Resumen

Este artículo presenta un enfoque esteganalítico contra la esteganografía de video que modifica el vector de movimiento (MV) de manera adaptativa al contenido. Los esquemas esteganalíticos actuales extraen características de cuadros de longitud fija de todo el video y no aprovechan la diversidad de contenido. En consecuencia, la efectividad de la característica esteganalítica está influenciada por el contenido del video y el problema de la falta de coincidencia de la fuente de cobertura también afecta el rendimiento esteganalítico. El objetivo de este artículo es proponer un método esteganalítico que pueda suprimir las diferencias de características estadísticas causadas por el contenido del video. El video dado se segmenta en subsecuencias según los bloques de movimiento en cada cuadro. Las características esteganalíticas extraídas de cada categoría de subsecuencias con intensidad de movimiento cercana se utilizan para construir un clasificador. El resultado esteganalítico final se puede obtener fusionando los resultados de clasificadores ponderados. Los resultados experimentales han demostrado que nuestro método puede mejorar efect

• Materias:Amenaza avanzada persistente Internet de las cosas Seguridad cibernética Estegoanálisis Cifrado descentralizado
• Subjects:Advanced persistent threat Internet of things Cyber security Stegoanalysis Decentralized encryption
• Palabras claves:Enfoque; Esteganografía de vídeo; Vector de movimiento; Método esteganalítico; Diversidad de contenido; Características estadísticas
• Keywords:Approach; Video steganography; Motion vector; Steganalytic method; Content diversity; Statistical characteristics