喵ID：cdtnf9免责声明

Audio Steganography Based on Iterative Adversarial Attacks Against Convolutional Neural Networks

基于针对卷积神经网络的迭代对抗攻击的音频隐写术

基本信息

DOI：
10.1109/tifs.2019.2963764
发表时间：
2020-01
期刊：
IEEE TIFS
影响因子：
--
通讯作者：
yanmei fang
中科院分区：
其他
文献类型：
--
作者： junqi wu;bolin chen;weiqi luo;yanmei fang研究方向： -- MeSH主题词： --
关键词： --
来源链接：pubmed详情页地址

文献摘要

Recently, convolutional neural networks (CNNs) have demonstrated superior performance on digital multimedia steganalysis. However, some studies have noted that most CNN-based classifiers can be easily fooled by adversarial examples, which form slightly pe
最近，卷积神经网络（CNNs）在数字多媒体隐写分析方面表现出了卓越的性能。然而，一些研究指出，大多数基于CNN的分类器很容易被对抗样本愚弄，这些对抗样本……（句子不完整，最后“which form slightly pe”无法准确翻译）
参考文献（42）
被引文献（37）
Adaptive Audio Steganography Based on Advanced Audio Coding and Syndrome-Trellis Coding
DOI：
10.1007/978-3-319-64185-0_14
发表时间：
2017-08
期刊：
影响因子：
0
作者：
Weiqi Luo;Yue Zhang-;Haodong Li
通讯作者：
Weiqi Luo;Yue Zhang-;Haodong Li
Enhanced LSB technique for audio steganography
DOI：
10.1109/icccnt.2012.6395978
发表时间：
2012-07
期刊：
2012 Third International Conference on Computing, Communication and Networking Technologies (ICCCNT'12)
影响因子：
0
作者：
Harish Kumarl;Anuradha
通讯作者：
Harish Kumarl;Anuradha
Automatic Steganographic Distortion Learning Using a Generative Adversarial Network
使用生成对抗网络的自动隐写失真学习
DOI：
10.1109/lsp.2017.2745572
发表时间：
2017-10-01
期刊：
IEEE SIGNAL PROCESSING LETTERS
影响因子：
3.9
作者：
Tang, Weixuan;Tan, Shunquan;Huang, Jiwu
通讯作者：
Huang, Jiwu
A multi-threshold based audio steganography scheme
DOI：
10.1016/j.jisa.2015.02.001
发表时间：
2015-08-01
期刊：
JOURNAL OF INFORMATION SECURITY AND APPLICATIONS
影响因子：
5.6
作者：
Kar, Dulal C.;Mulkey, Clifton J.
通讯作者：
Mulkey, Clifton J.
Design of adaptive steganographic schemes for digital images
DOI：
10.1117/12.872192
发表时间：
2011-02
期刊：
影响因子：
0
作者：
Tomáš Filler;J. Fridrich
通讯作者：
Tomáš Filler;J. Fridrich

数据更新时间：{{ references.updateTime }}

关联基金

数字图像篡改定位若干关键性问题研究
批准号：
61672551
批准年份：
2016
资助金额：
62.0
项目类别：
面上项目
yanmei fang
通讯地址:
--
所属机构:
--
电子邮件地址：
--
免责声明免责声明
1、猫眼课题宝专注于为科研工作者提供省时、高效的文献资源检索和预览服务；
2、网站中的文献信息均来自公开、合规、透明的互联网文献查询网站，可以通过页面中的“来源链接”跳转数据网站。
3、在猫眼课题宝点击“求助全文”按钮，发布文献应助需求时求助者需要支付50喵币作为应助成功后的答谢给应助者，发送到用助者账户中。若文献求助失败支付的50喵币将退还至求助者账户中。所支付的喵币仅作为答谢，而不是作为文献的“购买”费用，平台也不从中收取任何费用，
4、特别提醒用户通过求助获得的文献原文仅用户个人学习使用，不得用于商业用途，否则一切风险由用户本人承担；
5、本平台尊重知识产权，如果权利所有者认为平台内容侵犯了其合法权益，可以通过本平台提供的版权投诉渠道提出投诉。一经核实，我们将立即采取措施删除/下架/断链等措施。
我已知晓