[論文レビュー] Applying statistical methods to text steganography

Ivan Nechta, Andrei Fionov|arXiv (Cornell University)|Oct 12, 2011

Advanced Steganography and Watermarking Techniques参考文献 3被引用数 4

ひとこと要約

この論文は、構文的、意味的、言語的駆動型のステガノグラフィー技法に焦点を当て、テキストステガノグラフィーにおける隠しメッセージを検出する統計的手法を調査している。特に、語の頻度、エントロピー、圧縮比、語の距離分散といった特徴を用いたSVMを用いた統計的ステガノグラフィー分析は、Nicetext や Texto といった主要なステゴシステムにおいて、400バイトを超えるテキストサイズで99％を超える検出精度を達成していることが示されている。

ABSTRACT

This paper presents a survey of text steganography methods used for hid- ing secret information inside some covertext. Widely known hiding techniques (such as translation based steganography, text generating and syntactic embed- ding) and detection are considered. It is shown that statistical analysis has an important role in text steganalysis.

研究の動機と目的

• 構文的、意味的、生成ベースの手法を含む、既存のテキストステガノグラフィー技法を分析・分類すること。
• 自然言語テキスト内に隠されたメッセージを検出する統計的ステガノグラフィー分析の有効性を評価すること。
• ステゴテキストと自然言語テキストを区別するための重要な統計的特徴を同定し、信頼性の高い検出を可能にすること。
• 特にSVMを用いた機械学習ベースのステガノグラフィー分析手法の、さまざまなステゴシステムおよびテキストサイズにおける性能を評価すること。
• ネットワーク環境における実用的展開を想定した、自動的かつ高精度なステガノグラフィー分析ツールの基盤を提供すること。

提案手法

• テキストステガノグラフィーを3つのカテゴリに分類する：構文的（例：空白や誤字による符号化）、意味的（例：T-Lexにおける同義語置換）、生成ベースの（例：文法的またはマルコフ連鎖に基づくテキスト生成）。
• 語の頻度、分散、エントロピー、文字分布などの統計的特徴を用いて、SVM（サポートベクターマシン）を主な分類エンジンとしてステガノグラフィー分析に適用する。
• 圧縮に基づくステガノグラフィー分析を実施し、疑わしいコンテナの圧縮前後サイズを比較する。ステゴテキストは埋め込みデータによるエントロピー上昇のため、自然なテキストよりも圧縮率が低くなる。
• 語の距離分散と文構造解析を用いて、自然な言語の流れとは異なる「ノイジーな」パターンを検出する。
• 大規模コーパスを活用して自然な頻度辞書を構築し、ステゴ手法の事前知識がなくても翻訳ベースのステガノグラフィーを盲検出可能にする。
• 平均語長、空白頻度、先頭文字分布といった複数の特徴を統合し、SVM分類器に統合することで、検出のロバスト性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 さまざまなステゴシステムにおいて、統計的特徴はステゴテキストと自然言語テキストをどれほど効果的に区別できるか？
• RQ2 テキストサイズが変化する中で、SVMベースのステガノグラフィー分析手法が Nicetext、Texto、およびマルコフ連鎖ベースのステゴシステムに対してどの程度の検出精度を示すか？
• RQ3 エントロピー上昇に起因する可逆性の変化を測定することで、圧縮に基づくステガノグラフィー分析は埋め込みメッセージを信頼性高く検出できるか？
• RQ4 語の距離分散や同義語置換パターンといった言語的特徴を活用することで、ステガノグラフィー分析の性能はどの程度向上するか？
• RQ5 翻訳ベースのステガノグラフィーを、ステゴ手法や翻訳ルールの事前知識なしに、どの程度の範囲で盲検出可能か？

主な発見

• SVMを用いた統計的ステガノグラフィー分析は、400バイトを超えるテキストサイズで Nicetext に対して99.6％を超える検出精度を達成しており、400バイト、1 Kb、5 Kb でそれぞれ99.61％の精度を示している。
• 圧縮に基づく手法は、400バイトを超えるテキストサイズで、埋め込みデータによる可逆性の低下のため、Texto ステゴテキストを99.98％以上の精度で検出している。
• マルコフ連鎖ベースのステゴシステムでは、5 Kb で99.46％の検出精度に達しており、500バイトでは84.42％の精度を示しており、大規模なテキストに対して優れた性能を発揮していることがわかる。
• 語の頻度と語の距離分散の分散を用いた手法は、それぞれ10 Kb、15 Kb、20 Kb のテキストサイズで97.65％、98.88％、99.69％の検出精度を達成している。
• 翻訳ベースのステガノグラフィーに適した自然な頻度辞書に基づく手法は、20 Kb で87.7％の精度を示しており、ステゴ手法の事前知識なしに効果的な盲検出が可能であることを示している。
• 同義語置換に基づくステガノグラフィー分析では、偽陽性率が38.6％、偽陰性率が15.1％と高く、実用的でない低信頼性であることが示されている。