Resumen

Este artculo presenta un enfoque esteganaltico contra la esteganografa de vdeo que modifica el vector de movimiento (VM) de forma adaptativa al contenido. Los esquemas esteganalticos de vdeo actuales extraen caractersticas de fotogramas de longitud fija de todo el vdeo y no aprovechan la diversidad de contenido. En consecuencia, la eficacia de la caracterstica esteganaltica se ve influida por el contenido del vdeo y el problema del desajuste de la fuente de cobertura tambin afecta al rendimiento esteganaltico. El objetivo de este trabajo es proponer un mtodo esteganaltico que pueda suprimir las diferencias de las caractersticas estadsticas causadas por el contenido del vdeo. El vdeo se segmenta en secuencias segn el movimiento de los bloques en cada fotograma. Las caractersticas esteganalticas extradas de cada categora de subsecuencias con intensidad de movimiento cercana se utilizan para construir un clasificador. El resultado esteganaltico final se obtiene fusionando los resultados de los clasificadores ponderados. Los resultados experimentales han demostrado que nuestro mtodo puede mejorar eficazmente el rendimiento del esteganalisis de vdeo, especialmente para vdeos de bajo bitrate y bajo ratio de incrustacin.

• Materias:Amenaza avanzada persistente Internet de las cosas Seguridad cibernética Estegoanálisis Cifrado descentralizado
• Subjects:Advanced persistent threat Internet of things Cyber security Stegoanalysis Decentralized encryption
• Palabras claves:Enfoque; Esteganografía de vídeo; Vector de movimiento; Método esteganalítico; Diversidad de contenido; Características estadísticas
• Keywords:Approach; Video steganography; Motion vector; Steganalytic method; Content diversity; Statistical characteristics