[논문 리뷰] A Technique to Share Multiple Secret Images

Mohit Rajput, Maroti Deshmukh|arXiv (Cornell University)|2016. 11. 28.

Advanced Steganography and Watermarking Techniques참고 문헌 10인용 수 4

한 줄 요약

이 논문은 $n$개의 회색조 또는 색상 비밀 이미지를 $n+1$개의 노이즈가 많은 공유물로 암호화하기 위해 덧셈 모듈로 연산을 사용하는 안전한 $(n,n+1)$-다중 비밀 이미지 공유(MSIS) 기법을 제안한다. 이 기법은 오직 $n+1$개의 공유물이 모두 결합될 때만 원본 비밀을 복원할 수 있으며, 이보다 적은 수의 공유물에서는 정보 泄露가 발생하지 않아 고도의 보안성과 거의 완벽한 복원 성능을 확보한다. 이는 상관관계, RMSE 및 PSNR 지표를 통해 검증되었다.

ABSTRACT

Visual Cryptography comes under cryptography domain. It deals with encrypting and decrypting of visual information like pictures, texts, videos $ etc.$ Multi Secret Image Sharing (MSIS) scheme is a part of visual cryptography that provides a protected method to transmit more than one secret images over a communication channel. Conventionally, transmission of a single secret image is possible over a channel at a time. But as technology grows, there emerge a need for sharing more than one secret image. An $(n, n)$-MSIS scheme is used to encrypt $n$ secret images into $n$ meaningless noisy images that are stored over different servers. To recover $n$ secret images all $n$ noisy images are required. At earlier time, the main problem with secret sharing schemes was that attacker can partially figure out secret images, even by getting access of $n-1$ or fewer noisy images. To tackle with this security issue, there arises a need of secure MSIS scheme, so that attacker can not retrieve any information by using less than $n-1$ noisy images. In this paper, we propose a secure $(n, n+1)$-MSIS scheme using additive modulo operation for grayscale and colored images. For checking the effectiveness of proposed scheme; Correlation, MSE and PSNR techniques are used. The experimental results show that the proposed scheme is highly secured and altering of noisy images will not reveal any partial information about secret images. The proposed $(n, n+1)$-MSIS scheme outperforms the existing MSIS schemes in terms of security.

연구 동기 및 목표

• 기존 MSIS 기법에서 $n-1$개 이하의 공유물로부터 공격자가 비밀 이미지를 부분적으로 추론할 수 있는 보안 취약점을 해결하기 위해.
• 모든 공유물이 필요로 하는 $n$개의 비밀 이미지를 $n+1$개의 노이즈가 많은 공유물에 분산 공유하는 다중 비밀 이미지 공유 기법을 설계하기 위해.
• XOR 기반 기법보다 더 강력한 보안성과 공유 이미지의 더 나은 무작위성을 확보하기 위해 덧셈 모듈로 연산을 사용하여 기존 기법을 향상시키기 위해.
• 상관관계, RMSE 및 PSNR를 사용하여 성능을 평가함으로써 높은 정밀도의 복원성과 부분 노출에 대한 저항성을 확보하기 위해.

제안 방법

• 기법은 $n$개의 비밀 이미지를 $n+1$개의 시각적으로 무작위이자 의미 없는 노이즈 이미지로 암호화하기 위해 덧셈 모듈로 연산을 사용한다.
• 암호화 과정에서 무작위 행렬을 활용하여 무작위성을 향상시키고 부분 공유물로부터의 정보 泄露를 방지한다.
• 복호화는 $n+1$개의 공유물을 모두 중첩할 때 덧셈 모듈로 연산을 통해 수행되어 원본 비밀 이미지를 복원한다.
• 모듈러스 값을 적절히 조절함으로써 이중, 회색조 및 컬러 이미지를 모두 지원한다 (예: 이진 이미지의 경우 2, 8비트 회색조의 경우 256).
• 픽셀 확장이 발생하지 않아 비밀 이미지, 공유 이미지 및 복원된 이미지의 크기가 동일하게 유지된다.
• 기법은 직사각형 공유 전략을 사용하며, 복원은 XOR이나 다항식 보간이 아닌 덧셈 모듈로 산술에 기반한다.

실험 결과

연구 질문

• RQ1 모든 $n+1$개의 공유물이 결합되지 않는 한 비밀 이미지에 대한 정보가 완전히 드러나지 않는 다중 비밀 이미지 공유 기법을 설계할 수 있는가?
• RQ2 덧셈 모듈로 기반 암호화 방식은 XOR 기반 기법과 비교해 보안성과 부분 복원에 대한 저항성에서 어떻게 다른가?
• RQ3 무작위 행렬의 사용이 사이드 채널 공격나 통계적 공격에 대한 공유 이미지의 보안성을 얼마나 향상시키는가?
• RQ4 다양한 이미지 유형에서 상관관계, RMSE 및 PSNR로 측정한 복원 정밀도는 어느 정도인가?

주요 결과

• 제안된 $(n,n+1)$-MSIS 기법은 거의 완벽한 복원 성능을 달성하였으며, 다양한 비밀 이미지에서 PSNR 값은 37.02 dB에서 43.16 dB 사이로 변동하였다.
• 비밀 이미지와 복원된 이미지 간 상관관계 계수는 일관되게 높았으며 (예: 0.9989에서 0.9997), 강한 유사성과 정확한 복원을 나타냈다.
• RMSE 값은 낮게 유지되었으며, 1.7796에서 3.6069 사이로 변동하여 복원된 이미지의 왜곡이 최소임을 확인했다.
• $n+1$개 이하의 공유물에서는 상관관계 값이 거의 0에 가까웠다 (예: -0.0001에서 0.0036), 이는 감지 가능한 정보 泄露가 없음을 확인했다.
• 이 기법은 픽셀 확장을 보이지 않아 비밀 이미지, 공유 이미지 및 복원된 이미지의 차원이 동일하게 유지되었다.
• 비밀 이미지의 수가 증가할수록 계산 시간이 증가하였으며, $n=6$일 경우 최대 0.329초에 이를 뿐만 아니라 컬러 이미지의 경우 비트 연산이 증가하여 더 오랜 시간이 소요되었다.