Олександр Лавриненко, Денис Бахтiяров, Олексій Георгійович Голубничий, Олена Жарова
{"title":"МЕТОД БЛОЧНОГО ПЕРЕМЕЖУВАННЯ ТЕКСТОВОЇ ІНФОРМАЦІЇ ДЛЯ ІНТЕГРУВАННЯ В СТЕГАНОГРАФІЧНИЙ АУДІОКОНТЕЙНЕР НА ОСНОВІ МАКСИМАЛЬНОЇ ЕНТРОПІЇ ВЕЙВЛЕТ-КОЕФІЦІЄНТІВ","authors":"Олександр Лавриненко, Денис Бахтiяров, Олексій Георгійович Голубничий, Олена Жарова","doi":"10.18372/2310-5461.56.17129","DOIUrl":null,"url":null,"abstract":"У статті розглядається проблематика первинної обробки та розбиття на оптимальну кількість блоків текстової інформації в залежності від об’єму тексту та стеганографічного аудіоконтейнера, щоб рівномірно інтегрувати її в вейвлет-коефіцієнти по всій смузі частот на кожному рівні вейвлет-перетворення. Зважаючи на це, головне завдання дослідження полягає в знаходженні кількості блоків текстової інформації, та кількості символів в кожному блоці через розрахунок максимальної ентропії вейвлет-коефіцієнтів аудіоконтейнера, що дозволяє врахувати енергетичну спектральну потужність текстової інформації та аудіосигналу в абсолютному взаємозв’язку між собою. Це дозволить підвищити ефективність аудіостеганосистеми при застосуванні алгоритмів стиснення до аудіоконтейнера з інтегрованою в нього текстовою інформацією для її навмисного спотворення чи знищення. Оскільки низькочастотні вейвлет-коефіцієнти з кожним наступним рівнем вейвлет-розкладання будуть збільшувати свою абсолютну потужність за рахунок скалярного добутку з вейвлет-фільтрами, то і текстову інформацію потрібно розбити на таку кількість блоків, щоб інтегрування її в низькочастотні вейвлет-коефіцієнти відбувалося від мінімальних до максимальних значень на кожному рівні вейвлет-перетворення, що дозволить підвищити середню потужність прихованої текстової інформації. Також слід зауважити, що статистичні залежності між символами текстової інформації не дозволяють нам наблизитися до максимальної її ентропії, тому в текстовій інформації потрібно видалити статистичні залежності між символами, що реалізується за допомогою генератора псевдовипадкових чисел, який формує послідовність рівномірно розподілених чисел в заданому інтервалі.","PeriodicalId":388526,"journal":{"name":"Science-based technologies","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Science-based technologies","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18372/2310-5461.56.17129","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
МЕТОД БЛОЧНОГО ПЕРЕМЕЖУВАННЯ ТЕКСТОВОЇ ІНФОРМАЦІЇ ДЛЯ ІНТЕГРУВАННЯ В СТЕГАНОГРАФІЧНИЙ АУДІОКОНТЕЙНЕР НА ОСНОВІ МАКСИМАЛЬНОЇ ЕНТРОПІЇ ВЕЙВЛЕТ-КОЕФІЦІЄНТІВ
У статті розглядається проблематика первинної обробки та розбиття на оптимальну кількість блоків текстової інформації в залежності від об’єму тексту та стеганографічного аудіоконтейнера, щоб рівномірно інтегрувати її в вейвлет-коефіцієнти по всій смузі частот на кожному рівні вейвлет-перетворення. Зважаючи на це, головне завдання дослідження полягає в знаходженні кількості блоків текстової інформації, та кількості символів в кожному блоці через розрахунок максимальної ентропії вейвлет-коефіцієнтів аудіоконтейнера, що дозволяє врахувати енергетичну спектральну потужність текстової інформації та аудіосигналу в абсолютному взаємозв’язку між собою. Це дозволить підвищити ефективність аудіостеганосистеми при застосуванні алгоритмів стиснення до аудіоконтейнера з інтегрованою в нього текстовою інформацією для її навмисного спотворення чи знищення. Оскільки низькочастотні вейвлет-коефіцієнти з кожним наступним рівнем вейвлет-розкладання будуть збільшувати свою абсолютну потужність за рахунок скалярного добутку з вейвлет-фільтрами, то і текстову інформацію потрібно розбити на таку кількість блоків, щоб інтегрування її в низькочастотні вейвлет-коефіцієнти відбувалося від мінімальних до максимальних значень на кожному рівні вейвлет-перетворення, що дозволить підвищити середню потужність прихованої текстової інформації. Також слід зауважити, що статистичні залежності між символами текстової інформації не дозволяють нам наблизитися до максимальної її ентропії, тому в текстовій інформації потрібно видалити статистичні залежності між символами, що реалізується за допомогою генератора псевдовипадкових чисел, який формує послідовність рівномірно розподілених чисел в заданому інтервалі.