[论文解读] An Improvement on LSB Matching and LSB Matching Revisited Steganography Methods

Kazem Qazanfari, Reza Safabakhsh|arXiv (Cornell University)|Sep 20, 2017

Advanced Steganography and Watermarking Techniques被引用 4

一句话总结

本文通过动态调整嵌入操作以最小化共现矩阵中的失真，提出了一种对LSB匹配及LSB匹配改进方法的自适应增强，从而提高对基于矩阵的隐写分析的抗性。实验结果表明，共现矩阵的失真得以减少，增强了对利用像素依赖性模式的先进隐写分析技术的防护能力。

ABSTRACT

The aim of the steganography methods is to communicate securely in a completely undetectable manner. LSB Matching and LSB Matching Revisited steganography methods are two general and esiest methods to achieve this aim. Being secured against first order steganalysis methods is the most important feature of these methods. On the other hand, these methods don't consider inter pixel dependency. Therefore, recently, several steganalysis methods are proposed that by using co-occurrence matrix detect stego images that are hidden by these steganography methods. Therefore, if incremental and decremental operations are done adaptively as causes to less distortion on co-occurrence matrix, these steganography methods will secure against steganalysis methods that use this matrix. In this paper we are going to improve these two steganography methods base on mentioned manner. On the other word, we hide the message in the cover image based on LSB Matching and LSB Matching Revisited method by using adaptive feature. Experimental results show that proposed improvement causes to reduce distortions in co-occurrence matrix and these methods being secure against some steganalysis methods that use this matrix to detect stego images

研究动机与目标

• 解决LSB匹配及LSB匹配改进方法对基于共现矩阵的一阶隐写分析的脆弱性。
• 减少传统LSB隐写中嵌入策略导致的共现矩阵失真。
• 通过引入自适应嵌入规则，增强LSB隐写对基于矩阵的隐写分析方法的防护能力。
• 在最小化可检测统计特征的同时保持高载荷容量。

提出的方法

• 基于像素上下文自适应调整递增与递减嵌入操作，以减少共现矩阵失真。
• 采用LSB匹配改进原则进行数据嵌入，但结合上下文感知决策以保持像素相关性模式。
• 分析载体图像在嵌入前后的共现矩阵，以量化失真程度。
• 优先选择对嵌入变化敏感度较低的像素对，以最小化统计可检测性。
• 使用动态阈值机制确定嵌入过程中何时递增或递减像素值。
• 评估嵌入对共现矩阵条目影响，以指导最优像素值的选择用于消息嵌入。

实验结果

研究问题

• RQ1 如何修改LSB匹配及LSB匹配改进方法，以降低基于共现矩阵的隐写分析的可检测性？
• RQ2 何种自适应策略能在消息嵌入过程中最小化共现矩阵的失真？
• RQ3 与标准LSB方法相比，自适应嵌入在多大程度上能保持像素相关性模式？
• RQ4 改进的嵌入规则是否能在减少统计异常的同时保持高载荷容量？
• RQ5 所提方法与基线LSB方法相比，在抵抗基于矩阵的隐写分析方面表现如何？

主要发现

• 与传统LSB匹配及LSB匹配改进方法相比，所提出的自适应方法显著减少了共现矩阵的失真。
• 使用改进方法生成的隐写图像在基于共现矩阵的隐写分析工具下表现出更低的可检测性。
• 该方法在保持高嵌入容量的同时，最小化了像素对分布中的统计异常。
• 实验结果证实，改进的隐写技术对依赖共现统计的一阶隐写分析技术更具鲁棒性。
• 自适应嵌入策略有效保持了像素间依赖关系，降低了被检测的风险。