Resumen

Actualmente, las características de esteganálisis del popular Rich Model suelen contener un gran número de componentes de características redundantes que pueden llevar a la maldición de la dimensionalidad y a un alto costo computacional, pero los métodos de selección de características existentes son difíciles de reducir efectivamente la dimensionalidad cuando hay muchos componentes de características efectivas fuertemente correlacionados. Este artículo propone un nuevo método de selección para las características de esteganálisis del Rich Model. Primero, se mide la separabilidad de cada componente de característica en los submodelos del Rich Model basándose en el criterio de Fisher, y los componentes de características se ordenan en orden descendente según la separabilidad. Segundo, se calcula el coeficiente de correlación entre cualquier par de componentes de características en cada submodelo, y se realiza la selección de características de acuerdo con el valor de Fisher de cada componente y los coeficientes de correlación. Finalmente, los submodelos seleccionados se combinan como la característica final de esteganálisis. Los resultados muestran que el método propuesto de selección de características puede reducir efectivamente las dimensional

• 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:Propuesta; Método de selección de características; Modelo rico; Características de esteganálisis; Dimensionalidad; Coeficientes de correlación
• Keywords:Proposed; Feature selection method; Rich Model; Steganalysis features; Dimensionality; Correlation coefficients