Эффективное обнаружение стеганографически скрытой информации посредством интегрального классификатора на основе сжатия данных

Предлагается концепция интегрального классификатора, предназначенного для повышения точности методов стегоанализа, которые базируются на машинном обучении. Вместо одиночного классификатора, принимающего решение о пустоте или заполненности контейнера, предлагается обучать набор классификаторов, каждый из которых предназначен для обработки контейнеров с определёнными свойствами. В качестве реализации данной концепции представлен интегральный классификатор, основанный на сжатии данных, что подразумевает выбор отдельного классификатора из набора на основе коэффициентов сжатия контейнеров. Эффективность предлагаемого классификатора для решения задачи обнаружения скрытой информации экспериментально продемонстрирована для современных методов адаптивного внедрения HUGO, WOW и S-UNIWARD на изображениях-контейнерах из известной базы BOSSbase 1.01. Показано, что в зависимости от метода внедрения и количества скрываемой информации ошибку обнаружения можно снизить на 0,05–0,16 по сравнению с лучшими из известных результатов.