Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
MICHE Yoan

Developing Fast Machine Learning Techniques with Applications to Steganalysis Problems

 

Directeur de thèse :     Christian JUTTEN

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Grenoble-INP

Établissement d'origine : INPG

Financement(s) : Bourse mobilité internationale ; contrat à durée déterminée

 

Date d'entrée en thèse : 01/10/2006

Date de soutenance : 02/11/2010

 

Composition du jury :
Christian Jutten
Olli Simula
Andrew Ker
Thomas Villmann
Amaury Lendasse
Patrick Bas Tapio Seppänen

 

Résumé : Dans cette thèse, l'accent est mis sur la stéganalys. Une méthodologie permettant d'obtenir des résultats statistiquement fiables dans ce contexte est proposée: 1) Estimation du nombre d'échantillons suffisant à l'obtention de résultats pertinents; 2) réduction la dimensionalité du problème par une approche basée sur la sélection de variables. Cette méthodologie peut être couteuse en calculs. Pour y pallier, un nouveau modèle pour le “Machine Learning est proposé, l'OP-ELM, basé sur un réseau de neurones utilisant des projections aléatoires. Des performances similaires à celles de l'état de l'art dans le domaine du “Machine Learning sont obtenues. Enfin, le modèle OP-ELM est utilisé dans le cadre de la stéganalyse quantitative. En répétant un processus de ré-insertion pour des messages connus de tailles différentes, on estime la taille du message original utilisé par l'expéditeur. Enfin, l'intervalle de confiance obtenu sur la taille du message original, permet d'obtenir une mesure de la difficulté intrinsèque à l'image. Ceci permet d'estimer la fiabilité de la prédiction obtenue pour la taille du message original.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31