Analyse de l'évolutivité d'un réseau d'apprentissage profond pour la stéganalyse d'images - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Conference Papers Year : 2021

Analyse de l'évolutivité d'un réseau d'apprentissage profond pour la stéganalyse d'images

Hugo Ruiz
  • Function : Author
  • PersonId : 1087005
Marc Chaumont
Mehdi Yedroudj
Frédéric Comby
Gérard Subsol

Abstract

Depuis l'émergence de l'apprentissage profond et son utilisation dans le domaine de la stéganalyse, la plupart des travaux ont continué à utiliser des CNNs de taille petite à moyenne, et à les faire apprendre sur des bases de données relativement petites. De même, les benchmarks et les comparaisons entre les diérents algorithmes de stéganalyse basés sur des CNNs, sont eectués sur des bases de données de petite à moyenne taille. Ceci ne permet pas de savoir, 1) si le classement entre algorithmes, avec un critère comme l' accuracy , reste le même si la base de données d'apprentissage est plus grande, 2) si l'ecacité des CNNs s'eondre quand la taille de la base d'apprentissage augmente d'un ordre de grandeur, 3) et enn, la taille minimale requise pour obtenir un résultat meilleur que celui obtenu par une prédiction aléatoire. Dans cet article, après une discussion sur le comportement observé des CNNs en fonction de leur taille et de la taille de la base de données, nous conrmons que la loi de puissance de l'erreur est également valable en stéganalyse, et ce dans le cas limite d'un réseau de taille moyenne, sur une base de données diverse, de grande taille, et dont le développement est contrôlé .
Fichier principal
Vignette du fichier
CORESA-2021-RUIZ-CHAUMONT-YEDROUDJ-COMBY-SUBSOL_AnalyseScalabilite.pdf (296.19 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

lirmm-03819818 , version 1 (18-10-2022)

Identifiers

  • HAL Id : lirmm-03819818 , version 1

Cite

Hugo Ruiz, Marc Chaumont, Mehdi Yedroudj, Frédéric Comby, Gérard Subsol. Analyse de l'évolutivité d'un réseau d'apprentissage profond pour la stéganalyse d'images. CORESA 2021 - 21e colloque COmpression et REprésentation des Signaux Audiovisuels, Nov 2021, Sophia Antipolis, France. ⟨lirmm-03819818⟩
64 View
56 Download

Share

More