[論文レビュー] Convolutional Video Steganography with Temporal Residual Modeling

Xinyu Weng, Yongzhi Li+2 more|arXiv (Cornell University)|Jun 8, 2018

Advanced Steganography and Watermarking Techniques参考文献 19被引用数 19

ひとこと要約

本論文は、時間的残差モデリングを活用してフレーム間スパarsityを効果的に活用することで、透明性と耐性の両方を向上させる、画期的な深層畳み込み型動画ステガノグラフィー枠組みを提案する。参照フレームとフレーム間残差を別々に符号化するための専用ニューラルネットワークブランチとしきい値ベースのルーティング機構を用いることで、LSBおよび画像ステガノグラフィーのベースラインと比較して、APDおよびステガノグラフィー検出抵抗性の両面で優れた性能を達成する。

ABSTRACT

Steganography represents the art of unobtrusively concealing a secrete message within some cover data. The key scope of this work is about visual steganography techniques that hide a full-sized color image / video within another. A majority of existing works are devoted to the image case, where both secret and cover data are images. We empirically validate that image steganography model does not naturally extend to the video case (i.e., hiding a video into another video), mainly because it completely ignores the temporal redundancy within consecutive video frames. Our work proposes a novel solution to the problem of video steganography. The technical contributions are two-fold: first, the residual between two consecutive frames tends to zero at most pixels. Hiding such highly-sparse data is significantly easier than hiding the original frames. Motivated by this fact, we propose to explicitly consider inter-frame residuals rather than blindly applying image steganography model on every video frame. Specifically, our model contains two branches, one of which is specially designed for hiding inter-frame difference into a cover video frame and the other instead hides the original secret frame. A simple thresholding method determines which branch a secret video frame shall choose. When revealing the concealed secret video, two decoders are devised, revealing difference or frame respectively. Second, we develop the model based on deep convolutional neural networks, which is the first of its kind in the literature of video steganography. In experiments, comprehensive evaluations are conducted to compare our model with both classic least significant bit (LSB) method and pure image steganography models. All results strongly suggest that the proposed model enjoys advantages over previous methods. We also carefully investigate key factors in the success of our deep video steganography model.

研究の動機と目的

• 時間的冗長性を無視する既存の画像ステガノグラフィー・モデルの動画ステガノグラフィーへの適用における制限を解決すること。
• フレーム間残差のスパarsityを活用して、より効率的かつ透明性の高い動画におけるデータ隠匿を実現すること。
• 低歪みと高い復号精度を同時に最適化する深層学習ベースのフレームワークを構築すること。
• GAN風の識別器を用いた adversarial training を組み込むことで、ステガノグラフィー検出に対する耐性を強化すること。
• フレーム選択、しきい値設定、動画コンテンツ品質がステガノグラフィー性能に与える影響を調査すること。

提案手法

• モデルは2つの並列ブランチを用いる：1つは参照フレームの符号化、もう1つはフレーム間残差の符号化で、各フレームを適切なブランチにルーティングするためのしきい値機構を備える。
• 参照フレームか残差データを含むコンテナフレームを識別するための参照・残差（RoR）分類器を、別々の H/R ネットワークからの確率を用いて訓練する。
• ステガノグラフィー検出に対する耐性を向上させるために、GAN風の adversarial loss を採用し、ハイパーパramータを介して H/R 損失と調和させる。
• 1000本の動画クリップにおける平均残差エネルギーを基に、フレームを参照群と残差群に分割するためのしきい値を経験的に 30.68 に設定する。
• 歪みの低減と検出抵抗性の向上を目的として、知覚的損失、再構成損失、および adversarial 損失の組み合わせを用いてモデルを訓練する。
• 動画セグメントは、その直後の残差フレームを伴う参照フレームとして定義され、セグメント長の分布を分析することでモデル性能のバランスを図る。

実験結果

リサーチクエスチョン

• RQ1 各フレームを独立に処理するのと比較して、動画のフレーム間残差を活用することで、ステガノグラフィー効率と透明性を向上させられるか？
• RQ2 動画に適用した場合、時間的残差モデリングは標準的な画像ステガノグラフィーと比べてどのように差をつけるか？
• RQ3 モデル性能と耐性の観点から最適な参照フレームと残差フレームを区別するためのしきい値は何か？
• RQ4 GAN風の識別器を用いた adversarial training は、ステガノグラフィー検出に対する耐性をどの程度向上させるか？
• RQ5 テクスチャや彩度などの動画コンテンツ特性（例：テクスチャ、彩度）は、低 APD スコアと良好なステガノグラフィー性能とどのような相関関係にあるか？

主な発見

• Ad性訓練を施したモデルは、H/R ネットワークの APD スコアがそれぞれ 4.13 および 6.21 に達し、ステガノグラフィー検出に対する耐性が向上していることが示された。
• Ad性訓練を施したモデルは、検出精度が 80% に達するまでに 600 対の訓練データが必要であるのに対し、元のモデルでは 400 対で達成可能であり、セキュリティの強化が裏付けられた。
• 確率ベースの意思決定ルール（実フレームと偽フレームの確率の組み合わせ）を用いることで、RoR 分類器はテストセットで 100% の正確性を達成した。
• 本モデルは、LSB や純粋な画像ステガノグラフィー・モデルと比較して、透明性および復号忠実度の両面で優れた性能を示した。
• 低テクスチャ性および低彩度の動画が一貫して「良い」カバーまたは秘密として特定され、低 APD スコアと相関していた。
• フレーム分割のためのしきい値 30.68 は、コンテナ品質と復号された秘密の忠実度の間でバランスの取れた妥当なトレードオフをもたらした。