ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > إخفاء واسترجاع البيانات المشفر...>الوصف

إخفاء واسترجاع البيانات المشفرة بطريقة XOR في صورة باعتماد شبكتي RBF و GRNN والمقارنة مابين أداء الشبكتين

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: خضر، عبدالستار محمد (مؤلف)
مؤلفين آخرين: محي الدين، فرهاد (م. مشارك), بدران، عامرة استقلال (م. مشارك)
المجلد/العدد: ع24
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2013
الصفحات: 35 - 50
ISSN: 1680-855X
رقم MD: 635820
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
تكنولوجيا المعلومات | البيانات المشفرة | الشبكات التقنية | البيانات التحليلية
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: في هذا البحث تم إخفاء صورة داخل صورة أخرى وذلك بتطبيق عملية (XOR) بين الخليتين الثنائيتين الأقل أهمية من كل بايت من الصورة الغطاء وخليتين ثنائيين من الرسالة المراد ارسالها لإنتاج الغطاء المضمن (stego_cover)، الذي يدخل مع الغطاء على شبكة دالة الأساس الشعاعي Radial Basis Function Network(RBF)أو شبكة الارتداد العصبية العامة General Regression Neural Network (GRNN) لاستخراج الوزن. يرسل الغطاء مرة واحدة إلى المستلم ويمكن أن يحتفظ فيه بعدد غير محدود من الرسائل، ولكل رسالة يتم إخفاؤها سوف يتم إرسال أو ان الشبكة المدربة فقط، والذي يرسل كمفتاح إلى المستلم، عندها يقوم المستلم باستخدام الغطاء مع الوزن الذي استلمه لفك الإخفاء، وبذلك فإن هذه الطريقة تتضمن مستويين من الحماية، المستوى الأول يمثل إخفاء الرسالة في الغطاء لتكوين غطاء مضمن، والمستوى الثاني يمثل تشفير الغطاء المضمن باستخدام الشبكة العصبية(RBF) أو (GRNN) باعتبار الغطاء المضمن هو الهدف (target)والصورة الغطاء هي الإدخال إلى الشبكة، عندها يتم تكوين الأوزان الذي تمثل البيانات المشفرة وذلك عن طريق تدريب الشبكة. وبعد ذلك يتمكن المستلم عن طريق شبكة (RBF)أو (GRNN) من فك الإخفاء والحصول على الغطاء المضمن ومن ثم الحصول على الرسالة. وفي هذا البحث أجريت مقارنة بين اداء الشبكتين(RBF) و (GRNN) ولاحظنا ان شبكة (GRNN) افضل من شبكة (RBF). وقد استخدمت لغة (Matlab R2010a) لانجاز هذا البحث.

In this paper an image is hidden in another image by applying logical XOR operation to the two least significant bit of each byte of the cover and two bits of the secret message to produce the stego-cover image which is used as an input with the cover to Radial Basis Function Network (RBFN) or General Regression Neural Network (GRNN) to produce the weights. Cover is delivered once to the recipient who can use it for unlimited number of messages. The weights are delivered to the recipient for each hidden message as a key. The recipient uses the cover with the weights to unhide the message, so that this method includes two levels of security. The first one is hiding the message in the cover to produce stego-cover image. The second one is ciphering the embedded image using RBF Neural Network or GRNN. The stego-cover is considered as a target and the input to the neural network is the cover image. Then the weights, which represent the encrypted information are reconstructed by training the neural network. The recipient can use RBF Network or GRNN to unhide the message by having the stego-cover image then the message. In this paper the performance of RBF Neural Network and GRNN are compared. Noted that the GRNN is better than RBF for this work. Matlab R2008a was used in this paper.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.