An improved image steganography scheme based on deep learningapproach and quadruple security layers
Derin öğrenme yaklaşımı ve dörtlü güvenlik katmanlarına dayalı geliştirilmiş bir görüntü steganografi şeması
- Tez No: 936423
- Danışmanlar: DOÇ. DR. SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, ACO algoritması aracılığıyla görüntülerde veri kümesinin gizlenmesinin iyileştirilmesi için yeni bir yaklaşım amaçlamaktadır. Dijital görüntü steganografisi, iki temel hedef arasında bir denge gerektirir: bu, verilerin gizlenmesinin maksimum optimizasyonunu sağlar; ayrıca, gizlenecek orijinal görüntünün kalitesinin optimize edilmesi yoluyla görüntünün fark edilme olasılığını da azaltır. Birçok mevcut steganografik yöntem, bir noktada yukarıdaki ve aşağıdaki hedefleri feda etme eğilimindedir. Tez, gizli veri kümesini tutmak için gri ölçekli bir sığınak görüntüsü kullanarak gömme kapasitesini artırmak için tasarlanmış olan“ACO-LSB”yaklaşımını tanıtmaktadır. Bu, görüntünün bütünlüğünün bir kontrol toplamını veya gizli mesajın bir kontrol toplamını yapmak için bayt (b) olarak ekstra bir bit çifti ekleyerek. Yöntem, gizli bilgileri bit çiftleri olarak şifreler ve gri ölçekli sıkıştırılmamış görüntülere gömer. ACO'da kullanılan algoritma, piksel konumlarını bulmak ve görüntü kalitesi üzerindeki güçlü etkiyi azaltırken veri gömme kapasitesini artırmak için uyarlanabilir taramadır. Aksi takdirde, genel optimizasyon süreci bağlamında durgunlukla ilgili sorunları önlemek için belirli feromon değerleri döngüsel bir şekilde değiştirilir - değerler piksellerin uygun seçimi için ideal olmalıdır. ACO-LSB yönteminin performans sonuçları olağanüstüdür ve bu araştırma, geleneksel yöntemlere kıyasla gömme kapasitesinde %30'a kadar artışla sonraki görüntü düzenlemesinde iyileştirmeye olanak sağladığını doğrulamaktadır. Teknoloji, ortalama maksimum Tepe Sinyal-Gürültü Oranı (PSNR) (40,5) dB ve Yapısal Benzerlik İndeksi (SSIM) (0,98) elde eder. Dahası, Metodoloji, tespit oranlarını %20 oranında azaltarak tespite karşı güçlü bir direnç göstermektedir. Model, MATLAB R2023a kullanılarak uygulanmış ve 1000 gri tonlamalı resimden oluşan halka açık bir veri kümesi üzerinde test edilerek etkinliğine dair güçlü kanıtlar sağlamıştır.
Özet (Çeviri)
This thesis intends a fresh approach for the improvement of dataset secreting in images via the ACO algorithm. Digital image steganography requires a balance between two essential goals: this provides the maximum optimization of the concealment of data; it would also reduce the possibility of the image from existence noticed via optimizing the quality of the original image to be concealed. Many current steganographic methods tend to sacrifice the goals above and below at some point. The thesis introduces the“ACO-LSB”approach, which is designed to enhance embedding capacity using a gray-scale shelter image to hold secret dataset through adding an extra bit-pair in byte (b) to make a checksum of the integrity of the image or a check sum of the hidden message. The method encrypts secret information as the pairs of bits and embeds into the uncompressed images in grey scale. The algorithm used in the ACO is the adaptive scanning to find pixel locations and increase the data embedding capacity while decreasing the strong impact on the image quality. Otherwise, the specific pheromone values are changed in a cyclical fashion to avoid problems with stagnation in the context of the overall optimization process – the values should be ideal for proper selection of pixels. The performance results of the ACO-LSB method are outstanding and this research confirms that they enabled enhancement in the subsequent image embodiment, with up to a 30% increase in embedding capacity compared to traditional methods. Technology achieves an average maximum Peak Signal-to-Noise Ratio (PSNR) of (40.5) dB and Structural Similarity Index (SSIM) of (0.98). Furthermore, Methodology shows strong resistance to detection, reducing detection rates by 20%. The model was implemented using MATLAB R2023a and tested on a publicly available dataset of 1000 gray-scale pictures, providing strong evidence of its effectiveness.
Benzer Tezler
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Eksternal etmoidektomiler
Başlık çevirisi yok
ERCÜMENT AKMAN
Tıpta Uzmanlık
Türkçe
1987
Kulak Burun ve BoğazGazi ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. NECMETTİN AKYILDIZ
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
Yüksek Lisans
Türkçe
1986
Besin Hijyeni ve Teknolojisiİstanbul ÜniversitesiÇocuk Gelişimi Ana Bilim Dalı
DOÇ. DR. TÜRKAN KUTLUAY
- İzmir'de Mustafa Kemal Bulvarı'nın peyzaj mimarlığı açısından etüdü ve peyzaj projesi
Başlık çevirisi yok
ENGİN ALPARSLAN
Yüksek Lisans
Türkçe
1985
Peyzaj MimarlığıEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT ERDEM