[논문 리뷰] A New Parallel Message-distribution Technique for Cost-based Steganography

Mehdi Sharifzadeh, Chirag Agarwal외 2명|arXiv (Cornell University)|2017. 05. 24.

Advanced Steganography and Watermarking Techniques참고 문헌 24인용 수 9

한 줄 요약

이 논문은 HUGO, S-UNIWARD, 및 HILL에서 사용되는 전통적인 지수 분포와는 달리 선형 비용 기반 확률 모델을 사용하여 고비용(매끄럽기 쉬운) 영역을 피하고, 다중 이미지 간 메시지 임bedding을 최적화함으로써 보안성과 성능을 향상시키는 새로운 병렬 메시지 분배 기법을 제안한다. 이 방법은 메시지 임베딩을 다중 이미지에 걸쳐 병렬적으로 수행함으로써 감지 가능성의 감소를 크게 이끌어내며, 상태의 최신 스테고그래피 분석 기법과 비교해도 현저히 낮아진다.

ABSTRACT

This paper presents two novel approaches to increase performance bounds of image steganography under the criteria of minimizing distortion. First, in order to efficiently use the images' capacities, we propose using parallel images in the embedding stage. The result is then used to prove sub-optimality of the message distribution technique used by all cost based algorithms including HUGO, S-UNIWARD, and HILL. Second, a new distribution approach is presented to further improve the security of these algorithms. Experiments show that this distribution method avoids embedding in smooth regions and thus achieves a better performance, measured by state-of-the-art steganalysis, when compared with the current used distribution.

연구 동기 및 목표

• HUGO, S-UNIWARD, 및 HILL와 같은 비용 기반 스테고그래피 알고리즘에서 기존 메시지 분배 기법의 비최적성 문제를 해결하기 위해.
• 최적화된 임베딩 확률 분포를 통해 감지 가능성의 최소화를 통한 스테고그래픽 보안성 향상.
• 다중 이미지 간 병렬 임베딩을 통해 용량 활용도 및 성능 향상.
• 현재 사용 중인 지수 기반 임베딩 분포가 비최적임을 입증하고, 선형 비용 기반 확률 모델이 이를 능가할 수 있음을 보여주기 위해.
• BOSSbase 이미지 데이터베이스에서 최신 스테고그래피 분석 기법을 사용하여 제안된 방법의 타당성 검증.

제안 방법

• 임베딩 비용의 선형 함수를 사용하는 새로운 메시지 분포 모델을 제안하며, 이는 $ p(s_{ij}) = \max(\frac{1}{3} - \lambda\rho_{ij}, 0) $ (단, $ s_{ij} = \pm1 $) 및 $ 1 - 2\max(\frac{1}{3} - \lambda\rho_{ij}, 0) $ (단, $ s_{ij} = 0 $) 로 정의된다.
• 용량 활용도 및 성능 향상을 위해 병렬 이미지 임베딩 기법을 도입하여, 다수의 이미지를 활용해 메시지를 더 효율적으로 분산시키는 방식이다.
• 비용 기반 알고리즘에서 전통적으로 사용되는 지수 분포를 선형 비용 기반 확률 모델로 대체함으로써 고비용(매끄럽기 쉬운) 영역에서의 임베딩을 줄인다.
• 고정된 페이로드 비율 조건 하에서 왜곡을 최소화하는 제약 최적화 문제를 해결하기 위해 라그랑주 승수를 활용한다.
• 실제 임베딩을 위해 심플로드 트렐리스 코드를 적용하며, 확률 분포를 일련의 방정식을 통해 다시 임베딩 비용으로 변환한다.
• 성능 평가를 위해 BOSSbase v1.01에서 SRM 기반 앙상블 스테고그래피 분석기와 10중 교차검증을 적용한다.

실험 결과

연구 질문

• RQ1 현재 비용 기반 스테고그래피 알고리즘(HUGO, S-UNIWARD, HILL 등)에서 사용되는 메시지 분포가 비최적인가?
• RQ2 다중 이미지 간 병렬 임베딩이 비용 기반 스테고그래피의 성능과 보안성 향상에 기여하는가?
• RQ3 선형 비용 기반 확률 분포가 감지 가능성 감소 측면에서 지수 분포를 능가하는가?
• RQ4 용량 손실 없이 또는 왜곡 증가 없이 매끄러운(고비용) 영역에서의 임베딩을 효과적으로 피할 수 있는가?
• RQ5 제안된 분포 방법은 기존 모델 대비 스테고그래피 분석에서 오차의 외부 샘플 오차(out-of-bag error)를 어느 정도 감소시키는가?

주요 결과

• 제안된 선형 분포 모델은 HILL에서 0.3 bpp에서 외부 샘플 오차를 0.2847로 감소시켰으며, 지수 모델(0.3512)보다 뛰어나다.
• S-UNIWARD의 경우 선형 모델이 0.3091의 외부 샘플 오차를 기록했고, 지수 모델은 0.3291이었으며, 이는 보안성 향상을 의미한다.
• HUGO는 가장 뚜렷한 개선을 보였는데, 지수 모델이 0.2813이었고 선형 모델은 0.2067이었으며, 이는 감지 가능성의 상대적 26.3% 감소를 의미한다.
• 다항식 및 균일 분포는 지수 및 선형 모델보다 열등하며, 특히 균일 분포는 0.2067의 가장 낮은 감지 가능성(최저 수준)을 보였지만, 여전히 제안된 선형 방법보다 낮은 성능을 보였다.
• 그림 4는 제안된 방법이 페이로드가 증가함에 따라 HILL, S-UNIWARD, HUGO 세 알고리즘 전반에서 감지 가능성 감소를 일관되게 보임을 확인한다. 특히 고비트레이트에서 두드러진다.
• 고비용 픽셀에 거의 0에 가까운 확률을 할당함으로써 이 방법은 매끄러운 영역에서의 임베딩을 성공적으로 피함으로써, 왜곡 증가 없이 보안성을 향상시켰다.