УДК004.056.5

ПОВЫШЕНИЕ ТОЧНОСТИ МЕТОДОВ СТЕГАНОАНАЛИЗА ПУТЕМ ОПТИМИЗАЦИИ ПАРАМЕТРОВ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ

Сивачев А. В., Прохожев Н. Н., Михайличенко О. В.


Ссылка для цитирования: Сивачев А.В., Прохожев Н.Н., Михайличенко О.В. Повышение точности методов стеганоанализа путем оптимизации параметров вейвлет-преобразования // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 1. С. 113–121. doi: 10.17586/2226-1494-2018-18-1-113-121

Аннотация

 Предмет исследования.Проведено исследование в области повышения точности методов стеганоанализа, используемых при обнаружении встраивания в область дискретного вейвлет-преобразования. Методы. В работе рассмотрены причины недостаточной точности методов обнаружения факта встраивания в область дискретного вейвлет-преобразования, предложенных Gireesh Kumar, Hany Farid, Changxin Liu, Yun Q. Shi. В основу этих методов стеганоанализа положено использование статистических моментов, полученных для областей LL, HL, LH и HH при дискретном вейвлет-преобразовании, и дополнительных параметров изображения, составляющих опорный вектор. Основные результаты. Проанализированы причины неэффективности современных методов стеганоанализа при обнаружении факта встраивания в области LH и HL – примерно 65% и 70% верно классифицированных изображений соответственно. Рассматриваемые методы стеганоанализа используют такие параметры, как статистические моменты, которые обладают большой степенью разброса значений, что затрудняет однозначную классификацию изображений. Предложена методика повышения точности стеаганоанализа за счет проведения оценки и учета погрешности параметров, используемых методами стеганоанализа, с помощью специализированного вейвлета. С использованием предложенной методики повышения точности стеганоанализа разработан метод, позволяющий добиться повышения точности классификации оригинальных изображений на 2,5–7,0%. Практическая значимость. Результаты работы полезны специалистам в области защиты информации в задачах обнаружения и противодействия скрытым каналам передачи данных. Полученные результаты могут быть использованы при разработке систем стеганоанализа.


Ключевые слова: стеганография, стеганоизображение, пассивное противодействие, скрытый канал передачи, система и методы стеганоанализа, бинарная классификация, дискретное вейвлет-преобразование (ДВП), двумерное вейвлет-преобразование, вейвлет Хаара

Список литературы
 1.      Евсютин О.О., Негачева Е.В. Стеганографическое встраивание информации в цифровые изображения, сжатые с помощью блочных клеточных автоматов // Доклады ТУСУР. 2013. № 4(30). С. 130–135.
2.      Gayathri C., Kalpana V. Study on image steganography techniques //International Journal of Engineering and Technology. 2013. V. 5. N 2.P. 572–577.
3.      SPYCRAFT: The Secret History of the CIA’s Spytechs from Communism to Al-Qaeda [Электронныйресурс]. Режим доступа: https://www.cia.gov/library/center-for-the-study-of-intelligence/csi-publications/csi-studies/studies/vol52no2/spycraft-the-secret-history-of-the-cia2019s.html (Дата обращения 01.11.2017)
4.      Nissar A., Mir A.H. Classification of steganalysis techniques: a study // Digital Signal Processing: A Review Journal. 2010. V. 20. N 6. P. 1758–1770.doi: 10.1016/j.dsp.2010.02.003
5.      GireeshKumarT., JithinR., Shankar D.D. Featurebasedsteganalysis using wavelet decomposition and magnitude statistics // Proc. Int. Conf. on Advances in Computer Engineering. Bangalore, India, 2010. Р. 298–300. doi: 10.1109/ACE.2010.33
6.      Hany F. Detecting Steganographic Messages in Digital Images. Technical Report TR2001-412, Dartmouth College, 2001.
7.      Liu C., Ouyang C., Guo M., Chen H. Image steganalysis based on spatial domain and DWT domain features//Proc. 2nd int. Conf. on Networks Security, Wireless Communications and Trusted Computing. 2010.V. 1.P. 329–331. doi: 10.1109/NSWCTC.2010.271
8.      Shi Y.Q., XuanG., Yang C., Gao J., Zhang Z., Chai P., Zou D., Chen C., Chen W. Effective steganalysis based on statistical moments of wavelet characteristic function // Proc. Int. Conf. on Information Technology: Coding and Computing (ITCC'05). Las Vegas, USA, 2005. V. 2. P. 768–773.
9.      Schaathun H.G.Machine Learning in Image Steganalysis. Wiley-IEEE Press, 2012. 290 p.
10.   Прохожев Н.Н., Михайличенко О.В., Башмаков Д.А., Сивачев А.В., Коробейников А.Г. Исследование эффективности применения статистических алгоритмов количественного стеганоанализа в задаче детектирования скрытых каналов передачи информации // Программные системы и вычислительные методы. 2015. № 3. С. 281–292. doi: 10.7256/2305-6061.2015.3.17233
11.   Prokhozhev N., Mikhailichenko O., Sivachev A., Bashmakov D., Korobeynikov A.G. Passive steganalysis evaluation: reliabilities of modern quantitative steganalysis algorithms // Advances in Intelligent Systems and Computing. 2016. V. 451. Р. 89–94. doi:10.1007/978-3-319-33816-3_9
12.   Сивачев А.В., Прохожев Н.Н., Михайличенко О.В., Башмаков Д.А. Эффективность стеганоанализа на основе методов машинного обучения // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17. № 3. С. 457–466. doi: 10.17586/2226-1494-2017-17-3-457-466
13.   Смирнов В.И. Курс высшей математики. СПб.: БХВ-Петербург, 2008. Т. 1. 614 с.
14.   BOWS2 the 10000 original images [Электронныйресурс]. Режим доступа: http://bows2.ec-lille.fr/, свободный. Яз. англ. (датаобращения17.07.2016)BOWS2 the 10 000 original images. Available at: http://bows2.ec-lille.fr/ (accessed 17.07.2016).
15.   WaliaR. Steganography based on neighborhood pixels // Proc. 2nd Conf. on Advances in Computing, Communications and Informatics (ICACCI). Mysore, India,2013. P. 203–206. doi: 10.1109/ICACCI.2013.6637171
16.   Qin J., Xiang X., Deng Y., Li Y., Pan L. Steganalysis of highly undetectable steganography using convolution filtering // Information Technology Journal. 2014. V. 13. N 16. P. 2588–2592.doi: 10.3923/itj.2014.2588.2592
Информация 2001-2018 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика