[論文レビュー] Steganalysis Using Color Model Conversion

P. Thiyagarajan, G. Aghila+1 more|arXiv (Cornell University)|Jun 12, 2012

Advanced Steganography and Watermarking Techniques参考文献 7被引用数 8

ひとこと要約

本論文は、RGBからHSI色空間に変換する過程で生じる統計的異常を分析することにより、デジタル画像に隠されたデータを検出する汎用的なステガノグラフィー解析手法を提案する。ステガノグラフィック埋め込み後に生じるHSI成分内の固有の分布シフトを活用することで、さまざまなLSBベースのステガノグラフィー手法に対して効果的な検出が可能となり、埋め込みパrameterが制御された独自の画像データベースにおいて優れた性能を示した。

ABSTRACT

The major threat in cyber crime for digital forensic examiner is to identify, analyze and interpret the concealed information inside digital medium such as image, audio and video. There are strong indications that hiding information inside digital medium has been used for planning criminal activities. In this way, it is important to develop a steganalysis technique which detects the existence of hidden messages inside digital medium. This paper focuses on universal image steganalysis method which uses RGB to HSI colour model conversion. Any Universal Steganalysis algorithm developed should be tested with various stego-images to prove its efficiency. The developed Universal Steganalysis algorithm is tested in stego-image database which is obtained by implementing various RGB Least Significant Bit Steganographic algorithms. Though there are many stego-image sources available on the internet it lacks in the information such as how many rows has been infected by the steganography algorithms, how many bits have been modified and which channel has been affected. These parameters are important for Steganalysis algorithms and it helps to rate its efficiency. Proposed Steganalysis using Colour Model has been tested with our Image Database and the results were affirmative.

研究の動機と目的

• 使用されるステガノグラフィー手法にかかわらず、デジタル画像に隠されたメッセージを検出できる汎用的ステガノグラフィー解析技術の開発を目的とする。
• 埋め込みに使用された画素数、埋め込まれたビット数、影響を受けるチャネルといったメタデータを含む、標準化され、十分に文書化されたステガノ画像データベースの不足を解消することを目的とする。
• 色空間変換（RGBからHSI）を特徴抽出手法として用いることの有効性を評価することを目的とする。
• 埋め込みパrameterが既知の独自の画像データベースを構築し、それらを活用して提案手法の性能を信頼性を持って評価することを目的とする。

提案手法

• 入力画像をRGBからHSI色空間に変換し、Hue、Saturation、Intensityの各成分における統計的分布の違いを活用する。
• 各HSI成分（特にIntensity）の統計的性質を分析し、ステガノグラフィック埋め込みによって引き起こされる異常を検出する。
• 事前にステガノグラフィー手法の知識を必要としない汎用的ステガノグラフィー解析フレームワークを採用する。
• 特に埋め込み後のIntensityチャネルにおける分散および分布シフトに基づく特徴抽出を実施する。
• さまざまなLSBベースのステガノグラフィー手法を用いて生成されたステガノ画像データベースを用いて、検出モデルの学習および評価を行う。
• HSIドメイン解析に基づく指標を用いて、異なるステガノグラフィー手法間での検出性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 RGBからHSIへの色空間変換は、デジタル画像におけるステガノグラフィック埋め込みによって生じる統計的異常を効果的に露わにできるか？
• RQ2 本手法は、埋め込みレートやチャネル使用法が異なる多様なLSBベースのステガノグラフィー手法に対し、どのように性能を発揮するか？
• RQ3 埋め込みに関する詳細なメタデータ（例：変更された画素数、埋め込まれたビット数、影響を受けるチャネル）を含めることで、ステガノグラフィー解析手法の評価がどの程度向上するか？
• RQ4 汎用的ステガノグラフィー解析において、HSIドメインは元のRGBドメインよりもステガノグラフィック変更に対して感受性が高いか？

主な発見

• 提案手法は、埋め込みパrameterが制御された独自の画像データベースにおいて、肯定的な検出結果を得た。
• 特にIntensity成分に現れるHSI色空間内の統計的異常は、ステガノグラフィック埋め込みの有無を示す有効な指標であった。
• 本手法は複数のLSBベースのステガノグラフィー手法に対して高いロバスト性を示し、その汎用性が裏付けられた。
• 埋め込み詳細が明確に文書化されたステガノ画像データベースの活用により、性能評価の信頼性と解釈可能性が著しく向上した。