Resumen

Las redes neuronales profundas se han convertido en la base de muchos sistemas inteligentes modernos. Recientemente, el autor ha explorado el aprendizaje adversarial para la esteganografía invertible (ALIS) y ha demostrado el potencial de las redes neuronales profundas para revitalizar un método esteganográfico invertible obsoleto. Con la popularización mundial de Internet de las cosas y la computación en la nube, la esteganografía invertible puede ser reconocida como una forma favorable de facilitar la gestión de datos y la autenticación debido a la capacidad de incrustar información sin causar distorsión permanente. Ante las crecientes preocupaciones sobre ciberseguridad, es importante avanzar en la investigación de la esteganografía invertible para datos encriptados. De hecho, la investigación multidisciplinaria en esteganografía invertible y computación de criptoespacio ha recibido considerable atención. En este documento, ampliamos trabajos anteriores y abordamos el problema de la esteganografía invertible de criptoespacio con redes neuronales profundas. Específicamente, revisitamos

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Redes neuronales profundas; Esteganografía invertible; Aprendizaje adversarial; Computación criptoespacial; Cifrado; Ciberseguridad
• Keywords:Deep neural networks; Invertible steganography; Adversarial learning; Cryptospace computing; Encryption; Cybersecurity