[논문 리뷰] Coverless Information Hiding Based on Generative adversarial networks

Mingming Liu, Minqing Zhang외 3명|arXiv (Cornell University)|2017. 12. 18.

Advanced Steganography and Watermarking Techniques참고 문헌 11인용 수 50

한 줄 요약

이 논문은 GAN을 이용한 커버리스 정보 은닉 방법을 제안한다. 비밀 데이터가 이미지 생성을 이끌고 판별기가 숨겨진 정보를 추출하며 이미지 수정을 피한다.

ABSTRACT

Traditional image steganography modifies the content of the image more or less, it is hard to resist the detection of image steganalysis tools. To address this problem, a novel method named generative coverless information hiding method based on generative adversarial networks is proposed in this paper. The main idea of the method is that the class label of generative adversarial networks is replaced with the secret information as a driver to generate hidden image directly, and then extract the secret information from the hidden image through the discriminator. It's the first time that the coverless information hiding is achieved by generative adversarial networks. Compared with the traditional image steganography, this method does not modify the content of the original image. therefore, this method can resist image steganalysis tools effectively. In terms of steganographic capacity, anti-steganalysis, safety and reliability, the experimen shows that this hidden algorithm performs well.

연구 동기 및 목표

• 전통적인 이미지 스테가노그래피에 대한 커버리스 대안의 필요성을 제시한다.
• 비밀 정보가 이미지 생성을 안내하는 GAN 기반 방법을 제안한다.
• 용량과 신뢰성을 유지하면서 이 접근법이 이미지 스테가노 분석에 저항함을 보인다.

제안 방법

• GAN의 클래스 라벨을 비밀 정보로 대체하여 숨겨진 이미지 생성을 유도한다.
• 생성된 이미지에서 비밀 정보를 추출하기 위해 GAN 판별기를 사용한다.
• 원본 이미지 콘텐츠의 수정이 필요하지 않음을 입증한다(커버리스).
• 스테가노그래픽 용량, 반-스테가노 분석성, 안전성 및 신뢰성 측면에서 평가한다.

실험 결과

연구 질문

• RQ1 생성 드라이버로 비밀 데이터를 사용하여 GAN이 커버리스 정보 은닉을 가능하게 할 수 있는가?
• RQ2 생성된 이미지에서 비밀 정보가 GAN 판별기를 통해 추출될 수 있는가?
• RQ3 전통적인 스테가노그래피보다 이 방법이 표준 이미지 스테가노 분석에 더 잘 저항하는가?
• RQ4 GAN을 이용한 커버리스 은닉의 용량, 안전성 및 신뢰성에 대한 시사점은 무엇인가?

주요 결과

• 비밀 정보에 의해 생성을 유도하여 커버리스 정보 은닉을 달성한다.
• 비밀 정보는 GAN 판별기를 통해 추출된다.
• 이 접근법은 전통적인 이미지 수정 기법보다 이미지 스테가노 분석 도구에 더 효과적으로 저항한다.
• 실험 결과는 용량, 반스테가노 분석, 안전성 및 신뢰성 측면에서 우수한 성능을 시사한다.