ارائه یک روش کورومقاوم جدیددرنهان نگاری صوت مبتنی برالگوریتم های یادگیری ماشین

تاکنون روشهای متعددی درحوزه زمان و تبدیل به منظورنهان نگاری صوت ارایه گردیده است که اکثرآنها سعی دریافتنموقعیت های مناسب جهت جادهی دنباله نهان نگاره درسیگنال میزبان دارند تا بتوانند دربرابرحملات پردازش سیگنال مصالحه میان مقاوم پذیری و شفافیت را بهبود بخشند اما بایدبه این نکته توجه داشت که استخراج نهان نگاره نیزهماننددرج آن ازاهمیت بسیاربالایی برخوردار میباشد دراین پژوهش با معرفی یک روش مدلاسیون جدید درحوزه FFT درمرحله درج و رویکردی متفاوت درمرحله استخراج با استفاده ازماشین بردارپشتیبان توانسته ایم فرایند استخراج نهان نگاره را بادقت بسیاربالایی انجام دهیم درروش پیشنهادی نهان نگاره ازسه قسمت اطلاعات مرجع کدهمگام سازی و امضای مالک تشکیل یافته است دراین روش با استفاده ازsVM همبستگی بین داده اصلی و داده نهان نگاری شده را مدلسازی می کنیم برای این منظورماشین یادگیرخود را براساس اطلاعات مرجع اموزش میدهیم درمرحله استخراج نیز با استفاده ازکدهمگام سازی مکان استخراج نهان نگاره مشخص میشود سپس با استفاده ازماشین یادگیراموزش دیده شده و بدون نیاز به سیگنال اصلی امضای مالک بادقت بسیاربالایی استخراج میگردد بدون اینکه تاثیری منفی برروی شفافیت داشته باشد

کلیدواژه ها:

تبدیل فوریهFFT ، ماشین بردارپشتیبان SVM ، یادگیری ماشینMachine Learning