[논문 리뷰] Steganalysis Using Color Model Conversion

P. Thiyagarajan, G. Aghila외 1명|arXiv (Cornell University)|2012. 06. 12.

Advanced Steganography and Watermarking Techniques참고 문헌 7인용 수 8

한 줄 요약

이 논문은 디지털 이미지에 숨겨진 데이터를 RGB에서 HSI 색상 모델로의 변환 과정에서 발생하는 통계적 이질성을 분석하여 숨겨진 데이터를 탐지하는 보편적인 스테가노그래피 분석 방법을 제안한다. 스테가노그래픽 임bedding 이후 HSI 구성 요소에서 발생하는 본질적인 분포 이탈을 활용함으로써, 다양한 LSB 기반 스테가노그래픽 기법에 대해 효과적인 탐지 성능을 달성하며, 통제된 임베딩 파rameter를 가진 자체 제작 이미지 데이터베이스에서 뛰어난 성능을 보여준다.

ABSTRACT

The major threat in cyber crime for digital forensic examiner is to identify, analyze and interpret the concealed information inside digital medium such as image, audio and video. There are strong indications that hiding information inside digital medium has been used for planning criminal activities. In this way, it is important to develop a steganalysis technique which detects the existence of hidden messages inside digital medium. This paper focuses on universal image steganalysis method which uses RGB to HSI colour model conversion. Any Universal Steganalysis algorithm developed should be tested with various stego-images to prove its efficiency. The developed Universal Steganalysis algorithm is tested in stego-image database which is obtained by implementing various RGB Least Significant Bit Steganographic algorithms. Though there are many stego-image sources available on the internet it lacks in the information such as how many rows has been infected by the steganography algorithms, how many bits have been modified and which channel has been affected. These parameters are important for Steganalysis algorithms and it helps to rate its efficiency. Proposed Steganalysis using Colour Model has been tested with our Image Database and the results were affirmative.

연구 동기 및 목표

• 사용된 스테가노그래픽 알고리즘에 관계없이 디지털 이미지 내 숨겨진 메시지를 탐지할 수 있는 보편적인 스테가노그래피 분석 기법을 개발하는 것.
• 수정된 픽셀 수, 임베딩된 비트 수, 영향을 받은 채널 등의 메타데이터를 포함한 표준화되고 잘 문서화된 스테고 이미지 데이터베이스의 부족을 해결하는 것.
• 색상 모델 변환(RGB에서 HSI로)이 스테가노그래피 분석을 위한 특징 추출 수단으로서 효과적인지 평가하는 것.
• 알려진 임베딩 파rameter를 가진 자체 제작 이미지 데이터베이스를 구축하고 활용하여 제안된 방법의 성능 평가를 신뢰할 수 있게 하는 것.

제안 방법

• 입력 이미지를 RGB에서 HSI 색상 공간으로 변환하여 톤, 채도, 밝기 구성 요소 간의 통계적 분포 차이를 활용한다.
• 특히 밝기 성분에 영향을 받는 통계적 성질을 분석하여 스테가노그래픽 임베딩으로 인한 이질성을 탐지한다.
• 스테가노그래픽 알고리즘에 대한 사전 지식이 필요 없는 보편적인 스테가노그래피 분석 프레임워크를 사용한다.
• 특히 임베딩 이후의 밝기 채널에 초점을 맞춰 HSI 구성 요소의 분산 및 분포 이탈 기반 특징 추출을 수행한다.
• 다양한 LSB 기반 스테가노그래픽 알고리즘을 사용해 생성한 스테고 이미지 데이터베이스를 활용해 탐지 모델을 훈련 및 테스트한다.
• HSI 도메인 분석에서 유도된 지표를 사용해 다양한 스테가노그래픽 기법 간의 탐지 성능을 비교한다.

실험 결과

연구 질문

• RQ1 RGB에서 HSI 색상 모델로의 변환은 디지털 이미지에 스테가노그래픽 임베딩으로 인해 발생하는 통계적 이질성을 효과적으로 드러내는가?
• RQ2 다양한 임베딩 비율과 채널 사용 방식을 가진 다양한 LSB 기반 스테가노그래픽 알고리즘에 대해 제안된 방법의 성능은 어떠한가?
• RQ3 예를 들어 수정된 픽셀 수, 임베딩된 비트 수, 영향을 받은 채널 등의 세부 임베딩 메타데이터 포함 여부가 스테가노그래피 분석 기법의 평가를 얼마나 향상시키는가?
• RQ4 보편적인 스테가노그래피 분석에서 원래의 RGB 도메인에 비해 HSI 도메인이 스테가노그래픽 수정에 더 민감한가?

주요 결과

• 제안된 스테가노그래피 분석 방법은 통제된 임베딩 파rameter를 가진 자체 제작 이미지 데이터베이스에서 긍정적인 탐지 결과를 달성했다.
• 특히 밝기 성분에서 발생하는 HSI 색상 모델 내 통계적 이질성은 스테가노그래픽 임베딩의 지표로 효과적이었다.
• 다양한 LSB 기반 스테가노그래픽 알고리즘에 걸쳐 뛰어난 강건성을 보이며, 이는 방법의 보편성에 기여했다.
• 알려진 임베딩 세부 정보를 포함한 잘 문서화된 스테고 이미지 데이터베이스의 사용은 성능 평가의 신뢰성과 해석 가능성 향상에 크게 기여했다.