Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security

Hološka, Jiří

Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security

DSpace Repository

Language: English čeština

Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security

dc.contributor.advisor	Zelinka, Ivan
dc.contributor.author	Hološka, Jiří
dc.date.accessioned	2012-03-13T09:07:50Z
dc.date.available	2012-03-13T09:07:50Z
dc.date.issued	2011-09-15
dc.identifier	Elektronický archiv Knihovny UTB	cs
dc.identifier.uri	http://hdl.handle.net/10563/18569
dc.description.abstract	Tato disertační práce je zaměřena na odhalování informací ukrytých do multimediálních souborů, především do obrázků. Informace (zprávy) byly ukryty pomocí steganografických metod, které jsou doplňkovou metodou kryptografie. Steganografie společně s kryptografií zvyšují výslednou bezpečnost přenášené zprávy, tj. snižují možnost kompromitace přenášených informací. Staré metody stegoanalýzy jsou postavené na statistickém útoku na změny v koeficientech diskrétní kosinové transformace (DCT). Tyto lineárně klasifikační metody mají ovšem dobře prokazatelný problém při klasifikaci blízko hranice jednotlivých skupin. To má často za následek nepřesné nebo mylné zařazení testovaného vzorku do špatné skupiny (false positive classification). Nejčastěji je to zařazení nosného (nemodifikovaného) souboru do skupiny stego souborů. Hlavním cílem této disertační práce je minimalizovat nebo úplně eliminovat tyto nepřesnosti s využitím umělých neuronových sítí. Tato práce se zabývá detekční metodou založenou na metodách umělých neuronových sítích v několika různých topologiích. Při ověřovacích testech se podařilo dosáhnout téměř stoprocentní úspěšnosti detekce a tím získat slibný základ pro tvorbu samostatné aplikace pro stegoanalýzu.	cs
dc.format	118
dc.format.extent	5825824 bytes
dc.format.mimetype	application/pdf	cs
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně	cs
dc.rights	Bez omezení	cs
dc.subject	Steganografie	cs
dc.subject	staganoanalýza	cs
dc.subject	JPEG	cs
dc.subject	DCT	cs
dc.subject	huffmanovo kódování	cs
dc.subject	statistická analýza huffmanova kódování	cs
dc.subject	neuronový sítě	cs
dc.subject	umělá inteligence	cs
dc.subject	Staganography	en
dc.subject	Steganalysis	en
dc.subject	JPEG	en
dc.subject	DCT	en
dc.subject	Huffman code	en
dc.subject	Huffman code statistical analysis	en
dc.subject	neural networks	en
dc.subject	artificial intelligence	en
dc.title	Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security	cs
dc.title.alternative	Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security	en
dc.type	disertační práce	cs
dc.contributor.referee	Nahodil, Pavel
dc.contributor.referee	Šeda, Miloš
dc.contributor.referee	Volná, Eva
dc.date.accepted	2012-02-29
dc.description.abstract-translated	The thesis is focused on revealing of hidden information presence in multimedia files, mainly in pictures. This hidden information (messages) was coded in by means of steganography which is an additional method of cryptography. Steganography causes a better security for messages and the detection of such a message is uneasy. Old fashioned detection methods are based on statistical attack upon discrete cosine transformation (DCT) coefficients. These linear clasification methods have been proved to have limitation on clasification close to detection border. This often leads to a false positive clasification result. Mostly it is a clasiffication of cover files into stego files group. Main goal of this research is clasification by means of neural networks aimed to reduce false positive classification results to minimum. Therefore artificial neural network was used in several structures as a detection method in the thesis. Compared to older methods results showed almost 100% success in detection in this case therefore artificial neural network are promising for future design of a universal detector.	en
dc.description.department	Ústav informatiky a umělé inteligence	cs
dc.description.result	obhájeno	cs
dc.thesis.degree-discipline	Inženýrská informatika	cs
dc.thesis.degree-discipline	Engineering Informatics	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ph.D.
dc.thesis.degree-program	Inženýrská informatika	cs
dc.thesis.degree-program	Engineering Informatics	en
dc.identifier.stag	26974
dc.date.assigned	2007-06-07
local.subject	multimediální informační systémy	cs
local.subject	informační bezpečnost	cs
local.subject	multimedia information systems	en
local.subject	information security	en