Discente: GABRIEL DE ASSUNÇÃO FERREIRA
Título: UTILIZAÇÃO DE TÉCNICAS DE OTIMIZAÇÃO DE MODELOS DE APRENDIZADO PROFUNDO PARA ESTEGANÁLISE DE IMAGENS DIGITAIS
Orientador: PROFA. DRA. VERUSCA SEVERO DE LIMA
Co-orientador: PROF. DR. FRANCISCO MADEIRO BERNARDINO JUNIOR
Examinador Externo: PROF. DR. JOÃO FAUSTO LORENZATO DE OLIVEIRA
Examinador Interno: PROFA. DRA. MARIA DE LOURDES MELO GUEDES ALCOFORADO
Data: 27 DE MARÇO DE 2025
Horário: 15:00
Local: SALA DE ATOS (CSEC)
Resumo do projeto:
Esteganografia é uma subárea da ocultação da informação que consiste na aplicação de alterações nos elementos básicos de um objeto digital com o objetivo de esconder uma mensagem. A esteganálise é o contra mecanismo responsável por detectar se há presença ou não de esteganografia em um objeto digital. Diversos modelos de aprendizagem profunda aplicados à esteganálise de imagens digitais vêm sendo propostos na literatura. Esses modelos ocupam um grande espaço de memória e, por esse motivo, devem ser otimizados quando o cenário envolve dispositivos e sistemas com recursos limitados. Motivado pelo cenário exposto, este Trabalho tem como objetivo a implementação de diferentes estratégias de otimização, mais especificamente, poda, quantização e compartilhamento de pesos, aplicadas a modelos de aprendizagem profunda de esteganálise de imagens digitais. Os modelos otimizados são avaliados em termos de acurácia e de espaço de memória ocupado em comparação aos resultados obtidos pelo modelo original (sem o uso de estratégias de otimização). Os resultados apontam para os benefícios do uso das estratégias de otimização, em que foi possível reduzir os requisitos de memória em até 87% em relação ao modelo original e obter melhores resultados de acurácia.
Palavras-chave: Esteganálise; aprendizagem profunda; poda; quantização e compartilhamento de pesos.
O Programa
