Аналіз атак на стеганографічні алгоритми та цифрові водяні знаки
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Analysis of attacks on steganographic algorithms and digital watermarks
Анотація
The paper systematizes and analyzes the main classes of attacks on steganographic algorithms and digital watermarking systems. Steganalysis methods are reviewed — from statistical approaches to neural-network detectors — as well as the classification of watermarking attacks into removal, geometric, cryptographic, and protocol categories. Special attention is paid to modern threats associated with the use of generative artificial intelligence for removing watermarks from generated images.
У роботі систематизовано та проаналізовано основні класи атак на стеганографічні алгоритми та системи цифрових водяних знаків (watermarking). Розглянуто методи стеганоаналізу — від статистичних підходів до нейромережевих детекторів, а також класифікацію атак на водяні знаки за категоріями видалення, геометричних, криптографічних і протокольних атак. Окрему увагу приділено сучасним загрозам, пов’язаним із застосуванням генеративного штучного інтелекту для видалення водяних знаків із згенерованих зображень.
У роботі систематизовано та проаналізовано основні класи атак на стеганографічні алгоритми та системи цифрових водяних знаків (watermarking). Розглянуто методи стеганоаналізу — від статистичних підходів до нейромережевих детекторів, а також класифікацію атак на водяні знаки за категоріями видалення, геометричних, криптографічних і протокольних атак. Окрему увагу приділено сучасним загрозам, пов’язаним із застосуванням генеративного штучного інтелекту для видалення водяних знаків із згенерованих зображень.
Опис
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Марчук М. Б., Лукічов В. В. Аналіз атак на стеганографічні алгоритми та цифрові водяні знаки // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI:https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30204.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (9)
- Westfeld A., Pfitzmann A. Attacks on Steganographic Systems: Breaking the Steganographic Utilities EzStego, Jsteg, Steganos, and S-Tools — and Some Lessons Learned // Information Hiding. Lecture Notes in Computer Science, vol. 1768. Berlin, Heidelberg : Springer, 2000. P. 61–76.
- Li B., He J., Huang J., Shi Y. Q. A Survey on Image Steganography and Steganalysis // Journal of Information Hiding and Multimedia Signal Processing. 2011. Vol. 2, No. 2. P. 142–172. Режим доступу: https://bit.kuas.edu.tw/~jihmsp/2011/vol2/JIH-MSP-2011-03-005.pdf
- Image steganography techniques for resisting statistical steganalysis attacks: A systematic literature review [Електронний ресурс] // PLOS ONE. 2024. Режим доступу: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0308807
- Sensitivity of deep learning applied to spatial image steganalysis [Електронний ресурс] // PeerJ Computer Science. 2021. Режим доступу: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8444093/
- Deep learning for steganalysis: evaluating model robustness against image transformations [Електронний ресурс] // Frontiers in Artificial Intelligence. 2025. Режим доступу: https://www.frontiersin.org/journals/artificialintelligence/articles/10.3389/frai.2025.1532895/full
- A Comprehensive Review on Digital Image Watermarking [Електронний ресурс]. arXiv:2207.06909. 2022. Режим доступу: https://arxiv.org/abs/2207.06909
- Zhao X., Zhang K., Su Z. et al. Invisible Image Watermarks Are Provably Removable Using Generative AI // Advances in Neural Information Processing Systems (NeurIPS). 2024. Режим доступу: https://arxiv.org/abs/2306.01953
- Zhang H., Edelman B. L., Francati D. et al. Watermarks in the Sand: Impossibility of Strong Watermarking for Generative Models // International Conference on Machine Learning (ICML). 2024. Режим доступу: https://arxiv.org/abs/2311.04378
- Secure and Robust Watermarking for AI-generated Images: A Comprehensive Survey [Електронний ресурс]. arXiv:2510.02384. 2025. Режим доступу: https://arxiv.org/abs/2510.02384