[論文レビュー] Generative Steganography with Kerckhoffs' Principle based on Generative Adversarial Networks.

Yan Ke, Minqing Zhang+3 more|arXiv (Cornell University)|Nov 14, 2017

Advanced Steganography and Watermarking Techniques参考文献 9被引用数 19

ひとこと要約

本稿では、Kerckhoffsの原則に従う生成的ステガノグラフィ（GSK）を提案する。GSKは、GANベースの手法であり、被覆画像を変更せずに秘密メッセージを埋め込む。生成器は、被覆画像とデータ埋め込み鍵の両方が提供された場合にのみ、ステガノグラフィックなコンテンツを生成するように訓練される。本手法は、Kerckhoffsの原則に従い、鍵と被覆画像の両方が存在する場合にのみ意味のある出力を生成し、それ以外の場合は意味のない出力を生成するため、歪みのない鍵および被覆画像依存のステガノグラフィック生成が実現され、安全性が保証される。

ABSTRACT

The distortion in steganography comes from the modification or recoding on the cover image during the embedding process. The changes of the cover always leave the steganalyzer with possibility of discriminating. Therefore, we propose to use a cover to send out secret messages without any modification by training the cover image to generate the secret messages. To ensure the security of such a generative scheme, we require the generator to meet Kerckhoffs' principle. Based on above proposal, we propose generative steganography with Kerckhoffs' principle (GSK) in this letter. In GSK, we use a generator based on generative adversarial networks (GAN) to output the secret messages if and only if the data-hiding key and the cover image are both inputted. Without the data-hiding key or the cover image, only meaningless results would be outputted. We detail the framework and the internal structure of GSK. In our training procedures, there are two GANs, Key-GAN and Cover-GAN, designed to work jointly making the generated results under the control of the data-hiding key and the cover image. Experimental results concentrate on the training process and the working performance of GSK which demonstrate that GSK can use any image to realize steganography with Kerckhoffs' principle without any modification.

研究の動機と目的

• 埋め込み過程での画像変更に起因する検出可能な歪みが生じる従来のステガノグラフィーにおける問題に対処すること。
• 被覆画像が変更されないステガノグラフィックシステムを構築し、変更に起因するアーティファクトを排除すること。
• Kerckhoffsの原則に従い、生成器が被覆画像とデータ埋め込み鍵の両方が存在する場合にのみ意味のあるステガノグラフィックコンテンツを生成することを保証することで、セキュリティを強化すること。
• 生成器の出力が制御可能かつ安全であるフレームワークを設計すること。これは、モデルアーキテクチャが公開されていても成立する。

提案手法

• フレームワークは、鍵-GANと被覆-GANの2つのGANを採用しており、両者を共同で訓練することで、生成器の出力をデータ埋め込み鍵および被覆画像の両方に依存させる。
• 生成器は、データ埋め込み鍵と被覆画像の両方が入力された場合にのみ、ステガノグラフィックなコンテンツを出力する。これにより、いずれか一方が欠けている場合には出力が意味を持たなくなる。
• 鍵-GANは、データ埋め込み鍵がコンテンツ生成プロセスを制御することを保証する。一方、被覆-GANは、被覆画像が出力の空間的および構造的特徴をガイドすることを保証する。
• 生成器は、ステガノグラフィック出力を自然画像と区別できないように訓練され、ステガノグラフィー分析者による検出可能性を最小限に抑える。
• 鍵-GANと被覆-GANの共同訓練により、生成器の出力が両方の入力に条件付けられるようになり、Kerckhoffsの原則を満たす。
• モデルアーキテクチャが公開されていても、正しい鍵と被覆画像がなければ秘密は安全に保たれるようにシステムが設計されている。

実験結果

リサーチクエスチョン

• RQ1 生成的モデルは、被覆画像を変更せずにステガノグラフィックなコンテンツを生成できるか。これにより、歪みに起因する検出リスクが回避されるか？
• RQ2 深層生成モデルを用いたステガノグラフィックシステムにおいて、Kerckhoffsの原則をどのように実装できるか？
• RQ3 GANベースのシステムは、被覆画像と秘密鍵の両方が提供された場合にのみ、意味のあるステガノグラフィック出力を生成できるか？
• RQ4 本システムの埋め込みセキュリティおよび自然画像との区別不能性という観点での性能はどの程度か？
• RQ5 鍵-GANと被覆-GANの共同訓練は、生成されたステガノグラフィックコンテンツの制御性およびセキュリティにどのように寄与するか？

主な発見

• 提案されたGSKフレームワークは、被覆画像を変更せずにステガノグラフィックなコンテンツを生成でき、埋め込みプロセスに起因する歪みが完全に排除された。
• データ埋め込み鍵と被覆画像の両方が提供された場合にのみ、生成器は意味のあるステガノグラフィック出力を生成する。これにより、Kerckhoffsの原則に従ったセキュリティが保証される。
• 正しい鍵または被覆画像が欠けている場合には、生成器は意味のない出力しか生成しない。これにより、不正アクセスが防止される。
• 鍵-GANと被覆-GANの共同訓練により、条件付き生成が可能となり、制御性とセキュリティの両方が実現された。
• 実験結果から、GSKは目に見える歪みのない安全なステガノグラフィック通信を達成しており、鍵および被覆画像依存の生成的ステガノグラフィーの実現可能性が裏付けられた。
• 本システムは自然画像と高い区別不能性を維持しており、ステガノグラフィー分析者による検出リスクが低減された。