Perancangan Aplikasi Steganografi Berbasis Matrix Pattern dengan Metode Random Blocks
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Dengan perkembangan komputer yang digunakan dalam berbagai bidang kehidupan dan pekerjaan, masalah keamanan informasi yang dikirim menjadi semakin penting. Namun informasi yang dilindungi belum tentu bisa terproteksi dengan aman oleh sistem. Dapat terjadi pembobolan pada berbagai media pengiriman informasi. Berdasarkan masalah yang dihadapi tersebut dilakukan perancangan sebuah aplikasi steganografi guna untuk melindungi informasi yang akan dikirim. Steganografi merupakan seni penyimpanan pesan rahasia dengan menggunakan media digital seperti teks, citra, suara dan video. Rancangan aplikasi menggunakan sebuah algoritma yang proses penyisipannya dengan menentukan perkalian matriks dan hanya menggunakan beberapa blok untuk penyisipan yaitu Matrix Pattern. Pemilihan blok secara acak dengan menggunakan LCG. Hasil pengujian menunjukkan bahwa kecepatan, keamanan dan kualitas citra hasil steganografi bergantung pada dimensi citra, berapa banyak karakter yang diinput dan pemilihan ukuran matrix pattern. Kriteria untuk mendapatkan stego-image yang bagus yaitu pemilihan matrix pattern yang paling kecil, jumlah pesan yang disisipkan sedikit dan pemilihan media citra penyisipan yang memiliki dimensi yang besar. Perubahan warna atau pixel citra yang telah berisi pesan rahasia dapat merusak pesan sehingga tidak dapat diekstrak kembali.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it