[論文レビュー] Deep Steganalysis: End-to-End Learning with Supervisory Information beyond Class Labels

Wei Wang, Jing Dong+2 more|arXiv (Cornell University)|Jun 27, 2018

Advanced Steganography and Watermarking Techniques参考文献 12被引用数 3

ひとこと要約

本論文は、カバー・ステゴペアからの画素レベルの監視とクラスラベルを併用して、raw画像ピクセルから直接高周波フィルタとステガノアーキテクチャ特徴量を同時に学習する、エンドツーエンドの深層学習フレームワーク、Recon-Steg-Netを提案する。この手法は、特にMiPOD、WOW、HILL-CMDの検出において、固定の高周波フィルタを用いない最適なフィルタの学習と、微細なテクスチャディティールの捉え込みにより、従来の最先端モデルを上回る性能を発揮する。

ABSTRACT

Recently, deep learning has shown its power in steganalysis. However, the proposed deep models have been often learned from pre-calculated noise residuals with fixed high-pass filters rather than from raw images. In this paper, we propose a new end-to-end learning framework that can learn steganalytic features directly from pixels. In the meantime, the high-pass filters are also automatically learned. Besides class labels, we make use of additional pixel level supervision of cover-stego image pair to jointly and iteratively train the proposed network which consists of a residual calculation network and a steganalysis network. The experimental results prove the effectiveness of the proposed architecture.

研究の動機と目的

• 手作業で設計されたカーネルに依存する深層ステガノアーキテクチャモデルにおける固定高周波フィルタの制限を解消すること。
• クラスラベルに加えて、カバー・ステゴ画像ペアからの画素レベルの監視を活用することで、ステガノアーキテクチャの性能を向上させること。
• エンドツーエンドでステガノアーキテクチャ特徴量と最適な高周波フィルタを、raw画像ピクセルから直接学習可能にすること。
• 事前処理として固定フィルタを使用する必要をなくすために、共通の残差再構成とステガノアーキテクチャネットワークを訓練すること。
• 埋め込みによって引き起こされる微細なテクスチャレベルの変化を捉えることで、コンテンツ適応型ステガノアーキテクチャの検出を強化すること。

提案手法

• 提案されたアーキテクチャ、Recon-Steg-Netは、組み合わせ損失関数を用いて共同で訓練される、残差計算ネットワークとステガノアーキテクチャネットワークから構成される。
• 画素レベルの監視は、カバー・ステゴ画像ペアによって提供され、ネットワークがカバー画像の再構成と同時に残差の学習が可能になる。
• 高周波フィルタは固定ではなく、微分可能かつエンドツーエンドで学習可能であり、データから最適なフィルタの学習が可能になる。
• ネットワークは、入力と再構成済みカバー間の残差を最初の層で計算する残差学習戦略を採用しており、ステゴ信号の露呈が強化される。
• 分類損失（カバー／ステゴラベル用）と再構成損失（画素レベルのカバー・ステゴペア用）を組み合わせた共同損失関数が使用される。
• モデルは、学習率スケジューリングと重み減衰を用いた確率的勾配降下法で訓練され、raw画像パッチ上で最適化される。

実験結果

リサーチクエスチョン

• RQ1 深層ステガノアーキテクチャモデルは、手作業で設計されたフィルタに依存せずに、raw画像からエンドツーエンドで効果的な高周波フィルタを学習できるか？
• RQ2 カバー・ステゴペアからの画素レベルの監視をクラスラベルのみの使用と比較して、ステガノアーキテクチャの性能向上に寄与するか？
• RQ3 再構成とステガノアーキテクチャのネットワークを共同で訓練することで、コンテンツ適応型ステガノアーキテクチャ方式の検出が向上するか？
• RQ4 学習された高周波フィルタは、従来の固定フィルタと比較して、構造的・性能的側面で優れているか？
• RQ5 モデルは、適応型ステガノアーキテクチャを検出するために不可欠な微細なテクスチャ変化をどの程度捉えているか？

主な発見

• 提案されたRecon-Steg-Netは、0.4 bppにおけるMiPODの検出誤り率が22.43%にまで低下し、Xuらのモデル（24.78%）を上回った。
• HILL-CMDでは誤り率が30.83%のXuのモデルと比較して29.35%に低下し、検出能力の向上が確認された。
• WOWでは誤り率が19.53%のSOTAベースラインと比較して17.78%にまで低下し、顕著な改善が得られた。
• Recon-Steg-Netが学習した高周波フィルタは、周囲のピクセルに対してより高い感度を示し、固定フィルタよりもステゴノイズを効果的に露呈した。
• 提案モデルの特徴マップは、予測が難しいテクスチャ領域における詳細な捉え込みが顕著に強化されており、適応型ステガノアーキテクチャ検出に不可欠な要因となった。
• 可視化により、カバー・ステゴペアを用いた共同学習が、より判別力があり頑健なステガノアーキテクチャ表現を学習可能であることが確認された。