[논문 리뷰] Natural Steganography: cover-source switching for better steganography

Patrick Bas|arXiv (Cornell University)|2016. 07. 26.

Advanced Steganography and Watermarking Techniques참고 문헌 31인용 수 4

한 줄 요약

이 논문은 RAW 이미지에서 다양한 ISO 감도 설정 간 전환을 통해 센서 노이즈를 모방함으로써 탐지되지 않도록 데이터를 삽입하는 새로운 스테가노그래픽 기법인 자연스러운 스테가노그래피(Natural Steganography)를 소개한다. 원시 이미지 데이터를 ISO 변경을 시뮬레이션하도록 왜곡시킴으로써, 높은 삽입률(최대 1.98 bpp)과 낮은 탐지 가능도(5.4% 오차율)를 달성하며, 커버 소스 전환과 이미지 처리 파이프라인의 통계 모델링을 통해 기존 방법들을 능가한다.

ABSTRACT

This paper proposes a new steganographic scheme relying on the principle of cover-source switching, the key idea being that the embedding should switch from one cover-source to another. The proposed implementation, called Natural Steganography, considers the sensor noise naturally present in the raw images and uses the principle that, by the addition of a specific noise the steganographic embedding tries to mimic a change of ISO sensitivity. The embedding methodology consists in 1) perturbing the image in the raw domain, 2) modeling the perturbation in the processed domain, 3) embedding the payload in the processed domain. We show that this methodology is easily tractable whenever the processes are known and enables to embed large and undetectable payloads. We also show that already used heuristics such as synchronization of embedding changes or detectability after rescaling can be respectively explained by operations such as color demosaicing and down-scaling kernels.

연구 동기 및 목표

• 현대 이미지 처리 파이프라인에서 탐지되지 않는 스테가노그래피의 과제를 자연스러운 센서 노이즈 변동을 활용하여 해결한다.
• 고정된 왜곡 모델에 의존하거나 리스케일링 및 데모자이싱에 의해 실패하는 기존 스테가노그래픽 방법의 한계를 극복한다.
• 촬영 설정 매개변수에 따라 이미지 소스를 동적으로 간주하는 스테가노그래픽 프레임워크를 개발하여 더 현실적인 스테고 콘텐츠를 가능하게 한다.
• 다운샘플링 및 데모자이싱과 같은 이미지 처리 단계의 통계적 행동을 모델링하여 높은 삽입률을 유지하면서도 낮은 탐지 가능도를 확보한다.
• RAW 이미지 사용과 실제 카메라 처리 체인 시뮬레이션을 통해 실세계 환경에서의 실용적 구현 가능성을 탐색한다.

제안 방법

• 스테고 신호를 ISO 감도 변화(예: 1000에서 1250 ISO로)로 모델링함으로써 커버 소스 전환을 제안하여 자연스러운 센서 노이즈 변동을 모방한다.
• 원시 도메인에서 픽셀 값의 왜곡을 통해 센서 노이즈 특성의 이동을 시뮬레이션함으로써 삽입을 수행한다.
• 처리 도메인(예: 데모자이싱, 감마 보정, 다운샘플링 이후)에서 발생하는 왜곡을 모델링하여 실제 이미지 처리와 통계적으로 일치하도록 보장한다.
• 탐지 가능도를 최소화하면서도 패킷 용량을 최대화하기 위해 Q-ary 삽입과 수정 확률 πk를 사용한다.
• 라운딩 오차와 양자화 영향을 기반으로 삽입 비용을 가중하기 위해 사전 커버 이미지의 보조 정보를 활용한다.
• 박스 및 텐트 다운샘플링 커널을 적용하여 실제 리스케일링를 시뮬레이션하며, 이로 인해 인접한 삽입 변경 사항 간 상관관계가 형성되어 탐지 가능성 향상이 이루어진다.

실험 결과

연구 질문

• RQ1 다양한 ISO 설정에서의 자연스러운 센서 노이즈 변화를 모방함으로써 스테가노그래픽 삽입을 더 탐지되지 않도록 만들 수 있는가?
• RQ2 특히 ISO 감도 변화를 시뮬레이션하는 커버 소스 전환은 고정 소스 모델 대비 스테가노그래픽 성능을 어떻게 향상시키는가?
• RQ3 데모자이싱 및 다운샘플링과 같은 표준 이미지 처리 작업이 스테가노그래픽 탐지 가능성에 미치는 영향은 어느 정도이며, 이를 모델링하여 삽입 성능을 향상시킬 수 있는가?
• RQ4 센서 노이즈 및 이미지 처리 파이프라인의 통계적 특성을 활용하면 고용량 삽입과 낮은 탐지 가능도를 동시에 달성할 수 있는가?
• RQ5 완전한 커버 소스 전환 대비 커버 소스 왜곡(전환 없이)은 성능과 탐지 가능성 측면에서 어떻게 비교되는가?

주요 결과

• 커버 소스 전환을 통해 1000 ISO에서 1250 ISO로 전환할 경우 자연스러운 스테가노그래피는 최대 1.98 bpp의 삽입률을 달성하며, 탐지 오차율은 5.4%이다.
• 리스케일링 하에서 탐지 가능도가 크게 감소하며, 박스 및 텐트 다운샘플링 커널을 사용할 경우 잔여 탐지 가능도는 각각 0.4 pbb 및 0.2 pbb로 나타난다.
• 커버 소스 전환은 기존 스테가노그래픽 전략(예: 동기화 및 CMD)의 효과성을 설명하며, 데모자이싱 및 다운샘플링과 같은 이미지 처리 작업에서 자연스럽게 유도됨을 보여준다.
• 커버 소스 전환 없이 왜곡만 적용할 경우 동일한 탐지 가능도 수준에서 삽입률이 약 1/3 수준에 그치며, 41.4% 탐지 오차율에서 0.63 bpp를 달성한다.
• 감마 보정, 색상 변환 및 양자화와 같은 일반적인 이미지 처리 단계에 대해 명시적 모델링 덕분에 이론적 용량의 약 95%까지 고용량 스테가노그래피를 실현할 수 있다.
• 모델 기반 삽입, 보조 정보 및 통계적 왜곡 최소화를 조합함으로써 높은 용량의 스테가노그래피를 가능하게 한다.