Il framework TADA affronta il disallineamento della sorgente copertura nella steganalisi JPEG
Il recentemente introdotto framework TADA (Target Alignment through Data Adaptation) affronta il problema del Cover Source Mismatch (CSM) nella steganalisi JPEG, che si verifica quando i modelli hanno difficoltà con immagini alterate da pipeline sconosciute. Sfruttando un piccolo dataset target non etichettato, TADA apprende a replicare l'elaborazione sconosciuta attraverso una funzione di perdita che integra l'allineamento della covarianza dei residui, l'abbinamento della distribuzione dei residui e un vincolo ℓ². Il framework dimostra miglioramenti significativi nella robustezza sia per target toy che operativi.
Fatti principali
- I modelli di steganalisi hanno difficoltà con il Cover Source Mismatch (CSM) quando le immagini sono elaborate da una pipeline sconosciuta.
- I professionisti spesso hanno solo un piccolo dataset non etichettato e mancano di informazioni sulle tecniche di elaborazione o sulle proporzioni copertura/stego.
- TADA (Target Alignment through Data Adaptation) è introdotto per emulare la pipeline di elaborazione sconosciuta.
- TADA utilizza una perdita che combina l'allineamento della covarianza dei residui, l'abbinamento della distribuzione dei residui e una perdita ℓ².
- Il framework produce notevoli guadagni in robustezza al CSM su target toy e operativi.
- La ricerca è pubblicata su arXiv con ID 2605.21523.
Entità
Istituzioni
- arXiv