Search

When Alice is hidding a message into a cover image in order to communicate with Bob, she is not going to pick it among historic databases from the literature used to train detectors in steganalysis. This could be very problematic for the opponent Eve since Alice's image is likely coming from a very different source than her training one. The source of an image can be defined with a multitude of parameters such as the nature of the sensor, the post-processing operations and the parameters of the compression. Hence it is almost impossible for Eve to train her detectors with the base of Alice. In this paper we are building and analyzing a collection of bases whose parameters are fostering generalisation. Our main contribution is the discovery of good practices helping to build such representative bases for digital image steganalysis. They are related to the intrinsic dimension of the features representing the database but also to the type of classifier used.; Lorsque Alice dissimule un message dans une image de couverture pour communiquer avec Bob, elle ne va pas la piocher dans les bases de la littérature dédiées à l'entraînement de détecteurs en stéganalyse. Cela peut alors poser un problème pour Eve, l'adversaire d'Alice, car la source dont provient l'image d'Alice peut être très distincte de celle sur laquelle Eve s'est entraînée. La source d'une image dépend d'une multitude de paramètres comme la nature du capteur, les retouches logicielles ainsi que les paramètres de compression. Il est alors quasi impossible pour Eve de s'entraîner sur la même base qu'Alice. Dans ce papier, nous construisons puis analysons un ensemble de bases dont les paramètres favorisent la généralisation de l'apprentissage. Notre principale contribution est la découverte de bonnes pratiques permettant de concevoir des bases représentatives pour la stéganalyse d'images numériques. Elles sont liées à la dimension intrinsèque des caractéristiques représentant la base, mais aussi au type de classifieur utilisé.

International audience; Many real-life signal-based applications use the Tucker decomposition of a high dimensional/order tensor. A well-known problem with the Tucker model is that its number of entries increases exponentially with its order, a phenomenon known as the "curse of the dimensionality". The Higher-Order Orthogonal Iteration (HOOI) and Higher-Order Singular Value Decomposition (HOSVD) are known as the gold standard for computing the range span of the factor matrices of a Tucker Decomposition but also suffer from the curse. In this paper, we propose a new methodology with a similar estimation accuracy as the HOSVD with non-exploding computational and storage costs. If the noise-free data follows a Tucker decomposition, the corresponding Tensor Train (TT) decomposition takes a remarkable specific structure. More precisely, we prove that for a Q-order Tucker tensor, the corresponding TT decomposition is constituted by Q − 3 3-order TT-core tensors that follow a Constrained Canonical Polyadic Decomposition. Using this new formulation and the coupling property between neighboring TTcores, we propose a JIRAFE-type scheme for the Tucker decomposition, called TRIDENT. Our numerical simulations show that the proposed method offers a drastically reduced complexity compared to the HOSVD and HOOI while outperforming the Fast Multilinear Projection (FMP) method in terms of estimation accuracy.

This thesis addresses issues relating to the protection of 3D object meshes. For instance, these objects can be created using CAD tool developed by the company STRATEGIES. In an industrial context, 3D meshes creators need to have tools in order to verify meshes integrity, or check permission for 3D printing for example.In this context we study data hiding on 3D meshes. This approach allows us to insert information in a secure and imperceptible way in a mesh. This may be an identifier, a meta-information or a third-party content, for instance, in order to transmit secretly a texture. Data hiding can address these problems by adjusting the trade-off between capacity, imperceptibility and robustness. Generally, data hiding methods consist of two stages, the synchronization and the embedding. The synchronization stage consists of finding and ordering available components for insertion. One of the main challenges is to propose an effective synchronization method that defines an order on mesh components. In our work, we propose to use mesh vertices, specifically their geometric representation in space, as basic components for synchronization and embedding. We present three new synchronisation methods based on the construction of a Hamiltonian path in a vertex cloud. Two of these methods jointly perform the synchronization stage and the embedding stage. This is possible thanks to two new high-capacity embedding methods (from 3 to 24 bits per vertex) that rely on coordinates quantization. In this work we also highlight the constraints of this kind of synchronization. We analyze the different approaches proposed with several experimental studies. Our work is assessed on various criteria including the capacity and imperceptibility of the embedding method. We also pay attention to security aspects of the proposed methods.; Cette thèse aborde les problèmes liés à la protection de maillages d'objets 3D. Ces objets peuvent, par exemple, être créés à l'aide d'outil de CAD développés par la société STRATEGIES. Dans un cadre industriel, les créateurs de maillages 3D ont besoin de disposer d'outils leur permettant de vérifier l'intégrité des maillages, ou de vérifier des autorisations pour l'impression 3D par exemple. Dans ce contexte nous étudions l'insertion de données cachées dans des maillages 3D. Cette approche permet d'insérer de façon imperceptible et sécurisée de l'information dans un maillage. Il peut s'agir d'un identifiant, de méta-informations ou d'un contenu tiers, par exemple, pour transmettre de façon secrète une texture. L'insertion de données cachées permet de répondre à ces problèmes en jouant sur le compromis entre la capacité, l'imperceptibilité et la robustesse. Généralement, les méthodes d'insertion de données cachées se composent de deux phases, la synchronisation et l'insertion. La synchronisation consiste à trouver et ordonner les éléments disponibles pour l'insertion. L'un des principaux challenges est de proposer une méthode de synchronisation 3D efficace qui définit un ordre sur les composants des maillages. Dans nos travaux, nous proposons d'utiliser les sommets du maillage, plus précisément leur représentation géométrique dans l'espace comme composants de base pour la synchronisation et l'insertion. Nous présentons donc trois nouvelles méthodes de synchronisation de la géométrie des maillages basées sur la construction d'un chemin hamiltonien dans un nuage de sommets. Deux de ces méthodes permettent de manière conjointe de synchroniser les sommets et de cacher un message. Cela est possible grâce à deux nouvelles méthodes d'insertion haute capacité (de 3 à 24 bits par sommet) qui s'appuient sur la quantification des coordonnées. Dans ces travaux nous mettons également en évidence les contraintes propres à ce type de synchronisation. Nous discutons des différentes approches proposées dans plusieurs études expérimentales. Nos travaux sont évalués sur différents critères dont la capacité et l'imperceptibilité de la méthode d'insertion. Nous portons également notre attention aux aspects sécurité des méthodes.