اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,258 |
| تعداد مقالات | 9,115 |
| تعداد مشاهده مقاله | 8,325,422 |
| تعداد دریافت فایل اصل مقاله | 5,040,379 |
نهانکاوی سیگنال صوت کوانتومی با استفاده از الگوریتم ماشین بردار پشتیبان کوانتومی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 1، دوره 11، شماره 3 - شماره پیاپی 43، آبان 1402، صفحه 1-14 اصل مقاله (1.16 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| ساناز نوروزی لرکی1؛ محمد مصلح* 2؛ محمد خیراندیش3 | ||
| 1دانشجوی دکتری، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول ، ایران | ||
| 2دانشیار، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران | ||
| 3استادیار، گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران | ||
| تاریخ دریافت: 03 بهمن 1401، تاریخ بازنگری: 16 تیر 1402، تاریخ پذیرش: 04 مرداد 1402 | ||
| چکیده | ||
| با ظهور نظریه محاسبات کوانتومی و شبکههای ارتباطی کوانتومی، برقراری ارتباط محرمانه و ایمن چالش‌برانگیز شده است. نهانکاوی سیگنال صوت کوانتومی یکی از زیرشاخههای موردتوجه در حوزه پردازش سیگنال کوانتومی و محاسبات کوانتومی است که سعی دارد با استفاده از تکنیکهای استخراج ویژگی و الگوریتمهای یادگیری ماشین کوانتومی، ارتباطات مخفی در بستر شبکههای ارتباطی کوانتومی را شناسایی کند. باتوجه‌به اینکه پنهاننگاری باعث تغییرات اجتناب‌ناپذیری در ویژگی آماری حوزه فرکانس سیگنال میزبان میشود، میتوان از آن به‌عنوان یک ابزار کارآمد و مؤثر برای ساختن نهان کاو جامع و دقیق استفاده کرد؛ بنابراین، روش پیشنهادی در ابتدا، از تبدیل فوریه کوانتومی روی سیگنال صوت QRDS برای استخراج ویژگیهای آماری استفاده می‌کند. برای این منظور، شبکه‌مدار کوانتومی پیشنهادی این ویژگی‌ها شامل مرکز طیفی کوانتومی و پهنای باند طیفی کوانتومی طراحی و پیاده‌سازی شده است. در نهایت، الگوریتم ماشین بردار پشتیبان کوانتومی (QSVM)، با استفاده ویژگیهای استخراج شده مجموعه داده‌های پاک و گنجانه با دقت بیشتر از 95% از هم تفکیک میشوند. | ||
| کلیدواژه‌ها | ||
| نهان کاو کوانتومی؛ پردازش سیگنال کوانتومی؛ صوت کوانتومی؛ نمایش سیگنال کوانتومی؛ تبدیل فوریه کوانتومی؛ مرکزیت طیف کوانتومی؛ پهنای باند طیف کوانتومی | ||
| عنوان مقاله [English] | ||
| Steganalysis of Quantum Audio Signal using Quantum Support Vector Machine Algorithm | ||
| نویسندگان [English] | ||
| Sanaz Norouzi Larki1؛ Mohammad Mosleh2؛ Mohammad Kheyrandish3 | ||
| 1Department of Computer Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran | ||
| 2Department of Computer Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran | ||
| 3Islamic Azad University of Dezful | ||
| چکیده [English] | ||
| With the advent of quantum computing theory and quantum communication networks, establishing confidential and secure communication has become challenging. Quantum audio signal steganalysis is one of the interesting subfields in the field of quantum signal processing and quantum computing, which tries to identify hidden communications in the context of quantum communication networks by using feature extraction techniques and quantum machine learning algorithms. Since steganography causes inevitable changes in the statistical characteristics of the frequency domain of the host signal, it can be used as an efficient and effective tool to build comprehensive and accurate steganalysis. So; At first, the proposed method uses quantum Fourier transform on QRDS audio signal to extract statistical features. For this purpose, the proposed quantum circuit network of these features, quantum spectral center and quantum spectral bandwidth has been designed and implemented. Finally, the Quantum Support Vector Machine (QSVM) algorithm, using the extracted features, separates clean and stego data sets with an accuracy of more than 95%. | ||
| کلیدواژه‌ها [English] | ||
| Quantum steganalysis, Quantum signal processing, Quantum Audio, Quantum Signal Representation, Quantum Fourier transform, Quantum Spectrum Centroid, Quantum Spectrum Bandwidth | ||
| مراجع | ||
|
[1] I. Cox, M. Miller, J. Bloom, J. Fridrich, and T. Kalker, "Digital Watermarking and Steganography Morgan Kaufmann Publishers," Amsterdam/Boston, 2008. [2] S. E. Venegas-Andraca and S. Bose, "Storing, processing, and retrieving an image using quantum mechanics," in Quantum Information and Computation, 2003, vol. 5105: International Society for Optics and Photonics,pp.137-147. https://doi.org/10.1117/12.485960. [3] J. Latorre, "Image compression and entanglement," CoRR, vol.abs/quant-ph/0510031,10/04.2005. https://doi.org/10.48550/arXiv.quant-ph/0510031. [4] P. Q. Le, F. Dong, and K. Hirota, "A flexible representation of quantum images for polynomial preparation, image compression, and processing operations," Quantum Information Processing, vol. 10,no.1,pp.6384,2011. https://doi.org/10.1007/s11128-010-0177-y. [5] Y. Zhang, K. Lu, Y. Gao, and M. Wang, "NEQR: a novel enhanced quantum representation of digital images," Quantum Information Processing, vol. 12, no.8,pp.2833-2860,2013 .https://doi.org/10.1007/s11128-013-0567-z.
[6] J. Wang, "QRDA: quantum representation of digital audio," International Journal of Theoretical Physics, vol.55,no.3,pp.1622-164.2016. https://doi.org/10.1007/s10773-015-2800-2. [7] F. Yan, A. M. Iliyasu, Y. Guo, and H. Yang, "Flexible representation and manipulation of audio signals on quantum computers," Theoretical Computer Science, vol.752,pp.7185,2018.https://doi.org/10.1016/j.tcs.2017.12.025. [8] P. Li, B. Wang, H. Xiao, and X. Liu, "Quantum Representation and Basic Operations of Digital Signals," International Journal of Theoretical Physics, vol. 57, no. 10, pp. 3242-3270, 2018. https://doi.org/10.1007/s10773-018-3841-0. [9] E. Şahin and İ. Yilmaz, "QRMA: quantum representation of multichannel audio," Quantum Information Processing, vol. 18 no. 7, p. 209, 2019. https://doi.org/10.1007/s11128-019-2317-3. [10] J. Chaharlang, M. Mosleh, and S. R. Heikalabad, "Proposing a New and Comprehensive Method for Quantum Representation of Digital Audio Signals," electronics and cyber defense, vol. 8, no. 4, pp. 139-152, 2021.( In Persian) [11] K. Chen, F. Yan, A. M. Iliyasu, and J. Zhao, "Exploring the implementation of steganography protocols on quantum audio signals," International Journal of Theoretical Physics, vol. 57, no. 2, pp. 476-494, 2018. https://doi.org/10.1007/s10773-017-3580-7. [12] J. Chaharlang, M. Mosleh, and S. R. Heikalabad, "A Novel Quantum Audio Steganography–Steganalysis Approach Using LSFQ-Based Embedding and QKNN-Based Classifier," Circuits, Systems, and Signal Processing,pp.1-33,2020. https://doi.org/10.1007/s00034-020-01345-6. [13] R. Bohme and R. Bèohme, Advanced statistical steganalysis. Springer Berlin, 2010. http://dx.doi.org/10.1007/978-3-642-14313-7. [14] J. Chaharlang, M. Mosleh, and S. Rasouli-Heikalabad, "A novel quantum steganography-Steganalysis system for audio signals," Multimedia Tools and Applications, pp. 1-27, 2020. https://doi.org/10.1007/s11042-020-08694-z. [15] M. Schuld, I. Sinayskiy, and F. Petruccione, "Quantum computing for pattern classification," in Pacific Rim International Conference on Artificial Intelligence,2014:Springer,pp.208220.https://doi.org/10.48550/arXiv.1412.3646. [16] S. Norouzi Larki, M. Mosleh, and M. Kheyrandish, "Quantum Audio Steganalysis Based on Quantum Fourier Transform and Deutsch–Jozsa Algorithm," Circuits, Systems, and Signal Processing, pp. 1-24, 2022. https://doi.org/10.1007/s00034-022-02208-y. [17] P. Rebentrost, M. Mohseni, and S. Lloyd, "Quantum support vector machine for big data classification," Physical review letters, vol. 113, no. 13, p. 130503, 2014. ttps://doi.org/10.1103/PhysRevLett.113.130503. [18] V. Vedral, A. Barenco, and A. Ekert, "Quantum networks for elementary arithmetic operations," Physical Review A, vol. 54, no. 1, p. 147, 1996. https://doi.org/10.48550/arXiv.quant-ph/9511018. [19] Y. Takahashi and N. Kunihiro, "A linear-size quantum circuit for addition with no ancillary qubits," Quantum Information & Computation, vol. 5, no. 6, pp. 440-448, 2005. [20] S. Tang, "The principle of computer composition," Higher Education Process, Beijing, pp. 258-269, 2008. [21] M. A. Nielsen and I. L. Chuang, "Quantum computation and quantum information," American journal of physics, vol. 26, no. 4, pp. 37, 219, 2010. http://dx.doi.org/10.1080/17445760500355678. [22] A. Galindo and M. A. Martin-Delgado, "Information and computation: Classical and quantum aspects," Reviews of Modern Physics, vol. 74, no. 2, p. 347, 2002. https://doi.org/10.1103/RevModPhys.74.347. [23] C.-Y. Pang, R.-G. Zhou, B.-Q. Hu, W. Hu, and A. El-Rafei, "Signal and image compression using quantum discrete cosine transform," Information Sciences, vol. 473, pp. 121-141, 2019 . https://doi.org/10.1016/j.ins.2018.08.067. [24] J. Suykens, "K, and Vandewalle, J,(1999)," Least squares support vector machine classifiers. In: Neural Processing Letters,vol.9,pp.293-300. https://doi.org/10.1023/A:1018628609742. [25] D. Anguita, S. Ridella, F. Rivieccio, and R. Zunino, "Hyperparameter design criteria for support vector classifiers," Neurocomputing, vol. 55, no. 1-2, pp. 109-134, 2003. https://doi.org/10.1016/S0925-2312(03)00430-2. [26] A. W. Harrow, A. Hassidim, and S. Lloyd, "Quantum algorithm for linear systems of equations," Physical review letters, vol. 103, no. 15, p. 150502, 2009. https://doi.org/10.1103/PhysRevLett.103.150502. [27] S. Lloyd, M. Mohseni, and P. Rebentrost, "Quantum principal component analysis," Nature Physics, vol. 10, no. 9, pp. 631-633, 2014. https://doi.org/10.1038/nphys3029. [28] R. C. Gonzales and R. E. Woods, "Digital image processing," ed: Prentice hall New Jersey, 2002. [29] Q. Liu, A. H. Sung, and M. Qiao, "Temporal derivative-based spectrum and mel-cepstrum audio steganalysis," IEEE Transactions on Information Forensics and Security, vol.4,no.3,pp.359-368,2009. https://doi.org/10.1109/TIFS.2009.2024718. [30] Y. Wei, L. Guo, Y. Wang, and C. Wang, "A blind audio steganalysis based on feature fusion," Journal of Electronics (China),vol.28,no.3,pp.265-276,2011. https://doi.org/10.1007/s11767-011-0567-z. [31] P. Rao, "Audio signal processing," in Speech, audio, image and biomedical signal processing using neural networks: Springer, 2008, pp. 169-189. https://doi.org/10.1007/978-3-540-75398-8_8. [32] F. Yan, K. Chen, A. M. Iliyasu, and K. Hirota, "Circuit-based modular implementation of quantum ghost imaging," IEEE Access,vol.8,pp.23054-23068,2020. https://doi.org/10.1109/ACCESS.2020.2970016.
| ||
|
آمار تعداد مشاهده مقاله: 251 تعداد دریافت فایل اصل مقاله: 376 |
||