dc.contributorRamos Pollán, Raúl
dc.contributorIsaza Echeverri, Gustavo
dc.creatorTabares Soto, Reinel
dc.date.accessioned2022-02-11T23:38:52Z
dc.date.accessioned2022-09-27T21:23:10Z
dc.date.available2022-02-11T23:38:52Z
dc.date.available2022-09-27T21:23:10Z
dc.date.created2022-02-11T23:38:52Z
dc.date.issued2021
dc.identifierhttps://repositorio.autonoma.edu.co/handle/11182/1272
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3614031
dc.description.abstractEsta tesis doctoral muestra los resultados obtenidos al aplicar Redes Neuronales Convolucionales (CNNs) para el estegoanálisis de imágenes digitales en el dominio espacial. La esteganografía consiste en ocultar mensajes dentro de un objeto conocido como portador para establecer un canal de comunicación encubierto para que el acto de comunicación pase desapercibido para los observadores que tienen acceso a ese canal. Steganalysis se dedica a detectar mensajes ocultos mediante esteganografía; estos mensajes pueden estar implícitos en diferentes tipos de medios, como imágenes digitales, archivos de video, archivos de audio o texto sin formato. Desde 2014, los investigadores se han interesado especialmente en aplicar técnicas de Deep Learning (DL) para lograr resultados que superen los métodos tradicionales de Machine Learning (ML).
dc.languageeng
dc.publisherUniversidad Autónoma de Manizales
dc.publisherManizales
dc.publisherFacultad de Ingeniería
dc.rightshttps://creativecommons.org/licenses/by-nd/4.0/
dc.rightshttps://creativecommons.org/licenses/by-nd/4.0/
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsinfo:eu-repo/semantics/openAccess
dc.sourceUniversidad Autónoma de Manizales
dc.sourceRepoUAM-UAM
dc.titleConvolutional Neural Networks for Image Steganalysis in the Spatial Domain


Este ítem pertenece a la siguiente institución