[논문 리뷰] Applying statistical methods to text steganography

Ivan Nechta, Andrei Fionov|arXiv (Cornell University)|2011. 10. 12.

Advanced Steganography and Watermarking Techniques참고 문헌 3인용 수 4

한 줄 요약

이 논문은 문체적, 의미적, 언어학적 기반의 스테가노그래피 기법을 중심으로 텍스트 스테가노그래피에서 숨겨진 메시지를 탐지하기 위한 통계적 방법을 조사한다. 특히 단어 빈도, 엔트로피, 압축 비율, 단어 간 거리 분산 등의 특징을 사용하는 서포트 벡터 머신(SVM)을 활용한 통계적 스테고그래피 분석이 Nicetext와 Texto와 같은 주요 스테고시스템에 대해 400바이트 이상의 텍스트 크기에서 99% 이상의 탐지 정확도를 달성함을 보여준다.

ABSTRACT

This paper presents a survey of text steganography methods used for hid- ing secret information inside some covertext. Widely known hiding techniques (such as translation based steganography, text generating and syntactic embed- ding) and detection are considered. It is shown that statistical analysis has an important role in text steganalysis.

연구 동기 및 목표

• 기존의 텍스트 스테가노그래피 기법을 문체적, 의미적, 생성 기반 방법으로 분석하고 분류하는 것.
• 자연어 텍스트 내에 숨겨진 메시지를 탐지하기 위한 통계적 스테고그래피 분석의 효과성을 평가하는 것.
• 스테고텍스트와 자연어 텍스트를 구별하는 데 핵심이 되는 통계적 특징을 특정하는 것.
• 특히 SVM를 포함한 기계학습 기반 스테고그래피 분석 방법의 성능을 다양한 스테고시스템과 텍스트 크기에 걸쳐 평가하는 것.
• 네트워크 환경에서 실질적으로 적용 가능한 자동화된 고정확도 스테고그래피 분석 도구 개발을 위한 기반을 마련하는 것.

제안 방법

• 텍스트 스테가노그래피를 세 가지 유형으로 분류한다: 문체적(예: 공백 또는 오타 기반 인코딩), 의미적(예: T-Lex에서의 동의어 교체), 생성 기반(예: 문법 또는 마르코프 기반 텍스트 생성).
• 서포트 벡터 머신(SVM)을 주요 분류 엔진으로 사용하여 단어 빈도, 분산, 엔트로피, 문자 분포 등의 통계적 특징을 기반으로 스테고그래피 분석을 수행한다.
• 압축 기반 스테고그래피 분석을 적용하여, 의심스러운 컨테이너의 압축 이전 및 이후 크기를 비교한다; 스테고텍스트는 임베딩된 데이터로 인해 엔트로피가 증가하여 압축률이 낮아진다.
• 단어 간 거리 분산과 문장 구조 분석을 활용하여, 자연어 흐름과 대비되는 비정상적인 '노이즈' 패턴을 탐지한다.
• 대규모 코퍼스를 활용하여 사전 지식 없이도 번역 기반 스테가노그래피를 탐지하기 위한 자연어 빈도 사전을 구축한다.
• 평균 단어 길이, 공백 빈도, 첫 글자 분포 등의 특징을 통합하여 단일 SVM 분류기로 활용함으로써 탐지 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 다양한 스테고시스템에서 스테고텍스트와 자연어 텍스트를 구별하는 데 있어 통계적 특징의 효과는 어떠한가?
• RQ2 Nicetext, Texto, 마르코프 체인 기반 스테고시스템에 대해 다양한 텍스트 크기에서 SVM 기반 스테고그래피 분석 방법의 탐지 정확도는 얼마인가?
• RQ3 임베딩된 데이터로 인해 엔트로피가 증가함에 따라 압축 가능성이 감소하는 것을 측정함으로써 압축 기반 스테고그래피 분석이 신뢰성 있게 메시지를 탐지할 수 있는가?
• RQ4 단어 간 거리 분산과 동의어 교체 패턴과 같은 언어학적 특징의 활용이 스테고그래피 분석 성능을 얼마나 향상시키는가?
• RQ5 사전 지식 없이도 번역 기반 스테가노그래피를 탐지할 수 있는 블라인드 스테고그래피 방법의 성능은 어느 정도인가?

주요 결과

• SVM 기반 통계적 스테고그래피 분석은 400바이트 이상의 텍스트 크기에서 Nicetext에 대해 99.6% 이상의 탐지 정확도를 달성하며, 400바이트, 1Kb, 5Kb에서 각각 99.61%의 정확도를 기록한다.
• 압축 기반 방법은 400바이트 초과의 텍스트 크기에서 Texto 스테고텍스트를 99.98% 이상의 정확도로 탐지한다. 이는 임베딩된 데이터로 인한 엔트로피 증가로 인해 압축 가능성이 감소하기 때문이다.
• 마르코프 체인 기반 스테고시스템의 경우 5Kb에서 탐지 정확도가 99.46%에 도달하며, 500바이트에서는 84.42%의 정확도를 기록하여 큰 텍스트에서 뛰어난 성능을 보인다.
• 단어 빈도와 단어 간 거리 분산의 변동성을 활용한 방법은 각각 10Kb, 15Kb, 20Kb 텍스트 크기에서 97.65%, 98.88%, 99.69%의 탐지 정확도를 기록한다.
• 번역 기반 스테가노그래피를 위한 자연 빈도 사전 기반 방법은 20Kb에서 87.7%의 정확도를 기록하여 스테고 기법이나 번역 규칙에 대한 사전 지식 없이도 효과적인 블라인드 탐지를 가능하게 한다.
• 동의어 기반 스테가노그래피 분석의 경우 거짓 경고율(38.6%)과 거짓 낙제율(15.1%)이 높아 신뢰도가 낮고 실질적 적용에는 부적합하다.