Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.autonoma.edu.co/handle/11182/1272
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRamos Pollán, Raúlspa
dc.contributor.advisorIsaza Echeverri, Gustavospa
dc.contributor.authorTabares Soto, Reinelspa
dc.date.accessioned2022-02-11T23:38:52Zspa
dc.date.available2022-02-11T23:38:52Zspa
dc.date.issued2021spa
dc.identifier.urihttps://repositorio.autonoma.edu.co/handle/11182/1272spa
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).spa
dc.formatapplication/pdfspa
dc.format.extent131spa
dc.format.mimetypeapplication/pdfspa
dc.language.isoengspa
dc.publisherUniversidad Autónoma de Manizalesspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttps://creativecommons.org/licenses/by-nd/4.0/spa
dc.sourceUniversidad Autónoma de Manizalesspa
dc.sourceRepoUAM-UAMspa
dc.titleConvolutional Neural Networks for Image Steganalysis in the Spatial Domaineng
thesis.degree.nameDoctor en Ingenieríaspa
thesis.degree.grantorUniversidad Autónoma de Manizalesspa
thesis.degree.levelDoctoradospa
thesis.degree.disciplineFacultad de Ingenieríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_db06spa
dc.type.driverinfo:eu-repo/semantics/doctoralThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TDspa
dc.type.localTesis/Trabajo de grado - Monografía - Doctoradospa
dc.publisher.placeManizalesspa
oaire.versionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
dc.subject.proposalConvolutional Neural Networkseng
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nd/4.0/spa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.rights.accessRightshttp://purl.org/coar/access_right/c_abf2spa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
oaire.accessRightshttp://purl.org/coar/access_right/c_abf2spa
dc.description.abstractengIs doctoral thesis shows the results obtained by applying Convolutional Neural Networks (CNNs) for the steganalysis of digital images in the spatial domain. Steganography consists of hiding messages inside an object known as a carrier to establish a covert communication channel so that the act of communication goes unnoticed by observers who have access to that channel. Steganalysis is dedicated to detecting hidden messages using steganography; these messages can be implicit in di.erent types of media, such as digital images, video €les, audio €les, or plain text. Since 2014 researchers have taken a particular interest in applying Deep Learning (DL) techniques to achieving results that surpass traditional Machine Learning (ML) methods.eng
dc.subject.keywordConvolutional Neural Networkseng
Aparece en las colecciones: Doctorado en Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Convolutional_Neural_Networks.pdfTexto completo15,06 MBAdobe PDFVista previa
Visualizar/Abrir
Auto_Convolutional_Neural_Networks.pdfAutorización40,58 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons