[論文レビュー] Coverless information hiding based on Generative Model

Xintao Duan, Haoxian Song|arXiv (Cornell University)|Feb 10, 2018

Advanced Steganography and Watermarking Techniques参考文献 3被引用数 24

ひとこと要約

本稿では、生成モデルを用いた新しいカバーレス画像ステガノグラフィー手法を提案する。秘密画像の代わりに意味的関連性のない画像を送信することで、送信者と受信者が共有する生成モデルデータベースを用いて、元の画像と視覚的に同一の秘密画像を再構築する。秘密データの埋め込みを完全に回避することで、あらゆる既存のステガノグラフィー分析手法に対しても高い安全性を達成する。

ABSTRACT

A new coverless image information hiding method based on generative model is proposed, we feed the secret image to the generative model database, and generate a meaning-normal and independent image different from the secret image, then, the generated image is transmitted to the receiver and is fed to the generative model database to generate another image visually the same as the secret image. So we only need to transmit the meaning-normal image which is not related to the secret image, and we can achieve the same effect as the transmission of the secret image. This is the first time to propose the coverless image information hiding method based on generative model, compared with the traditional image steganography, the transmitted image does not embed any information of the secret image in this method, therefore, can effectively resist steganalysis tools. Experimental results show that our method has high capacity, safety and reliability.

研究の動機と目的

• 従来のステガノグラフィーがステガノグラフィー分析に対して脆弱であるのを是正するため、キャリアメディアへの埋め込み変更を完全に排除すること。
• 秘密画像に関連するいかなるデータも送信しないカバーレス情報隠蔽手法を開発すること。
• 生成モデルを活用して、統計的異常を引き起こさない安全で高容量の画像送信を可能にすること。
• 送信画像が秘密コンテンツとは無関係で意味的意味を持つことにより、実用性とセキュリティを向上させること。

提案手法

• 本手法は、データセット（例：CelebA）で事前学習された共有生成モデルデータベースを用い、ランダムな潜在ベクトルを本物らしき画像にマッピングする。
• 送信者は秘密画像を生成モデルに供給し、意味的に関連性のない画像（例：『Lena』から『Baboon』を生成）を送信用に生成する。
• 受信者は、同一の生成モデルデータベースと送信画像を用いて、元の秘密画像と視覚的に同一の再構築画像を生成する。
• 本システムは、訓練済みの生成モデル（例：WGAN）が異なる潜在コードを用いても、秘密画像と視覚的に同一の画像を生成できるという性質に依存する。
• 送信画像には秘密情報が埋め込まれていないため、統計的異常を検出するステガノグラフィー分析ツールからも区別できない。
• 本手法は、送信者と受信者が同一のモデル重みと事前学習済みの生成モデルデータベースを共有しているという仮定に基づく。

実験結果

リサーチクエスチョン

• RQ1 生成モデルを用いてキャリアにいかなる情報を埋め込まずに秘密画像を送信することは可能か？
• RQ2 意味的意味を持つ関連性のない画像をどのようにして、元の画像と視覚的に同一の秘密画像に再構築できるか？
• RQ3 従来のステガノグラフィーと比較して、この手法はどの程度ステガノグラフィー分析ツールに耐性を示すか？
• RQ4 実用的な状況下で、このカバーレスステガノグラフィー手法の容量と信頼性はどの程度か？
• RQ5 同じモデルデータベースを用いて、さまざまな秘密画像に一般化して利用可能か？

主な発見

• 本手法は、意味的意味を持ち、秘密画像とは無関係な送信画像を効果的に生成し、カバーレスステガノグラフィーを達成した。
• 受信者は、送信画像と共有された生成モデルデータベースのみを用いて、高い視覚的忠実度で秘密画像を再構築できた。
• 送信画像に秘密データが埋め込まれていないため、統計的異常を検出するステガノグラフィー分析ツールからも無力化され、区別不能であった。
• CelebAデータセットを用いた実験で、『Lena』を『Baboon』から、逆に『Baboon』を『Lena』から再構築するなど、成功裏に再構築が可能であった。
• 同じ生成モデルを複数の秘密画像に再利用可能であるため、対応するモデルマッピングを保存することで、高容量かつ信頼性の高い性能を達成した。
• 送信画像が自然で悪意のないコンテンツと区別できないため、高度なステガノグラフィー分析に対してもセキュリティが維持された。