[논문 리뷰] Secret-to-Image Reversible Transformation for Generative Steganography

Zhili Zhou, Yuecheng Su외 3명|arXiv (Cornell University)|2022. 03. 13.

Advanced Steganography and Watermarking Techniques인용 수 4

한 줄 요약

이 논문은 생성적 스테고그래피에서 고용량, 정확도, 복원 가능성을 확보하기 위해 글로우 기반 생성 모델을 사용한 비밀번호에서 이미지로의 복원 가능한 변환(S2IRT) 기법을 제안한다. 잠재 벡터와 이미지 사이의 이항 사상(비가역성 없는 사상)을 활용하여, 거의 100%의 복원 정확도를 유지하면서 최대 4 bpp의 은닉 용량을 달성하며, 강력한 탐지 회피성과 미시적 불가지각성을 유도한다.

ABSTRACT

Recently, generative steganography that transforms secret information to a generated image has been a promising technique to resist steganalysis detection. However, due to the inefficiency and irreversibility of the secret-to-image transformation, it is hard to find a good trade-off between the information hiding capacity and extraction accuracy. To address this issue, we propose a secret-to-image reversible transformation (S2IRT) scheme for generative steganography. The proposed S2IRT scheme is based on a generative model, i.e., Glow model, which enables a bijective-mapping between latent space with multivariate Gaussian distribution and image space with a complex distribution. In the process of S2I transformation, guided by a given secret message, we construct a latent vector and then map it to a generated image by the Glow model, so that the secret message is finally transformed to the generated image. Owing to good efficiency and reversibility of S2IRT scheme, the proposed steganographic approach achieves both high hiding capacity and accurate extraction of secret message from generated image. Furthermore, a separate encoding-based S2IRT (SE-S2IRT) scheme is also proposed to improve the robustness to common image attacks. The experiments demonstrate the proposed steganographic approaches can achieve high hiding capacity (up to 4 bpp) and accurate information extraction (almost 100% accuracy rate) simultaneously, while maintaining desirable anti-detectability and imperceptibility.

연구 동기 및 목표

• 생성적 스테고그래피에서 기존의 비밀번호에서 이미지로의 변환 기법들이 효율성이 떨어지고 복원 불가능한 문제를 해결한다.
• 기존 GAN 기반 접근법에서의 제한된 은닉 용량과 낮은 복원 정확도 문제를 해결한다.
• 비밀 메시지와 생성된 이미지 사이에 이항 사상(일대일 대응)을 구현하여 안전하고 신뢰할 수 있는 정보 은닉을 가능하게 한다.
• 별도의 인코딩 기반 변형(S2IRT)을 통해 일반적인 이미지 처리 공격에 대한 내구성을 향상시킨다.

제안 방법

• 다변량 정규 분포 잠재 공간과 복잡한 이미지 분포 사이의 글로우 모델의 이항 사상을 활용하여 복원 가능한 변환을 구현한다.
• 구조화된 복원 가능한 인코딩 체계를 사용하여 비밀 메시지를 고차원 잠재 벡터에 인코딩한다.
• 훈련된 글로우 모델을 통해 잠재 벡터를 생성된 이미지로 매핑함으로써, 비밀 정보를 이미지의 분포에 통합한다.
• 요소의 위치 재배치를 통해 왜곡에 대한 내구성을 향상시킨 별도의 인코딩 기반 S2IRT(세분화된 S2IRT) 변형을 도입한다.
• 글로우 모델의 가역성 특성을 활용하여 생성된 이미지로부터 원본 비밀 메시지를 완벽하게 복원할 수 있도록 한다.
• 통계적 분석과 엔트로피 기반 보안 모델링을 적용하여 무작위 키 추측 공격에 대한 저항력을 평가한다.

실험 결과

연구 질문

• RQ1 유연성 기반 생성 모델이 생성적 스테고그래피를 위한 효율적이고 복원 가능한 비밀번호에서 이미지로의 변환을 가능하게 할 수 있는가?
• RQ2 제안된 S2IRT 기법은 은닉 용량, 복원 정확도, 미시적 불가지각성 사이에서 어떻게 균형을 이룹니까?
• RQ3 S2IRT에 비해 SE-S2IRT 변형이 일반적인 이미지 처리 공격에 대해 얼마나 더 뛰어난 내구성을 보입니다?
• RQ4 무작위 키 추측 공격에 대해 제안된 기법의 보안 강도는 어느 정도입니까?
• RQ5 높은 은닉 용량(예: 4 bpp 이상)을 달성하면서도 거의 완벽한 복원 정확도를 유지할 수 있습니까?

주요 결과

• 제안된 S2IRT 기법은 거의 100%의 정보 복원 정확도를 유지하면서 최대 4 bpp의 은닉 용량을 달성한다.
• SE-S2IRT는 밝기 변화, 대trast 강화, 이미지 정제 공격에 대해 뚜렷한 내구성을 확보하며, 이미지 정제 공격 상황에서 100%의 정확도를 기록한다.
• 소금과 pepper 노이즈(3%) 및 가우시안 노이즈(σ=10⁻³) 조건에서 SE-S2IRT는 각각 91%와 84%의 정확도를 유지하며 S2IRT를 능가한다.
• K=30, n=10일 때 SE-S2IRT의 해독 확률은 0.107×10⁻²⁸²로 감소하여 무작위 키 추측 공격에 매우 강력한 저항성을 보인다.
• S2IRT와 SE-S2IRT 모두 시각적 평가와 통계적 평가를 통해 높은 불가지각성과 탐지 회피성을 유지한다.
• 글로우 모델의 이항 성질 덕분에 완벽한 복원성이 보장되어 원본 비밀 메시지의 손실 없이 복구가 가능하다.