[논문 리뷰] A Graph-theoretic Model to Steganography on Social Networks

Hanzhou Wu, Wei Wang외 3명|arXiv (Cornell University)|2017. 12. 11.

Advanced Steganography and Watermarking Techniques참고 문헌 21인용 수 3

한 줄 요약

이 논문은 참가자를 정점으로, 통신 링크를 가중치가 부여된 간선으로 표현하는 그래프 이론 모델을 제안하여 소셜 네트워크에서의 스테가노그래픽 통신을 분석한다. 여기서 가중치는 통신 위험을 반영한다. 스테가노그래픽 라우팅을 총 위험을 최소화하는 경로 최적화 문제로 공식화하고, 확률적 그래프와 덧셈 가중치 그래프 간의 등가성을 증명하며, 스테가노그래픽 네트워크의 탐지 전략을 제공한다.

ABSTRACT

Steganography aims to conceal the very fact that the communication takes place, by embedding a message into a digit object such as image without introducing noticeable artifacts. A number of steganographic systems have been developed in past years, most of which, however, are confined to the laboratory conditions where the real-world use of steganography are rarely concerned. In this paper, we introduce an alternative perspective to steganography. A graph-theoretic model to steganography on social networks is presented to analyze real-world steganographic scenarios. In the graph, steganographic participants are corresponding to the vertices with meaningless unique identifiers. Each edge allows the two vertices to communicate with each other by any steganographic algorithm. Meanwhile, the edges are associated with weights to quantize the corresponding communication risk (or say cost). The optimization task is to minimize the overall risk, which is modeled as additive over the social network. We analyze different scenarios on a social network, and provide the suited solutions to the corresponding optimization tasks. We prove that a multiplicative probabilistic graph is equivalent to an additive weighted graph. From the viewpoint of an attacker, he may hope to detect suspicious communication channels, the data encoder(s) and the data decoder(s). We present limited detection analysis to steganographic communication on a network.

연구 동기 및 목표

• 실세계 소셜 네트워크에서 그래프 이론을 활용해 스테가노그래픽 통신을 모델링하여 실험실 기반 스테가노그래피를 넘어서는 것.
• 스테가노그래픽 네트워크에서의 통신 위험을 간선 가중치로 정량화하고, 덧셈 최적화를 통해 총 위험을 최소화하는 것.
• 위험 제약 조건 하에서 스테가노그래픽 통신을 위한 최적의 라우팅 전략(P2P 및 다중 지점)을 제공하는 것.
• 구조적 및 통계적 비정상성에 초점을 맞춘 공격자의 관점에서 스테가노그래픽 네트워크의 탐지 전략을 분석하는 것.
• 사회적 행동과 네트워크 동적 특성을 모델링하여 이론적 스테가노그래피와 실세계 구현 간 격차를 메우는 것.

제안 방법

• 소셜 네트워크 참가자를 그래프 G(V, E)의 정점으로, 통신 링크를 간선으로 표현한다.
• 간선 가중치를 통신 위험(비용)으로 할당하여 네트워크 전반의 위험을 덧셈적으로 모델링한다.
• 최적화 목적에서 곱셈적 확률적 그래프가 덧셈 가중치 그래프와 수학적으로 동치임을 증명한다.
• 스테가노그래픽 라우팅을 총 위험을 최소화하는 최단경로 또는 최소 스패닝 트리 문제로 공식화한다.
• 구조적 및 데이터 기반 탐지 방법을 적용: 구조적 분석(구조 기반), 행동 분석(양자화된 네트워크 특징), 콘텐츠 분석(SVM 또는 신경망과 같은 분류기 예시 포함).
• 라벨이 없는 데이터를 대상으로 하는 비지도 학습 기법—군집 기반 및 모델 기반—을 활용해 이질성 탐지한다.

실험 결과

연구 질문

• RQ1 소셜 네트워크에서의 스테가노그래픽 통신은 어떻게 그래프 이론 최적화 문제로 모델링할 수 있는가?
• RQ2 확률적 스테가노그래픽 채널 모델과 덧셈 가중치 그래프 간의 관계는 무엇인가?
• RQ3 스테가노그래픽 네트워크에서 전체 위험을 최소화하기 위해 최적의 통신 경로는 어떻게 식별할 수 있는가?
• RQ4 소셜 네트워크에서 의심스러운 스테가노그래픽 통신을 식별하기 위해 어떤 탐지 전략을 적용할 수 있는가?
• RQ5 실세계 네트워크 시나리오에서 스테가노그래픽 이질성을 탐지할 때, 구조적 접근과 데이터 기반 접근은 어떻게 비교되는가?

주요 결과

• 곱셈적 확률적 그래프 모델은 덧셈 가중치 그래프와 수학적으로 동치이며, 이는 스테가노그래픽 통신 경로의 효율적 최적화를 가능하게 한다.
• 최적의 P2P 스테가노그래픽 통신 전략은 가중치가 부여된 그래프에서의 최단경로에 해당하며, 총 통신 위험을 최소화한다.
• 다중 지점 통신의 경우, 가중치가 부여된 네트워크에 대해 최소 스패닝 트리 알고리즘을 적용하여 근사 최적의 해를 도출할 수 있다.
• 네트워크 구조의 구조적 분석은 라벨이 없는 데이터나 실시간 통신 특징이 필요 없이 이질성을 탐지할 수 있다.
• 데이터 기반 탐지 방법—특히 콘텐츠 및 행동 분석—은 SVM 및 신경망과 같은 지도 학습 분류기의 이점을 얻지만, 라벨 부족 문제는 여전히 도전 과제이다.
• 비지도 학습 기법인 군집 및 모델 기반 이질성 탐지 방법은 스테가노그래픽 네트워크에서 의심스러운 정점 또는 간선을 효과적으로 식별하는 데 유용하다.