TY - JOUR ID - 103555 TI - ارائه یک روش استخراج هوشمند در سیستم‌های نهان‌نگاری صوتی بر اساس تبدیل موجک ارتقاء یافته و ماشین بردار پشتیبان JO - مجله علمی رایانش نرم و فناوری اطلاعات JA - JSCIT LA - fa SN - 2383-1006 AU - پورهاشمی, سید مصطفی AU - مصلح, محمد AU - عرفانی, یوسف AD - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران AD - گروه مهندسی برق و کامپیوتر، دانشگاه McMaster، همیلتون، انتاریو، کانادا Y1 - 2020 PY - 2020 VL - 9 IS - 2 SP - 34 EP - 47 KW - نهان نگاری صوتی KW - تبدیل موجک ارتقاء یافته KW - دسته بند KW - یادگیری ماشین KW - ماشین بردار پشتیبان DO - N2 - امروزه رشد سریع استفاده از فناوری اطلاعات و شبکه‌های کامپیوتری، باعث افزایش انتقال اطلاعات در فرم دیجیتال شده است. بهمین دلیل حفاظت از داده‌های ارسالی به یکی از مهمترین چالش‌ها در این زمینه مبدل گشته است. نهان‌نگاری بعنوان یکی از جدیدترین و مهمترین تکنیک‌ها برای حفاظت داده‌ها معرفی شده و مورد استفاده قرار می‌گیرد. نهان‌نگاری صوتی بدلیل ماهیت فایلهای صوتی بعنوان چالش برانگیزترین نوع نهان‌نگاری مطرح شده است. اکثر روش‌های استخراج در الگوریتم‌های نهان‌نگاری که عمدتاً از تکنیک‌های غیر هوشمند و بر اساس معکوس قوانین درج، برای فاز استخراج در نهان نگاری صوتی استفاده می‌کنند، اغلب قادر به استخراج دقیق نهان‌نگاره نیستند و خطای زیادی در تشخیص دارند. راهکار پیشنهادی ما برای حل این مشکل، استفاده از الگوریتمی هوشمند برای استخراج نهان‌نگاره است. هدف این مقاله، ارائه روشی است که با استفاده از دسته‌بند آموزش دیده‌ی مبتنی بر یادگیری ماشین نقاط ضعف روش‌های استخراج غیرهوشمند را پوشش داده و به بهبود عملکرد سیستم کمک کند. برای عملیات درج در روش پیشنهادی از تبدیل موجک ارتقا یافته استفاده نموده و در بخش استخراج نیز از دسته‌بند ماشین بردار پشتیبان استفاده می‌شود. دسته‌بند آموزش دیده، قادر به تشخیص تأثیر حملات مختلف بر روی فایل صوتی و در نتیجه استخراج هوشمندانه و دقیق نهان‌نگاره می‌باشند. نتایج آزمایشات مختلف تحت شرایط متفاوت، نشان می‌دهد که این روش هوشمند، به شفافیت مناسب و ظرفیت بالا، در کنار مقاومت بالا دست یافته است. UR - https://jscit.nit.ac.ir/article_103555.html L1 - https://jscit.nit.ac.ir/article_103555_6f1fc1836f46f75f5837f7c5862b5232.pdf ER -