Algorithmic Learning for Steganography: Proper Learning of k-term DNF Formulas from Positive Samples

Abstract

Proper learning from positive samples is a basic ingredient for designing secure steganographic systems for unknown covertext channels. In addition, security requirements imply that the hypothesis should not contain false positives. We present such a learner for k-term DNF formulas for the uniform distribution and a generalization to q-bounded distributions. We briefly also describe how these results can be used to design a secure stegosystem.

OriginalspracheEnglisch
TitelAlgorithms and Computation
Redakteure/-innenKhaled Elbassioni, Kazuhisa Makino
Seitenumfang12
Band9472
Herausgeber (Verlag)Springer Verlag
Erscheinungsdatum27.11.2015
Seiten151-162
ISBN (Print)978-3-662-48970-3
ISBN (elektronisch)978-3-662-48971-0
DOIs
PublikationsstatusVeröffentlicht - 27.11.2015
VeranstaltungISAAC 2015 - Nagoya Marriott Associa Hotel , Nagoya, Japan
Dauer: 09.12.201511.12.2015
http://www.al.cm.is.nagoya-u.ac.jp/isaac2015/

Fingerprint

Untersuchen Sie die Forschungsthemen von „Algorithmic Learning for Steganography: Proper Learning of k-term DNF Formulas from Positive Samples“. Zusammen bilden sie einen einzigartigen Fingerprint.

Zitieren