Cybernetics And Systems Analysis logo
Информация редакции Аннотации статей Авторы Архив
КИБЕРНЕТИКА И СИСТЕМНЫЙ АНАЛИЗ
Международний научно-теоретический журнал
-->

УДК 004.056; 004.415.24
Н.В. Кошкина

СТЕГАНОАНАЛИЗ J-UNIWARD

Аннотация. Рассмотрена проблема выявления адаптивной стеганографии по методу J-UNIWARD стеганоаналитическими системами на базе машин-ного обучения. С помощью сравнительного анализа точности определено, что наиболее чувствительны к J-UNIWARD статистические модели построе-ния характеристических векторов, формируемых в пространственной зоне, — GFR, PHARM и DCTR. Предложены два способа повышения точности стеганоанализа с использованием этих моделей: анализ наиболее вероятных местоположений внедрения; взвешенное голосование по трем моделям. Показано, что без предварительной классификации изображений согласно их параметрам точность стеганоанализа существенно понижается. Полученные результаты можно использовать для построения эффективных систем стеганоанализа изображений в формате JPEG.

Ключевые слова: информационная безопасность, стеганография, J-UNIWARD, стеганоанализ, методы с обучением и классификацией, точность детектирования.



ПОЛНЫЙ ТЕКСТ

Кошкіна Наталія Василівна,
докторка техн. наук, старша наукова співробітниця Інституту кібернетики імені В.М. Глушкова НАН України, Київ, nata.koshkina@gmail.com


СПИСОК ЛИТЕРАТУРЫ

  1. Holub V., Fridrich J., Denemark T. Universal distortion function for steganography in an arbitrary domain. EURASIP Journal on Information Security. 2014. N 1. P. 1–13. https://doi.org/10.1186/1687-417X-2014-1.

  2. Filler T., Judas J., Fridrich J. Minimizing embedding impact in steganography using trellis-coded quantization. Proc. SPIE, Electronic Imaging, Media Forensics and Security II (27 Jan 2010, San Jose, USA). San Jose, USA, 2010. Vol. 7541. P. 1–14. https://doi.org/10.1117/12.838002.

  3. Sidorenko V., Zyablov V. Decoding of convolutional codes using a syndrome trellis. IEEE Trans. on Information Theory. 1994. Vol. 40, N 5. P. 1663–1666. https://doi.org/10.1109/18.333887.

  4. Chen C., Shi Y.Q. JPEG image steganalysis utilizing both intrablock and interblock correlations. IEEE ISCAS, Intern. Symp. on Circuits and Systems (18–21 May 2008, Seattle, USA). Seattle, USA: IEEE, 2008. P. 3029–3032. https://doi.org/10.1109/ISCAS.2008.4542096.

  5. Kodovsky J., Fridrich J. Calibration revisited. Proc. of the 11th ACM Multimedia and Security Workshop (Sept 2009, Princeton, USA). New York: ACM, 2009. P. 63–74. https://doi.org/10.1145/1597817.1597830.

  6. Liu Q. Steganalysis of DCT-embedding based adaptive steganography and YASS. Proc. of the 13th ACM Multimedia & Security Workshop (Sept 2011, Buffalo, USA). New York: ACM, 2011. P. 77–86. https://doi.org/10.1145/2037252.2037267.

  7. Pevny T., Fridrich J. Merging Markov and DCT features for multiclass JPEG steganalysisю Proc. SPIE, Electronic Imaging, Security, Steganography, and Watermarking of Multimedia Contents IX (2 March 2007, San Jose, USA). San Jose, USA, 2007. Vol. 6505. P. 301–314. https://doi.org/ 10.1117/12.696774.

  8. Kodovsky J., Fridrich J. Steganalysis in high dimensions: fusing classifiers built on random subspaces. 8th SPIE Electronic Imaging, Media, Watermarking, Security and Forensics (23–27 Jan 2011, San Francisco, USA). San Francisco, USA, 2011. Vol. 7880, P. 1–13. https://doi.org/10.1117/ 12.872279.

  9. Song X., Liu F., Yang C., Luo X., Zhang Y. Steganalysis of adaptive JPEG steganography using 2D Gabor filters. Proc. of the 3rd ACM Workshop on Information Hiding and Multimedia Security. ACM (June 2015, Portland, USA). New York: ACM, 2015. P. 15–23. https://doi.org/10.1145/2756601.2756608.

  10. Holub V., Fridrich J. Low complexity features for JPEG steganalysis using undecimated DCT. IEEE Trans. on Information Forensics and Security. 2015. Vol. 10, N 2. P. 219–228. https://doi.org/ 10.1109/TIFS.2014.2364918.

  11. Holub V., Fridrich J. Phase-aware projection model for steganalysis of JPEG images. Proc. SPIE, Electronic Imaging, Media Watermarking, Security, and Forensics XVII (8–10 Feb 2015, San Francisco, USA). San Francisco, USA, 2015. Vol. 9409. https://doi.org/10.1117/12.2075239.

  12. KodovskН J., Fridrich J., Holub V. Ensemble classifiers for steganalysis of digital media. IEEE Trans. on Information Forensics and Security. 2012. Vol. 7, N 2. P. 432–444. https://doi.org/ 10.1109/TIFS.2011.2175919.

  13. Koshkina N.V. Comparison of efficiency of statistical models used for formation of feature vectors by JPEG images steganalysis. Theoretical and Applied Cybersecurity. 2020. Vol. 2, N 1. P. 22–28. https://doi.org/10.20535/tacs.2664-29132020.1.

  14. Кошкіна Н.В. Дослідження основних компонентів систем JPEG-стеганоаналізу на базі машинного навчання. Захист інформації. 2020. Т. 22, № 2. С. 97–108. https://doi.org/10.18372/2410 -7840.22.14801.

  15. Song X., Liu F., Chen L., Yang C., Luo X. Optimal Gabor filters for steganalysis of content-adaptive JPEG steganography. KSII Trans. on Internet and Information Systems. 2017. Vol. 11, N 1. P. 552–569. https://doi.org/10.3837/tiis.2017.01.029.




© 2021 Kibernetika.org. All rights reserved.