Deep Learning pour la stéganalyse

Conférence
 - 
GRICAD
Michel SALOMON
Lundi 30 janvier 2017
"Réalisation technique : Antoine Orlandi | Tous droits réservés"

La stéganographie a pour objectif de dissimuler un message dans un média. Dans cet exposé on s'intéressera uniquement à la stéganographie dans des images. La stéganalyse a pour objectif de détecter si une image est stéganographiée ou non. Les outils classiques sont basés sur l'utilisation de filtres prédéfinis qui fournissent pour une image en entrée des informations caractéristiques, informations qui alimentent ensuite un outil de classification. Les approches de deep learning, qui sont grossièrement de gros réseaux de neurones, sont très à la mode actuellement. Dans le cas où l'on traite en entrée une image, comme c'est le cas en stéganalyse, l'approche de type réseau à convolutions (Convolutional Neural Network) permet d'apprendre les les poids des filtres de convolution qui vont permettre d'extraire de l'image des caractéristiques pertinentes pour faire la classification. Comme la partie d'apprentissage est très longue, en raison de la taille du jeu de données (10000 images de 512 x 512 pixels), il faut recourir à des GPU. Dans cet exposé, nous présenterons les résultats prometteurs que nous obtenons sur cette tâche difficile qu'est la détection d'un message caché dans une image.<