار استخراج کرد به عبارت دیگر مراحل استخراج ویژگی و طبقه­بندی تحت یک معماری واحد قرار گرفتند. تکنیک­های نهان­کاوی مختلفی در تصاویر با استفاده از الگوریتم­های یادگیری عمیق از جمله شبکه­های عصبی پیچشی پیاده سازی شده­اند. در این مقاله، به معرفی چهار تکنیک­ نهان­کاوی gncnn، xu-net، ye-net، yedroudj-net در این حوزه پرداخته شده است. پس از بررسی و مقایسه نتایج این چهار روش مشاهده شد که تکنیک yedroudj-net توانسته است به خطای احتمالی مشابه و در اغلب موارد کمتر از مدل srm دست یابد. بنابراین روش­های نهان­کاوی مبتنی بر شبکه­های عصبی پیچشی توانسته­اند کارایی مشابه و حتی در مواردی بهتر از روش­های نهان­کاوی سنتی ارائه دهند.