Дипломная работа на тему "ТЮМГУ | Разработка приложения для стеганографии на основе генеративно-состязательной нейронной сети"

Написать диплом по теме «Дипломная работа на тему "ТЮМГУ | Разработка приложения для стеганографии на основе генеративно-состязательной нейронной сети"»

В этой статье — полное руководство по написанию ВКР по теме "Разработка приложения для стеганографии на основе генеративно-состязательной нейронной сети" для студентов Синергии, специальность 09.03.02 "Прикладная информатика". Приведены структура, примеры кода, требования к оформлению, типичные ошибки и чек-лист перед защитой. Все данные соответствуют ГОСТ 34.602-2020 и методичкам вуза.

Нужен разбор вашей темы Дипломная работа на тему "ТЮМГУ | Разработка приложения для стеганографии на основе генеративно-состязательной нейронной сети"? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)

Актуальность темы

Скрытая передача данных становится критичной в условиях роста киберугроз. По данным ФСТЭК за 2023 год, количество инцидентов с утечкой информации выросло на 37%. Стеганография позволяет маскировать данные внутри изображений, аудио или видео, не привлекая внимания.

Классические методы (LSB, DCT) легко обнаруживаются современными анализаторами. Здесь на помощь приходят GAN — генеративно-состязательные сети. Они учатся встраивать данные так, чтобы статистические признаки контейнера оставались неизменными. Это делает обнаружение скрытых сообщений почти невозможным.

Тема особенно актуальна для образовательных проектов: Тюменский государственный университет (ТЮМГУ) активно развивает исследования в области ИБ. В 2024 году на базе вуза запущена лаборатория цифровой стеганографии — это подтверждает востребованность направления.

Цель и задачи

Цель: разработка программного приложения для скрытой передачи данных с использованием GAN-архитектуры на базе CycleGAN.

Задачи:

1. Проанализировать существующие методы стеганографии и их уязвимости.
2. Изучить архитектуру GAN, особенности CycleGAN и Pix2Pix.
3. Разработать модель нейронной сети для встраивания и извлечения сообщений.
4. Реализовать графический интерфейс приложения на Python (PyQt5).
5. Провести тестирование на устойчивость к стеганоанализу (атака с помощью StegExpose).
<6>Оценить экономический эффект от внедрения в образовательной среде.

Задачи соответствуют структуре методички Синергия: анализ → проектирование → реализация → экономика.

Рекомендуемая структура дипломной работы

Пример введения для Синергия

Современные системы передачи данных требуют не только шифрования, но и маскировки самого факта обмена информацией. Стеганография решает эту задачу, позволяя скрывать данные в мультимедийных контейнерах. Однако традиционные методы встраивания (например, LSB) уязвимы к статистическому анализу.

Научная новизна работы заключается в применении генеративно-состязательных сетей для создания стего-контейнеров с сохранением статистических свойств оригинала. Объект исследования — процесс цифровой передачи данных в образовательной среде ТЮМГУ. Предмет — алгоритмы скрытия информации на основе GAN.

В работе используется комбинация методов: анализ патентов и научных статей (eLibrary, CyberLeninka), проектирование нейросетевой модели (PyTorch), оценка экономической эффективности (методика сравнения вариантов). Информационная база включает ГОСТ Р 57580.1-2017, документацию по TensorFlow, а также отчеты ФСТЭК.

Как написать заключение по Прикладная информатика

В ходе выполнения ВКР была разработана модель стеганографического приложения на основе CycleGAN. Реализовано встраивание текстовых сообщений в изображения формата PNG с капселитостью до 1.2 бит/пиксель. Проведено тестирование на 100 изображениях — в 94% случаев стеганоанализатор StegExpose не обнаружил наличие скрытых данных.

Практическая значимость подтверждена расчетом экономического эффекта: при использовании в учебном процессе ТЮМГУ снижение времени на подготовку защищенных учебных материалов составит 35%. Рекомендуется внедрение в лаборатории информационной безопасности вуза.

Требования к списку литературы Синергия

Список должен содержать не менее 20 источников, включая:

• ГОСТ Р 7.0.100-2018 «Библиографическая запись»
• Не менее 10% источников — за последние 2 года
• Разделение по типам: законы, монографии, статьи, интернет

Примеры проверенных источников:

1. Смирнов А.В. Стеганография на основе генеративно-состязательных сетей // КиберЛенинка, 2024
2. TensorFlow CycleGAN Tutorial (официальная документация, 2024)
3. Козлов Д.Н. Защита данных в образовательных системах // eLibrary, 2023

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с модификацией. Например, можно взять CycleGAN с GitHub, но изменить loss-функцию, добавить слой скрытия, адаптировать под PNG. Главное — показать вклад: что вы доработали, как тестировали, какие результаты получили. Простое копирование — риск провала на защите.

Сколько страниц должна быть практическая часть?

Рекомендуемый объем — 30–40 страниц. Включайте: архитектуру модели, код ключевых функций, схемы обработки, результаты тестов (экранки, графики). Приложение — отдельно: полный листинг (до 400 строк), таблицы данных.

Можно ли использовать open-source решения?

Да, но с обязательной адаптацией. Укажите в работе: "Базовая модель взята из репозитория TensorFlow, модифицирована для задач стеганографии путем добавления слоя встраивания и изменения функции потерь". Это покажет вашу компетенцию.

Проверьте свою тему ВКР

• □ Есть ли реальная организация для анализа? (например, ТЮМГУ)
• □ Есть ли измеримый эффект внедрения? (снижение времени на 35%)
• □ Можно ли построить диаграммы процессов? (IDEF0 для обработки данных)
• □ Есть ли реальные данные для экономических расчетов? (затраты на ПО, время преподавателей)