МЕТОД БЛОЧНОГО ПЕРЕМЕЖУВАННЯ ТЕКСТОВОЇ ІНФОРМАЦІЇ ДЛЯ ІНТЕГРУВАННЯ В СТЕГАНОГРАФІЧНИЙ АУДІОКОНТЕЙНЕР НА ОСНОВІ МАКСИМАЛЬНОЇ ЕНТРОПІЇ ВЕЙВЛЕТ-КОЕФІЦІЄНТІВ

Олександр Лавриненко, Денис Бахтiяров, Олексій Георгійович Голубничий, Олена Жарова
{"title":"МЕТОД БЛОЧНОГО ПЕРЕМЕЖУВАННЯ ТЕКСТОВОЇ ІНФОРМАЦІЇ ДЛЯ ІНТЕГРУВАННЯ В СТЕГАНОГРАФІЧНИЙ АУДІОКОНТЕЙНЕР НА ОСНОВІ МАКСИМАЛЬНОЇ ЕНТРОПІЇ ВЕЙВЛЕТ-КОЕФІЦІЄНТІВ","authors":"Олександр Лавриненко, Денис Бахтiяров, Олексій Георгійович Голубничий, Олена Жарова","doi":"10.18372/2310-5461.56.17129","DOIUrl":null,"url":null,"abstract":"У статті розглядається проблематика первинної обробки та розбиття на оптимальну кількість блоків текстової інформації в залежності від об’єму тексту та стеганографічного аудіоконтейнера, щоб рівномірно інтегрувати її в вейвлет-коефіцієнти по всій смузі частот на кожному рівні вейвлет-перетворення. Зважаючи на це, головне завдання дослідження полягає в знаходженні кількості блоків текстової інформації, та кількості символів в кожному блоці через розрахунок максимальної ентропії вейвлет-коефіцієнтів аудіоконтейнера, що дозволяє врахувати енергетичну спектральну потужність текстової інформації та аудіосигналу в абсолютному взаємозв’язку між собою. Це дозволить підвищити ефективність аудіостеганосистеми при застосуванні алгоритмів стиснення до аудіоконтейнера з інтегрованою в нього текстовою інформацією для її навмисного спотворення чи знищення. Оскільки низькочастотні вейвлет-коефіцієнти з кожним наступним рівнем вейвлет-розкладання будуть збільшувати свою абсолютну потужність за рахунок скалярного добутку з вейвлет-фільтрами, то і текстову інформацію потрібно розбити на таку кількість блоків, щоб інтегрування її в низькочастотні вейвлет-коефіцієнти відбувалося від мінімальних до максимальних значень на кожному рівні вейвлет-перетворення, що дозволить підвищити середню потужність прихованої текстової інформації. Також слід зауважити, що статистичні залежності між символами текстової інформації не дозволяють нам наблизитися до максимальної її ентропії, тому в текстовій інформації потрібно видалити статистичні залежності між символами, що реалізується за допомогою генератора псевдовипадкових чисел, який формує послідовність рівномірно розподілених чисел в заданому інтервалі.","PeriodicalId":388526,"journal":{"name":"Science-based technologies","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Science-based technologies","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18372/2310-5461.56.17129","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

У статті розглядається проблематика первинної обробки та розбиття на оптимальну кількість блоків текстової інформації в залежності від об’єму тексту та стеганографічного аудіоконтейнера, щоб рівномірно інтегрувати її в вейвлет-коефіцієнти по всій смузі частот на кожному рівні вейвлет-перетворення. Зважаючи на це, головне завдання дослідження полягає в знаходженні кількості блоків текстової інформації, та кількості символів в кожному блоці через розрахунок максимальної ентропії вейвлет-коефіцієнтів аудіоконтейнера, що дозволяє врахувати енергетичну спектральну потужність текстової інформації та аудіосигналу в абсолютному взаємозв’язку між собою. Це дозволить підвищити ефективність аудіостеганосистеми при застосуванні алгоритмів стиснення до аудіоконтейнера з інтегрованою в нього текстовою інформацією для її навмисного спотворення чи знищення. Оскільки низькочастотні вейвлет-коефіцієнти з кожним наступним рівнем вейвлет-розкладання будуть збільшувати свою абсолютну потужність за рахунок скалярного добутку з вейвлет-фільтрами, то і текстову інформацію потрібно розбити на таку кількість блоків, щоб інтегрування її в низькочастотні вейвлет-коефіцієнти відбувалося від мінімальних до максимальних значень на кожному рівні вейвлет-перетворення, що дозволить підвищити середню потужність прихованої текстової інформації. Також слід зауважити, що статистичні залежності між символами текстової інформації не дозволяють нам наблизитися до максимальної її ентропії, тому в текстовій інформації потрібно видалити статистичні залежності між символами, що реалізується за допомогою генератора псевдовипадкових чисел, який формує послідовність рівномірно розподілених чисел в заданому інтервалі.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
这篇文章讨论的问题是,根据文本和隐写音频容器的容量,对文本信息进行初级处理并分割成最佳数量的文本信息块,以便在小波变换的每一级将其均匀地整合到整个频带的小波系数中。有鉴于此,本研究的主要任务是通过计算音频容器小波系数的最大熵,找出文本信息的块数和每个块中的字符数,从而考虑到文本信息和音频信号在绝对关系上的能谱功率。当对包含文字信息的音频容器应用压缩算法进行故意扭曲或破坏时,这将提高音频隐匿系统的效率。由于低频小波系数在每一级小波分解后都会因与小波滤波器的标量乘积而增加其绝对功率,因此应将文本信息划分为一定数量的区块,使其在每一级小波变换中从最小值到最大值都融入低频小波系数中,这将增加隐藏文本信息的平均功率。还应注意的是,文本信息中字符之间的统计依赖关系并不能使我们接近其最大熵,因此有必要消除文本信息中字符之间的统计依赖关系,这可以通过伪随机数发生器来实现,该发生器可以在给定的区间内生成一串均匀分布的数字。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
OPTIMIZATION OF THE DYNAMIC PARAMETERS OF AN OBJECT IN A MATHEMATICAL MODEL OF SEISMO-ACOUSTIC MONITORING OF NATURAL AND ENGINEERING OBJECTS РОЛЬ ІНФОРМАЦІЙНОГО МОДЕЛЮВАННЯ В ЕФЕКТИВНОМУ УПРАВЛІННІ НАФ-ТОПЕРЕРОБНИМ ПІДПРИЄМСТВОМ (ОГЛЯД) ВЛАСТИВОСТІ АВІАЦІЙНИХ БІОПАЛИВ НА ОСНОВІ БІОДОБАВОК РОСЛИННОГО ПОХОДЖЕННЯ ENSURING SPEED STABILITY OF THE UNMANNED AERIAL VEHICLE IN DIF-FERENT FLIGHT MODES РОЗРОБКА МЕТОДУ ДЕКОДУВАННЯ БЛОКОВИХ КОДІВ НА ОСНОВІ ПРОЦЕДУРИ ДИФЕРЕНЦІЙНОЇ ЕВОЛЮЦІЇ
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1