[論文レビュー] A New Parallel Message-distribution Technique for Cost-based Steganography

Mehdi Sharifzadeh, Chirag Agarwal+2 more|arXiv (Cornell University)|May 24, 2017

Advanced Steganography and Watermarking Techniques参考文献 24被引用数 9

ひとこと要約

本稿では、コストベースのステガノグラフィにおける新たな並列メッセージ配布技術を提案し、複数の画像にわたるメッセージ埋め込みを最適化し、埋め込み確率分布を再定義することで、セキュリティとパフォーマンスを向上させる。本手法は、線形コストベースの確率モデルを用いることで、高コスト（滑らか）領域への埋め込みを回避し、HUGO、S-UNIWARD、HILLで用いられる従来の指数分布と比較して、最先端のステガノグラフィ分析において顕著に検出困難性を低下させる。

ABSTRACT

This paper presents two novel approaches to increase performance bounds of image steganography under the criteria of minimizing distortion. First, in order to efficiently use the images' capacities, we propose using parallel images in the embedding stage. The result is then used to prove sub-optimality of the message distribution technique used by all cost based algorithms including HUGO, S-UNIWARD, and HILL. Second, a new distribution approach is presented to further improve the security of these algorithms. Experiments show that this distribution method avoids embedding in smooth regions and thus achieves a better performance, measured by state-of-the-art steganalysis, when compared with the current used distribution.

研究の動機と目的

• HUGO、S-UNIWARD、HILLなどのコストベースのステガノグラフィアルゴリズムにおける、従来のメッセージ配布技術の非最適性に対処すること。
• 最適化された埋め込み確率分布を用いることで、検出困難性を最小限に抑えることにより、ステガノグラフィ的セキュリティを向上させること。
• 複数の画像にわたる並列埋め込みを可能にすることで、容量利用効率とパフォーマンスを向上させること。
• 現在の指数ベースの埋め込み分布が非最適であり、線形コストベースの確率モデルに劣っている可能性を示すこと。
• BOSSbase画像データベースを用い、最先端のステガノグラフィ分析により提案手法を検証すること。

提案手法

• 埋め込みコストの線形関数を用いた新しいメッセージ配布モデルを提案し、$ p(s_{ij}) = \max(\frac{1}{3} - \lambda\rho_{ij}, 0) $（$ s_{ij} = \pm1 $）および$ 1 - 2\max(\frac{1}{3} - \lambda\rho_{ij}, 0) $（$ s_{ij} = 0 $）として定義する。
• 複数の画像にわたる並列画像埋め込みを導入し、容量利用効率とパフォーマンスを向上させる。複数の画像を活用して、メッセージの効率的分布を実現する。
• コストベースのアルゴリズムにおける従来の指数分布を、高コスト（滑らか）領域への埋め込みを低減する線形コストベースの確率モデルに置き換える。
• 固定されたペイロードレート下での歪み最小化という制約付き最適化問題を解くためにラグランジュ乗数を用いる。
• 実用的な埋め込みのため、シンドロームトレリスコードを適用し、確率分布を方程式系を通じて埋め込みコストに再変換する。
• BOSSbase v1.01を用い、10分割交差検証を実施したSRMベースのアンサンブルステガノグラフィスタジアザラーを用いて、性能評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 HUGO、S-UNIWARD、HILLなどの現在のコストベースのステガノグラフィアルゴリズムで用いられるメッセージ配布は非最適であるか？
• RQ2 複数の画像にわたる並列埋め込みは、コストベースのステガノグラフィのパフォーマンスとセキュリティを向上させることができるか？
• RQ3 線形コストベースの確率分布は、指数分布を上回り、検出困難性を低減できるか？
• RQ4 ペイロードを損なわず、歪みを増加させることなく、滑らか（高コスト）領域への埋め込みを効果的に回避できるか？
• RQ5 提案された分布手法は、既存のモデルと比較して、ステガノグラフィスタジアシスにおけるアウトオブバッグ誤差をどの程度低減するか？

主な発見

• 提案された線形分布モデルは、0.3 bppでHILLに対してアウトオブバッグ誤差を0.2847にまで低減し、指数モデル（0.3512）を上回る性能を示した。
• S-UNIWARDでは、線形モデルが0.3091のアウトオブバッグ誤差を達成したのに対し、指数モデルでは0.3291であった。これは、セキュリティの向上を示している。
• HUGOでは最も顕著な改善が見られた：指数モデルでは0.2813、線形モデルでは0.2067（0.3 bpp）であり、検出困難性が26.3％相対的に低減した。
• 多項式および一様分布は、両方の指数モデルおよび線形モデルより劣り、一様分布は0.2067の最低検出困難性を示したが、依然としてHUGOにおける提案線形手法を下回っている。
• 図4は、ペイロードが増加するに従い、HILL、S-UNIWARD、HUGOの3つのアルゴリズムすべてにおいて、提案手法が一貫して検出困難性を低減していることを確認している。特にビットレートが高い場合に顕著である。
• 高コストピクセルに対してほぼゼロの確率を割り当てることで、滑らかな領域への埋め込みを効果的に回避し、歪みを増加させることなくセキュリティを向上させた。