1 |
1
하나 이상의 프로세서에 의해 수행되는 스테가노그래피(steganography) 분석 모델 생성 방법에 있어서,제1 3D 메쉬 모델을 평활화(smoothing technique)한 제2 3D 메쉬 모델을 생성하는 단계;상기 제1 3D 메쉬 모델의 edge normal 및 상기 제2 3D 메쉬 모델의 edge normal의 차이를 기초로 추출한 제1 특징 벡터, 상기 제1 3D 메쉬 모델의 mean curvature 및 상기 제2 3D 메쉬 모델의 mean curvature의 차이를 기초로 추출한 제2 특징 벡터 및 상기 제1 3D 메쉬 모델의 total curvature 및 상기 제2 3D 메쉬 모델의 total curvature의 차이를 기초로 추출한 제3 특징 벡터를 추출하는 단계; 및상기 제1, 제2 및 제3 특징 벡터에 관한 정보를 기초로 기계 학습을 수행하여 타겟 3D 메쉬 모델 내에 숨겨진 정보가 존재하는 지 판별하는 모델을 생성하는 단계를 포함하고,상기 edge normal은,3D 메쉬 모델에서 공통된 모서리(edge)를 공유하는 각 메쉬 조각에 대하여 상기 각 메쉬 조각의 면적 및 상기 각 메쉬 조각의 무게 중심에서의 법선 벡터를 곱하여 도출된 벡터들의 합인스테가노그래피 분석 모델 생성 방법
|
2 |
2
제1항에 있어서,상기 제1 3D 메쉬 모델은, 원본에 해당하는 커버 메쉬(cover mesh) 및 상기 원본에 숨겨진 정보가 삽입된 스테고 메쉬(stego mesh)를 포함하는스테가노그래피 분석 모델 생성 방법
|
3 |
3
제1항에 있어서,상기 추출하는 단계는,각각의 특징 벡터에 대하여 평균(mean) 벡터, 분산(variance) 벡터, 왜도(skewness) 벡터 및 첨도(kurtosis) 벡터를 생성하는 단계를 포함하는스테가노그래피 분석 모델 생성 방법
|
4 |
4
제3항에 있어서,입력되는 벡터의 차원 수를 변형시켜 서로 간에 선형 독립적(linearly independent)인 관계를 갖도록 하는 커널 공간에 상기 각각의 특징 벡터로부터 생성된 상기 평균 벡터, 분산 벡터, 왜도 벡터 및 첨도 벡터를 입력하여 상기 각각이 변환된 선형 독립 벡터를 생성하는 단계를 더 포함하고,상기 제1, 제2 및 제3 특징 벡터에 관한 정보는 상기 선형 독립 벡터를 포함하는스테가노그래피 분석 모델 생성 방법
|
5 |
5
제4항에 있어서,상기 커널 공간은,homogeneous kernel map 알고리즘을 기초로 생성되는스테가노그래피 분석 모델 생성 방법
|
6 |
6
삭제
|
7 |
7
제1항에 있어서,상기 제1 특징 벡터는,상기 제1 3D 메쉬 모델의 edge normal과 상기 제2 3D 메쉬 모델의 edge normal 의 내적에 대한 상기 제1 3D 메쉬 모델의 edge normal의 l2-norm 값과 상기 제2 3D 메쉬 모델의 edge normal의 l2-norm 값을 곱한 값의 비율에 역코사인을 취한 값인스테가노그래피 분석 모델 생성 방법
|
8 |
8
제1항에 있어서,상기 mean curvature는,3D 메쉬 모델의 정점(vertex)에 PCA(principal component analysis) 기법을 적용하여 도출된 값의 평균인 스테가노그래피 분석 모델 생성 방법
|
9 |
9
제1항에 있어서,상기 total curvature는,3D 메쉬 모델의 정점(vertex)에 PCA(principal component analysis) 기법을 적용하여 도출된 값의 총합인 스테가노그래피 분석 모델 생성 방법
|
10 |
10
제1항에 있어서,상기 추출하는 단계는,직교 좌표계에서 상기 제1 3D 메쉬 모델의 x축값 및 상기 제2 3D 메쉬 모델의 x축값의 차이를 기초로 추출한 제4 특징 벡터,상기 직교 좌표계에서 상기 제1 3D 메쉬 모델의 y축값 및 상기 제2 3D 메쉬 모델의 y축값의 차이를 기초로 추출한 제5 특징 벡터,상기 직교 좌표계에서 상기 제1 3D 메쉬 모델의 z축값 및 상기 제2 3D 메쉬 모델의 z축값의 차이를 기초로 추출한 제6 특징 벡터,라플라시안 좌표계(laplacian coordinate system)에서 상기 제1 3D 메쉬 모델의 x축값 및 상기 제2 3D 메쉬 모델의 x축값의 차이를 기초로 추출한 제7 특징 벡터,상기 라플라시안 좌표계에서 상기 제1 3D 메쉬 모델의 y축값 및 상기 제2 3D 메쉬 모델의 y축값의 차이를 기초로 추출한 제8 특징 벡터,상기 라플라시안 좌표계에서 상기 제1 3D 메쉬 모델의 y축값 및 상기 제2 3D 메쉬 모델의 y축값의 차이를 기초로 추출한 제9 특징 벡터,상기 직교 좌표계에서 상기 제1 3D 메쉬 모델의 정점의 좌표 및 상기 제2 3D 메쉬 모델의 정점의 좌표의 차이를 기초로 추출한 제10 특징 벡터,상기 라플라시안 좌표계에서 상기 제1 3D 메쉬 모델의 정점의 좌표 및 상기 제2 3D 메쉬 모델의 정점의 좌표의 차이를 기초로 추출한 제11 특징 벡터,상기 제1 3D 메쉬 모델에서 모서리를 공유하는 두 면의 이면각(dihedral angle) 및 상기 제2 3D 메쉬 모델에서 모서리를 공유하는 두 면의 이면각의 차이를 기초로 추출되는 제12 특징 벡터,상기 제1 3D 메쉬 모델의 면(face)과 상기 제2 3D 메쉬 모델의 면의 각도 차이를 기초로 추출되는 제13 특징 벡터,상기 제1 3D 메쉬 모델의 vertex normal 및 상기 제2 3D 메쉬 모델의 vertex normal의 차이를 기초로 추출되는 제14 특징 벡터,상기 제1 3D 메쉬 모델의 gaussian curvature 및 상기 제2 3D 메쉬 모델의 gaussian curvature의 차이를 기초로 추출되는 제15 특징 벡터, 및상기 제1 3D 메쉬 모델의 curvature ratio 및 상기 제2 3D 메쉬 모델의 curvature ratio의 차이를 기초로 추출되는 제16 특징 벡터를 추출하는 단계를 포함하고,상기 모델을 생성하는 단계는,상기 제4 특징 벡터 내지 제16 특징 벡터에 관한 정보를 추가하여 기계 학습을 수행하는스테가노그래피 분석 모델 생성 방법
|
11 |
11
제1항 내지 제5항, 제7항 내지 제10항 중 어느 한 항의 방법을 수행하는 프로세서를 포함하는 장치
|
12 |
12
제1항 내지 제5항, 제7항 내지 제10항 중 어느 한 항의 방법을 프로세서가 수행하게 하는 명령어를 포함하는 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능 기록매체
|
13 |
13
제1항 내지 제5항, 제7항 내지 제10항 중 어느 한 항의 방법을 프로세서가 수행하도록 하는 컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램
|