Показати скорочену інформацію

dc.contributor.authorПлатонова, О. С.uk
dc.contributor.authorЛукічов, В. В.uk
dc.contributor.authorPlatonova, O.en
dc.contributor.authorLukichov, V.en
dc.date.accessioned2026-03-30T07:48:36Z
dc.date.available2026-03-30T07:48:36Z
dc.date.issued2026
dc.identifier.citationПлатонова О. С., Лукічов В. В. Засіб стеганографічного захисту інформації на основі оцінки візуального маскування // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28045.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/51031
dc.description.abstractIn modern conditions of digitalization, ensuring the confidentiality of data transmission in open communication channels is critically important. Traditional steganography methods often create statistical anomalies that are easily detected by modern neural network analyzers, which endangers information security. To solve this problem, a steganographic information security technology based on the assessment of visual masking and minimization of statistical distortions is proposed. The system allows for the automatic identification of texture areas within the cover image where data embedding is least noticeable to both the human eye and software detectors. The implementation of the proposed approach will increase the stealth of communication and ensure the security of transmitted messages through the adaptive selection of embedding parameters.en
dc.description.abstractУ сучасних умовах цифровізації критично важливим є забезпечення конфіденційності передачі даних у відкритих каналах зв'язку. Традиційні методи стеганографії часто створюють статистичні аномалії, які легко виявляються сучасними нейромережевими аналізаторами, що ставить під загрозу безпеку інформації. Для розв’язання цієї задачі запропоновано інформаційну технологію стеганографічного захисту на основі оцінки візуального маскування та мінімізації статистичних спотворень. Система дозволяє автоматично виявляти текстурні області зображення-контейнера, де вбудовування даних є найменш помітним для людського ока та програмних детекторів. Впровадження запропонованого підходу дозволить підвищити прихованість зв'язку та забезпечити цілісність переданих повідомлень завдяки адаптивному вибору параметрів вбудовування.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28045
dc.subjectстеганографіяuk
dc.subjectадаптивне вбудовуванняuk
dc.subjectвізуальне маскуванняuk
dc.subjectстатистичні аномаліїuk
dc.subjectстеганоаналізen
dc.subjectsteganographyen
dc.subjectadaptive embeddingen
dc.subjectvisual maskingen
dc.subjectstatistical anomaliesen
dc.subjectJPEGen
dc.subjectsteganalysisen
dc.titleЗасіб стеганографічного захисту інформації на основі оцінки візуального маскуванняuk
dc.typeThesis
dc.identifier.udc004.056.5
dc.relation.referencesFiller T., Judas J., Fridrich J. Minimizing embedding impact in steganography using trellis-coded quantization. Proc. SPIE. 2010en
dc.relation.referencesGeneral scheme of the Adaptive Steganography by Oracle (ASO) [Електронний ресурс]/ResearchGate. – 2014. – Режим доступу до ресурсу: https://www.researchgate.net/figure/General-scheme-of-the-Adaptive-Steganography-byOracle-ASO_fig1_261491484.en
dc.relation.referencesDeep Residual Network for Steganalysis of Digital Images (SRNet) [Електронний ресурс]. – Режим доступу: https://www.scribd.com/document/669196111/Deep-Residual-Network-for-Steganalysis-of-Digital-Imagesen
dc.relation.referencesXu-Net: Convolutional Neural Networks for Steganalysis [Електронний ресурс]. – Режим доступу: https://dnb.info/1217184333/34.en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію