[論文レビュー] Automatically Generate Steganographic Text Based on Markov Model and Huffman Coding

Zhongliang Yang, Shuyu Jin+3 more|arXiv (Cornell University)|Nov 12, 2018

Advanced Steganography and Watermarking Techniques参考文献 17被引用数 29

ひとこと要約

本稿では、マーカフ連鎖モデルとハフマン符号化を用いて、自然で人間らしいテキストに秘密データを埋め込む自動化されたステガノグラフィックテキスト生成手法を提案する。大規模な人間が書いたテキストから学習することで、検出困難性が高く、容量も向上した統計的に自然なキャリアを生成し、従来の手法よりもセキュリティと効率性の両面で優れている。

ABSTRACT

Steganography, as one of the three basic information security systems, has long played an important role in safeguarding the privacy and confidentiality of data in cyberspace. The text is the most widely used information carrier in people's daily life, using text as a carrier for information hiding has broad research prospects. However, due to the high coding degree and less information redundancy in the text, it has been an extremely challenging problem to hide information in it for a long time. In this paper, we propose a steganography method which can automatically generate steganographic text based on the Markov chain model and Huffman coding. It can automatically generate fluent text carrier in terms of secret information which need to be embedded. The proposed model can learn from a large number of samples written by people and obtain a good estimate of the statistical language model. We evaluated the proposed model from several perspectives. Experimental results show that the performance of the proposed model is superior to all the previous related methods in terms of information imperceptibility and information hidden capacity.

研究の動機と目的

• 低冗長性および高符号密度のため、検出が困難なテキストに秘密データを埋め込む課題に対処すること。
• 秘密メッセージの長さに合わせて最適化された、流暢で人間らしいテキストキャリアを自動生成するシステムを開発すること。
• 従来の手法と比較して、情報隠し容量および検出困難性の両面でステガノグラフィック性能を向上させること。
• 統計的言語モデルと効率的な符号化技術を活用して、堅牢でスケーラブルなステガノグラフィックテキスト生成を実現すること。

提案手法

• 本手法は、人間が書いたテキストの大規模コーパスを学習して、語の系列の確率分布を推定する高次のマーカフ連鎖モデルを採用する。
• 秘密メッセージをバイナリストリームに圧縮するためにハフマン符号化を用い、ペイロードサイズを最小限に抑え、埋め込み効率を向上させる。
• 生成されたテキストは、動的にマーカフモデルからサンプリングすることで作成され、圧縮されたビットストリームを用いて埋め込まれたメッセージを円滑に符号化できるようにする。
• 埋め込みプロセスでは、メッセージのビットパターンと一致する確率を持つ語を選択することで、ハフマン符号化済みの秘密データを生成されたテキストに統合する。
• 文法的・意味的整合性を維持するため、文脈に基づいた確率的語選択により、言語の流暢さを保証する。
• 本手法は完全に自動化されており、キャリア作成に手動入力が不要であり、秘密メッセージの長さに応じて適応可能である。

実験結果

リサーチクエスチョン

• RQ1 自然言語コーパスで学習したマーカフモデルは、ステガノグラフィック埋め込みに適した流暢で人間らしいテキストを生成できるか？
• RQ2 ハフマン符号化は、ペイロードサイズを効果的に削減しながら、埋め込み容量と検出困難性を維持できるか？
• RQ3 本手法は、情報隠し容量および統計的検出困難性の観点から、従来のステガノグラフィックテキスト技術をどの程度上回るか？
• RQ4 本システムは、人為的介入なしに、秘密メッセージの長さに合わせて自動的にテキストキャリアを生成できるか？

主な発見

• 提案手法は、従来のステガノグラフィックテキスト技術と比較して、情報隠し容量において優れた性能を達成した。
• 統計的および主観的評価により、生成されたステガノグラフィックテキストは高い言語の流暢さと自然さを示した。
• ハフマン符号化の統合により、ペイロードサイズが顕著に削減され、埋め込み効率が向上し、検出困難性も向上した。
• 実験結果から、モデルは優れた検出困難性を示しており、自然言語分布からの統計的ずれが小さいことが確認された。
• システムはステガノグラフィックテキストキャリアの生成を成功裏に自動化し、手動での選択や編集の必要性を排除した。