Вступ. Розвиток цифрових мереж потребує вдосконалення методів прихованої передачі даних, серед яких найбільш поширеним є підхід LSB завдяки своїй простоті та високій ємності. Проте сучасні методи стегоаналізу зумовлюють необхідність глибокої систематизації та критичного аналізу існуючих досліджень для підвищення стійкості й адаптивності алгоритмів. Метою є комплексний аналіз та систематизація сучасних досліджень у сфері LSB-стеганографії для виявлення актуальних тенденцій і формування аналітичної бази, що дозволить вдосконалити методи прихованої передачі інформації. Методи. Було використано метод системного аналізу та класифікації сучасних наукових публікацій у сфері захисту цифрових даних. Дослідження охоплювало аналіз еволюції LSB-методів (Least Significant Bit), зокрема їх гібридизацію з криптографічними алгоритмами (AES, RSA), частотними перетвореннями (DWT, DCT) та стохастичними підходами (хаотичні карти). Особлива увага приділялася використанню кодування Reed-Solomon, адаптивного вибору пікселів та моделей машинного навчання для оптимізації вбудовування даних. Результати. Розроблено адаптивний метод аудіостеганографії, який використовує великі мовні моделі (LLM) для динамічного керування глибиною LSB-вбудовування ($k$) на основі психоакустичного аналізу та локальної ентропії сигналу. Експериментальне моделювання в MATLAB підтвердило перевагу методу над класичними аналогами, зокрема досягнуто найвищий показник пікового відношення сигналу до шуму (PSNR = 58,23 дБ) та мінімальну середньоквадратичну помилку (MSE = 0,098). Висновки. Інтеграція LLM у процес стеганографічного кодування дозволяє перетворити LSB-підхід на інтелектуальну систему, що адаптується до семантичного контексту аудіоконтейнера, забезпечуючи високу візуальну та статистичну непомітність. Попри збільшення часу обробки, запропонований алгоритм є оптимальним для захищених систем передачі даних завдяки здатності мінімізувати вплив на людську слухову систему (HAS) та протистояти сучасним методам стегоаналізу.
原文链接
分享
引用
