[論文レビュー] Secret-to-Image Reversible Transformation for Generative Steganography

Zhili Zhou, Yuecheng Su+3 more|arXiv (Cornell University)|Mar 13, 2022

Advanced Steganography and Watermarking Techniques被引用数 4

ひとこと要約

本稿では、生成的ステガノグラフィーにおける高容量で正確かつ可逆な情報隠しを実現するため、Glowに基づく生成モデルを用いた秘密情報から画像への可逆変換（S2IRT）スキームを提案する。潜在ベクトルと画像の間の全単射マッピングを活用することで、最大4 bppの隠し容量を達成し、ほぼ100％の抽出精度を実現するとともに、高い検出回避性と目立たなさを維持する。

ABSTRACT

Recently, generative steganography that transforms secret information to a generated image has been a promising technique to resist steganalysis detection. However, due to the inefficiency and irreversibility of the secret-to-image transformation, it is hard to find a good trade-off between the information hiding capacity and extraction accuracy. To address this issue, we propose a secret-to-image reversible transformation (S2IRT) scheme for generative steganography. The proposed S2IRT scheme is based on a generative model, i.e., Glow model, which enables a bijective-mapping between latent space with multivariate Gaussian distribution and image space with a complex distribution. In the process of S2I transformation, guided by a given secret message, we construct a latent vector and then map it to a generated image by the Glow model, so that the secret message is finally transformed to the generated image. Owing to good efficiency and reversibility of S2IRT scheme, the proposed steganographic approach achieves both high hiding capacity and accurate extraction of secret message from generated image. Furthermore, a separate encoding-based S2IRT (SE-S2IRT) scheme is also proposed to improve the robustness to common image attacks. The experiments demonstrate the proposed steganographic approaches can achieve high hiding capacity (up to 4 bpp) and accurate information extraction (almost 100% accuracy rate) simultaneously, while maintaining desirable anti-detectability and imperceptibility.

研究の動機と目的

• 生成的ステガノグラフィーにおける既存の秘密情報から画像への変換の非効率性と不可逆性を解決する。
• 現在のGANベースの手法における隠し容量の制限と抽出精度の低さを克服する。
• 安全で信頼性の高い情報隠しを実現するため、秘密メッセージと生成画像の間の全単射的かつ可逆なマッピングを可能にする。
• 別個の符号化ベースの変種（SE-S2IRT）を用いて、一般的な画像処理攻撃に対する耐性を向上させる。

提案手法

• 多変量正規分布の潜在空間と複雑な画像分布との間のGlowモデルの全単射マッピングを活用し、可逆変換を実現する。
• 構造的で可逆な符号化方式を用いて、秘密メッセージを高次元の潜在ベクトルに符号化する。
• 訓練済みのGlowモデルを介して潜在ベクトルを生成画像にマッピングし、秘密情報の埋め込みを画像の分布に統合する。
• 要素の配置を再編成することで、画像歪みに対する耐性を高める別個の符号化ベースのS2IRT（SE-S2IRT）変種を採用する。
• Glowモデルの可逆性を活用して、生成画像から元の秘密情報を完全に再構成可能にする。
• 統計的分析とエントロピーに基づくセキュリティモデリングを用いて、ランダムな鍵の推測攻撃に対する耐性を評価する。

実験結果

リサーチクエスチョン

• RQ1 フローに基づく生成的モデルは、生成的ステガノグラフィーにおける効率的かつ可逆な秘密情報から画像への変換を可能にするか？
• RQ2 提案されたS2IRTスキームは、隠し容量、抽出精度、目立たなさのバランスをどのようにとるか？
• RQ3 SE-S2IRT変種は、S2IRTに比べて一般的な画像処理攻撃に対してどの程度耐性を向上させるか？
• RQ4 提案されたスキームは、ランダムな鍵の推測攻撃に対してどの程度のセキュリティ強度を示すか？
• RQ5 本手法は、高い隠し容量（例：4 bpp以上）を達成しつつ、ほぼ完璧な抽出精度を維持できるか？

主な発見

• 提案されたS2IRTスキームは、最大4 bppの隠し容量を達成し、ほぼ100％の情報抽出精度を実現した。
• SE-S2IRTは、明るさ変更、コントラスト強化、画像ステリライゼーションに対して顕著に耐性を向上させ、画像ステリライゼーション条件下で100％の精度を達成した。
• 塩こしょうノイズ（3％）およびガウスノイズ（σ=10⁻³）条件下でも、SE-S2IRTはそれぞれ91％および84％の精度を維持し、S2IRTを上回った。
• SE-S2IRTのクラッキング確率は、K=30、n=10の条件下で0.107×10⁻²⁸²にまで低下し、ランダムな鍵の推測攻撃に対して強い耐性を示した。
• S2IRTおよびSE-S2IRTの両方とも、視覚的および統計的評価により、高い目立たなさと検出回避性を維持した。
• Glowモデルの全単射性のおかげで、完全な可逆性が実現され、元の秘密メッセージの損失なしの回復が保証された。