Transmissão de Informação Embutida em Arquivos Comprimidos com o Algoritmo LZW
Notice bibliographique
Résumé
Resumo-Este artigo apresenta um algoritmo para embutir dados adicionais em um arquivo comprimido através do codificador LZW.O método proposto utiliza o fato do codificador não remover completamente a redundância dos arquivos originais, para adicionar bits extras, sem qualquer perda de desempenho na compressão e sem criar qualquer distorc ¸ão nos dados originais.O desempenho do método é medido através da sua aplicac ¸ão em três grupos diferentes de arquivos: o conjunto de Calgary, o conjunto de Canterbury e um grupo de imagens naturais em tons de cinza.Os resultados de simulac ¸ão mostram que o algoritmo proposto consegue adicionar 0,1 bit a cada símbolo do arquivo original, na média. Palavras-Chave-informac ¸ão embutida, informac ¸ão camuflada, esteganografia, compressão de dadosAbstract-This paper presents an algorithm to embed additional data in a LZW compressed file.The proposed method makes use the fact that LZW does not completely remove all redundancy to add extra bits in the codeword, with no penalty in compression rate and no distortion in original data.The performance of the method is measured using three different groups of files: Calgary Corpus, Canterbury Corpus, and a group of natural graylevel images.Simulation results have shown that the algorithm can add 0.1 bit per symbol of the original data, in the mean.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,004 | 0,002 |
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 ».