Resumen

Los métodos tradicionales de esteganálisis basados en aprendizaje automático en el habla comprimida han logrado gran éxito en el campo de la seguridad de la comunicación. Sin embargo, estudios previos carecían de modelado matemático de la correlación entre las palabras de código, y aún hay espacio para mejorar en el esteganálisis para muestras de tamaño pequeño y con baja tasa de incrustación. Para hacer frente al desafío, utilizamos redes bayesianas para medir diferentes tipos de correlaciones entre palabras de código en el código de predicción lineal y presentamos la estrategia de cuatro pasos F3SNet: incrustación, codificación, atención y clasificación para el esteganálisis de modulación de índice de cuantización en el habla comprimida basado en la red de atención jerárquica. Entre ellos, la incrustación convierte las palabras de código en vectores numéricos de alta densidad, la codificación utiliza las características de memoria de LSTM para retener más información distribuyéndola entre todos sus vectores, y la atención determina aún más qué vectores

• 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:Tradicional; Aprendizaje automático; Esteganálisis; Voz comprimida; Redes bayesianas; F3SNet
• Keywords:Traditional; Machine learning; Steganalysis; Compressed speech; Bayesian networks; F3SNet