[論文レビュー] A Graph-theoretic Model to Steganography on Social Networks

Hanzhou Wu, Wei Wang+3 more|arXiv (Cornell University)|Dec 11, 2017

Advanced Steganography and Watermarking Techniques参考文献 21被引用数 3

ひとこと要約

本稿では、参加者を頂点として、通信リンクを重み付き辺として表現するグラフ理論的モデルを提案する。重みは通信リスクを反映する。スティガノグラフィックルーティングを、総リスクを最小化するパス最適化問題として定式化し、確率的グラフと加法的重み付きグラフの等価性を証明し、スティガノグラフィックネットワークの検出戦略を提供する。

ABSTRACT

Steganography aims to conceal the very fact that the communication takes place, by embedding a message into a digit object such as image without introducing noticeable artifacts. A number of steganographic systems have been developed in past years, most of which, however, are confined to the laboratory conditions where the real-world use of steganography are rarely concerned. In this paper, we introduce an alternative perspective to steganography. A graph-theoretic model to steganography on social networks is presented to analyze real-world steganographic scenarios. In the graph, steganographic participants are corresponding to the vertices with meaningless unique identifiers. Each edge allows the two vertices to communicate with each other by any steganographic algorithm. Meanwhile, the edges are associated with weights to quantize the corresponding communication risk (or say cost). The optimization task is to minimize the overall risk, which is modeled as additive over the social network. We analyze different scenarios on a social network, and provide the suited solutions to the corresponding optimization tasks. We prove that a multiplicative probabilistic graph is equivalent to an additive weighted graph. From the viewpoint of an attacker, he may hope to detect suspicious communication channels, the data encoder(s) and the data decoder(s). We present limited detection analysis to steganographic communication on a network.

研究の動機と目的

• 実世界のソーシャルネットワークにおけるスティガノグラフィック通信を、グラフ理論を用いてモデル化し、ラボベースのスティガノグラフィーを越える。
• スティガノグラフィックネットワークにおける通信リスクを辺の重みとして定量化し、加法的最適化により総リスクを最小化する。
• リスク制約下でのスティガノグラフィック通信に最適なルーティング戦略（P2Pおよびマルチポイント）を提供する。
• 構造的および統計的不審な挙動に焦点を当て、攻撃者の視点からスティガノグラフィックネットワークの検出戦略を分析する。
• ソーシャル行動とネットワークダイナミクスをモデル化することで、理論的スティガノグラフィーと実世界への展開の間のギャップを埋める。

提案手法

• ソーシャルネットワークの参加者をグラフ G(V, E) の頂点として、通信リンクを辺として表現する。
• 辺の重みを通信リスク（コスト）として割り当て、ネットワーク全体のリスクを加法的にモデル化する。
• 最適化に関して、乗法的確率的グラフと加法的重み付きグラフが数学的に同等であることを証明する。
• スティガノグラフィックルーティングを、最短経路問題または最小スパニングツリー問題として定式化し、総リスクを最小化する。
• 構造的およびデータ駆動型の検出手法を適用する：構造的分析（トポロジーに基づく）、行動分析（量子化されたネットワーク特徴）、コンテンツ分析（例：SVM やニューラルネットワークなどの分類器）。
• 教師なし学習技術（クラスタリングベースおよびモデルベース）を用い、ラベルなしデータにおいても異常検出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルネットワークにおけるスティガノグラフィック通信は、どのようにグラフ理論的最適化問題としてモデル化できるか？
• RQ2 確率的スティガノグラフィックチャネルモデルと加法的重み付きグラフの関係は何か？
• RQ3 スティガノグラフィックネットワーク全体のリスクを最小化するための最適な通信経路はどのように特定できるか？
• RQ4 ソーシャルネットワークにおける不審なスティガノグラフィック通信を同定するために適用可能な検出戦略は何か？
• RQ5 構造的およびデータ駆動型アプローチは、実世界のネットワークシナリオにおけるスティガノグラフィック異常検出において、どのように比較されるか？

主な発見

• 乗法的確率的グラフモデルは数学的に加法的重み付きグラフと同等であり、スティガノグラフィック通信経路の効率的最適化を可能にする。
• 最適なP2Pスティガノグラフィック通信戦略は、重み付きグラフにおける最短経路に対応し、総通信リスクを最小化する。
• マルチポイント通信では、重み付きネットワーク上で最小スパニングツリーのアルゴリズムを用いることで、近似的に最適な解を得られる。
• ネットワークトポロジーに基づく構造的分析は、ラベルなしデータやリアルタイム通信特徴を必要とせず、異常を検出可能である。
• データ駆動型検出手法（特にコンテンツ分析および行動分析）は、SVM やニューラルネットワークなどの教師あり分類器によって恩恵を受けるが、ラベルの不足が依然として課題である。
• 教師なし学習手法（例：クラスタリングやモデルベースの異常検出）は、スティガノグラフィックネットワークにおける不審な頂点や辺の特定に効果的である。