КіСА | Зміст

Том 57 >>> № 3 ТРАВЕНЬ — ЧЕРВЕНЬ 2021

-->

УДК 004.056; 004.415.24

Н.В. Кошкіна

СТЕГАНОАНАЛІЗ J-UNIWARD

Анотація. Розглянуто проблему виявлення адаптивної стеганографії за ме-тодом J-UNIWARD стеганоаналітичними системами на базі машинного на-вчання. За допомогою порівняльного аналізу точності визначено, що най-більш чутливими до J-UNIWARD є статистичні моделі побудови характерис-тичних векторів, що формуються у просторовій зоні, — GFR, PHARM та DCTR. Запропоновано два способи підвищення точності стеганоаналізу з вико-ристанням цих моделей: аналіз найбільш імовірних місцеположень вкраплення; зважене голосування за трьома моделями. Показано, що без попередньої кла-сифікації зображень згідно з їхніми параметрами точність стеганоаналізу суттєво знижується. Отримані результати можна використовувати для побудови ефективних систем стеганоаналізу зображень у форматі JPEG.

Ключові слова: інформаційна безпека, стеганографія, J-UNIWARD, стега-ноаналіз, методи з навчанням та класифікацією, точність детектування.

ПОВНИЙ ТЕКСТ

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

СПИСОК ЛІТЕРАТУРИ

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.