Resumen

En la era del big data, la red neuronal convolucional (CNN) se ha utilizado ampliamente en el campo de la clasificación de imágenes y ha logrado un rendimiento excelente. Cada vez más investigadores están comenzando a combinar redes neuronales profundas con esteganálisis para mejorar el rendimiento en los últimos años. Sin embargo, la mayoría de los algoritmos de esteganálisis basados en la red neuronal convolucional solo han realizado pruebas con los algoritmos WOW y S-UNIWARD; mientras tanto, su versatilidad es insuficiente debido al largo tiempo de entrenamiento y al límite del tamaño de imagen. Este artículo propone una nueva arquitectura de red, llamada SFRNet, para resolver estos problemas. La capa de extracción y fusión de características puede extraer más características de la imagen digital. El bloque RepVgg se utiliza para acelerar la inferencia y aumentar la utilización de memoria. El bloque SE mejora la tasa de precisión de detección porque puede aprender pesos de características para crear mapas de características efectivos con pesos significativos y mapas de características inválidos o inef

• 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:Big data; Red neuronal convolucional; Steganalysis; SFRNet; Bloque RepVgg; Bloque SE
• Keywords:Big data; Convolutional neural network; Steganalysis; SFRNet; RepVgg block; SE block