Intelligent Carrier Allocation: A Cross-Modal Reasoning Framework for Adaptive Multimodal Steganography
Abhirup Das, Pranav Dudani, Shruti Sharma, Ravi Kumar C.V
在当今的数字世界中,它有许多不同类型的媒体,steganography,秘密通信的艺术,有很多问题要处理。 传统方法通常是固定的,并且仅与一种类型的载体媒体一起工作。 这意味着他们与那里的所有不同类型的媒体都相处不好。 这个系统不会向“弱”或易于检测的载体发送数据,因为它无法适应。 这使得系统不那么安全,一般也不那么秘密。 本文提出了基于跨模式推理(CMR)引擎的新型智能运营商分配框架。 这个引擎着眼于广泛的载体,如图像,音频和文本,看看它们是否适合steganography。 它使用重要的测量,如熵,信号复杂性和词汇丰富性,为每个模式得出一个单一的可靠性得分。 该框架使用这些分数来公平和智能地共享秘密比特流,为被认为更强大和更复杂的运营商提供更多数据。 这种适应性分配策略使系统尽可能难以找到,并且尽可能强大地对抗Steganalysis。 我们证明,与静态、非自适应的多模态技术相比,这种基于推理的方法在数据保护方面更安全、更优越。 这使得建立更强大、更智能的秘密通信系统成为可能。
In today's digital world, which has many different types of media, steganography, the art of secret communication, has a lot of problems to deal with. Traditional methods are often fixed and only work with one type of carrier media. This means they don't work well with all the different types of media that are out there. This system doesn't send data to "weak" or easily detectable carriers because it can't adapt. This makes the system less safe and less secret in general. This paper proposes a n...
