Aplikasi Penyembunyian Pesan pada Citra dengan Metode AES Kriptografi dan Enhanced LSB Steganografi
Notice bibliographique
Résumé
Pengiriman data melalui internet sangat membutuhkan pengamanan data, selain menggunakan algoritma kriptografi dibutuhkan juga algoritma untuk membuat pihak ketiga tidak mencurigai pengiriman pesan yang terenkripsi sehingga tidak terlihat dengan menerapkan teknologi steganografi. Kombinasi kriptografi dengan steganografi dapat meningkatkan tingkat keamanan data dengan menyembunyikannya ke dalam media lain seperti citra. Penelitian ini menggunakan algoritma Advanced Encryption Standard (AES) sebagai pengaman pesan dengan mengenkripsi data dan algoritma steganografi Enhanced Least Significant Bit (Enhanced LSB) dengan formasi 2-3-3 bit sebagai algoritma penyembunyian pesan ke dalam citra. Pengujian dilakukan dengan mengukur kualitas citra hasil serta membandingkan ukuran citra hasil setelah disisipkan pesan. Hasil dari penelitian ini menyimpulkan algoritma AES dan Enhanced LSB formasi 2-3-3 ini dapat memberikan peningkatan kualitas pengamanan pada suatu media gambar, tanpa mengubah ukuran citra setelah disisip.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».