Алгоритм выявления стеганографических вставок типа LSBзамещения на основе метода анализа иерархий

В статье предлагается алгоритм выявления стеганографических вставок, осуществляемых в виде замены наименее значащих битов. Предлагаемый алгоритм базируется на методе анализа иерархий. Рассматриваются слои младших битов синей компоненты. Области встраивания определяются при помощи алгоритма таксономии. Применяются алгоритм предварительной обработки для того чтобы повысить эффективности на участках, которые содержат градиентную заливку. Научная новизна заключается в разработке алгоритма стеганографического анализа метода LSB-замены при низком заполнении стегоконтейнера, основанного на сравнительном анализе нескольких слоев изображения с помощью метода анализа иерархий, отличающегося тем, что выделенные критерии принятия решения представляют возможность учитывать структуру исходного изображения-контейнера, которая хранится в более высоких битовых слоях и за счет этого представляется возможным сформировать карту подозрительных пикселей, повышающую эффективность обнаружения встроенного сообщения. Был выполнен эксперимент на ЭВМ. Для искусственных изображений с градиентной и равномерной заливкой предлагаемый алгоритм дает возможность определять в среднем 91% подмененных битов, тогда как ложные срабатывания составляют не больше 1%. Положение встроенных битов может быть определено на основе сопоставления матрицы решений с начальным изображением. Предлагаемый алгоритм эффективен при малых размерах встроенного сообщения в отличие от созданных ранее алгоритмов.

1. Адельсон Э. Устройство цифрового кодирования и декодирования сигналов. Патент США. 1990. N. 4,939515.

2. Вестфельд А., Пфицманн А. Атаки на стеганографические системы: нарушение стеганографических утилит EzStego, Jsteg, Steganos and Stools и некоторые уроки. 3-й Международный семинар по сокрытию информации. 2000: 61-76

3. Провос Н., Ханиман П. Обнаружение стеганографического контента в Интернете. Технический Отчет CITI 01-1a, Мичиганский университет, 2001 г.

4. Алиев А.Т. О применении стеганографического метода LSB к графическим файлам с большими областями монотонной заливки. Вестник ДГТУ. 2004;4 (22):454-460.

5. Барсуков В.С. Романцов А.П. Оценка уровня скрытности мультимедийных стеганографических каналов хранения и передачи информации.: Специальная Техника. 2000:1.

6. Кустов В.Н., Параскевопуло А.Ю. Простые тайны стегоанализа. Защита информации, INSIDE. 2005;4:72-78

7. Голуб В.А., Дрюченко М.А. Комплексный подход для выявления стеганографического скрытия в JPEG-файлах. Инфокоммуникационные технологии. 2009;7(1):44-50.

8. Абденов А.Ж., Леонов Л.С. Использование нейронных сетей в слепых методах обнаружения встроенной стеганографической информации в цифровых изображениях. Ползуновский Вестник. 2010;2:221-225.

9. Жилкин М.Ю. Стегоанализ графических данных в различных форматах. Доклады ТУСУРа. 2008;2(18):63-64.

10. Монарев В. А. Сдвиговый метод обнаружения скрытой информации. Вестник СибГУТИ. 2012;4:62-68.

11. Абреу Э., Лайтстоун М., Митра С.К., Аракава С.К. Новый эффективный подход к удаление импульсных помех с сильно поврежденных изображений. Транзакции IEEE на изображении Обработка. 1996; 5: 1012-1025.

12. Гарнетт Р., Хюгерих Т., Чуй К., Хе В. Универсальный алгоритм шумоподавления с использованием детектора импульсов. IEEE Trans Image Proccess, 2005; 14 (11): 1747-1754.

13. Сорокин С.В., Щербаков М.А. Реализация SD-ROM фильтра на основе концепции нечеткой логики. Известия высших учебных заведений. Поволжский регион. 2007;3:56-65.

14. Амрита П.П., Сридивья Муралидхаран М., Раджив К. и Сетумадхаван М. Стеганализ LSB с использованием функции энергии. Достижения в интеллектуальных системах и вычислительной технике. 2016; 384: 549-558.

15. Дебасис Мазумдар, Апурба Дас и Санкар К. Пал Стеганализ LSB на основе MRF: A Новая мера способности стеганографии. S. Chaudhury et al. (Ред.): PReMI 2009, LNCS 5909. 2009: 420–425.

16. Юн К. Ши, Патчара Суттхиван и Ликонг Чен Текстурные особенности для стеганализа. М. Киршнер и Д. Госал (ред.): IH 2012, LNCS 7692. 2013: 63–77.

17. Ояла, Т., Пиетикайнен, М., Маенпаа, Т. Полутоновая шкала и вращение с несколькими разрешениями Классификация инвариантных текстур с локальными бинарными паттернами. IEEE Transactions на Анализ шаблонов и машинный интеллект 24. 2002: 971–987.

18. Ояла, Т., Пиетикайнен, М., Харвуд, Д. Сравнительное исследование показателей текстуры с классификацией на основе распределения признаков. Распознавание образов 29. 1996: 51–59.

19. Саати Т.Л. Относительное измерение и его обобщение при принятии решений: почему Парные сравнения занимают центральное место в математике для измерения нематериальных активов. Факторы - аналитическая иерархия / сетевой процесс. Обзор Королевского испанского языка Академия наук, Серия А, Математика. 2008. 102 (2): 251–318.