Student Bc. Martin Hanták pracoval na své diplomové práci velmi aktivně a pravidelně konzultoval dosažené výsledky. Teoretická část obsahuje podrobné informace o problematice steganografie, hlubokého učení a zpracování medicínských dat, což dokládá schopnost studenta pracovat s odbornou literaturou.

V rámci praktické části bylo vyzkoušeno několik různých metod, přičemž hlavním přínosem práce je návrh a implementace vlastního řešení kombinujícího moderní přístupy. Kladně hodnotím rovněž zahrnutí výsledků testování s různými typy degradací, které mají z praktického hlediska významnou vypovídací hodnotu.
Velmi pozitivně hodnotím také jeho iniciativu při navrhování vlastních řešení.

Zadání práce bylo splněno v plném rozsahu. Práci doporučuji k obhajobě a hodnotím ji stupněm A (95 bodů). Výsledný počet bodů navržený vedoucím: 95

V práci „Steganografie založená na hlubokém učení pro zabezpečení medicínských obrazových dat" sa študent Bc. Martin Hanták venoval návrhu a testovaniu architektúr pre ukladanie textovej informácie do medicínskeho obrazu.
V teoretickej časti autor opisuje samotnú steganografiu a jej rozdiely oproti klasickej kryptografii, ďalej využitie strojového učenia a neurónových sietí v steganografii a jednotlivé architektúry použiteľné na daný účel. Za nedostatok považujem objem informácií, ktoré autor do tejto časti vložil – mnohé z nich nie sú pre samotnú prácu relevantné. Príkladom je historický exkurz do steganografie, ktorý mohol byť výrazne skrátený. Podobne aj následná časť venovaná snímacím technikám v medicíne nie je pre tému diplomovej práce príliš relevantná. Autor má taktiež na konci každej kapitoly sumarizačnú sekciu, ktorá pôsobí ako umelé rozťahovanie textu. Nerozumiem však, prečo by sa o to pokúšal, keďže práca má 102 strán, čo značne presahuje štandardný rozsah diplomových prác.
V ďalšej časti autor predstavuje rešerš využitia umelej inteligencie v steganografii. Tá je spracovaná podrobne, čo svedčí o dobrom prehľade autora v danej oblasti – to hodnotím ako výrazné pozitívum. Čo mi však vadí, je miera detailov pri popise jednotlivých článkov. Autor ich miestami opisuje až príliš dopodrobna; v niektorých prípadoch uvádza aj nepodstatné technické parametre, ako napríklad rýchlosť učenia, čo do rešerše nepatrí. Samotný štýl textu teoretickej časti hodnotím pozitívne – je napísaný odborne a obsahuje dostatočné citácie.
V praktickej časti autor začína trénovaním vybraných existujúcich architektúr – StegFormer, TransStego a Multi-Image Deep Steganography. Postup trénovania je dobre popísaný a obsahuje všetky potrebné informácie, pričom text vhodne dopĺňajú kvalitne spracované grafy zobrazujúce priebeh učenia. Osobitne oceňujem tabuľky hodnotiacich metrík jednotlivých architektúr a zahrnutie porovnaní výsledného obrazu s pôvodným, ako aj extrahovaného tajomstva s pôvodným – tieto prvky výborne komunikujú kvalitu jednotlivých architektúr.
V nadväzujúcej časti autor predstavuje vlastnú architektúru MedStegViT, ktorá tvorí hlavný prínos diplomovej práce. Nákres architektúry a trénovacej pipeline je detailný a prehľadne podporený schémami. Využitie LDPC kódovania na opravu chýb dekóderu považujem za dobrý nápad. Oceňujem dobré hodnotiace metriky tejto architektúry a jej robustnosť voči degradácii spôsobenej kompresiou, zmenou jasu alebo rozostrením.
MedStegViT je následne porovnaná s natrénovanými architektúrami z predošlej časti. Tu vidím nedostatok, keďže MedStegViT bola trénovaná na inej dátovej množine ako ostatné architektúry, čo znižuje výpovednú hodnotu tohto porovnania – zatiaľ čo MedStegViT bola trénovaná na rentgenových snímkach hrudníka, vybrané existujúce architektúry boli trénované na rentgenových snímkach mozgu. Sám autor v texte priznáva, že jeho architektúra nepracuje rovnako dobre na snímkach iných častí tela.
Napriek uvedeným nedostatkom prácu hodnotím pozitívne. Splnila všetky body zadania a dosiahla dobrých výsledkov. Preto ju odporúčam k obhajobe s hodnotením 85 b – B. Otázky k obhajobě:

1. Prečo bola pri trénovaní architektúry MedStegViT použitá iná dátová množina ako pri trénovaní ostatných architektúr (StegFormer, TransStego a Multi-Image Deep Steganography)?
2. Vedeli by ste uviesť konkrétny príklad, kde je využitie steganografie výhodnejšie ako využitie zabezpečenia pomocou kryptografie?

Výsledný počet bodů navržený oponentem: 85