Модификация гистограммного метода для стеганоанализа изображений со значительной глубиной искажения

Актуальность темы исследования обусловлена необходимостью противодействия скрытым каналам передачи данных в форме файловой стеганографии в ведомственных и корпоративных компьютерных сетях. Статья посвящена формированию вектора признаков на основе гистограммы яркости для выявления стеганографии, искажающей несколько битовых плоскостей пространственной области изображения. Предполагается, что данный вид стеганографии наиболее вероятен для использования внутренним нарушителем, так как не требует глубоких базовых познаний в сфере информационных технологий, реализован в программных продуктах сегмента freeware, позволяет осуществить вложение до 50 % от размера контейнера. Для верификации результатов выполнен численный эксперимент. Приведено описание исходных данных и методики эксперимента. Датасеты получены в среде MatLab. Для обеспечения воспроизводимости эксперимента датасеты представлены в Kaggle. Применяется процедура машинного обучения на основе машины опорных векторов (SVM-регрессия). На основе экспериментальных данных рассчитаны базовые метрики результативности машинного обучения по предложенному вектору признаков для BPCS- и LSB-стеганоанализа. Показана зависимость ошибки регрессии для вектора признаков, учитывающего разные битовые срезы. С помощью полученных оценок аналитик может принять решение о включении признаков в комплексный вектор выявления стегановложения.

1. Питолин А.В., Преображенский Ю.П., Чопоров О.Н. Исследование возможностей использования стеганографических способов защиты информации. Моделирование, оптимизация и информационные технологии. 2018;6(2). Доступно по: https://moit.vivt.ru/wp-content/uploads/2018/04/PitolinSoavtors_2_18_1.pdf (дата обращения: 10.12.2022).

2. Свидетельство о регистрации базы данных № 2022620647 Российская Федерация. Трасологическая и таксономическая информация о стеганографических приложениях, использующих в качестве контейнеров файлы растровых графических форматов / Р.А. Солодуха, А.А. Волков, А.Г. Кромских, А.О. Ефимов.

3. Солодуха Р.А. Концепция формирования системы противодействия стеганографическим каналам в компьютерных сетях органов внутренних дел. Вестник ВИ МВД России. 2021;1:132–142.

4. Kawaguchi E., Eason R. Principle and applications of BPCS-steganography. Multimedia Systems and Applications.1998;3528:464–473.

5. Qtech Hide & View Download Page [Электронный ресурс]. Режим доступа: http://datahide.org/BPCSe/QtechHV-download-e.html (дата обращения 10.12.2022).

6. Image Database BOSSbase 1.01 [Электронный ресурс]. Режим доступа: http://dde.binghamton.edu/download/ImageDB/BOSSbase_1.01.zip (дата обращения: 10.01.2022).

7. Adelson E. Digital Signal Encoding and Decoding Apparatus. – U.S. Patent. – No. 4939515, 1990.

8. CryptArkan encrypts and hides data files and directories [Электронный ресурс]. Режим доступа: https://cryptarkan.software.informer.com/download/ (дата обращения 10.12.2022).

9. Westfeld A., Pfitzmann A. Attacks on Steganographic Systems: Breaking the Steganographic Utilities EzStego, Jsteg, Steganos and S-Tools-and Some Lessons Learned. 3rd International Workshop on Information Hiding. 2000.

10. Солодуха Р.А., Атласов И.В. Модификация метода pair of values для атаки на основании известного стегановложения. Вестник ВИ МВД России. 2012;3:194–200.

11. Свидетельство о государственной регистрации программы для ЭВМ № 2022682838 Российская Федерация. Автоматизация стеганографических приложений / Р.А. Солодуха.

12. Минайчев А.А., Мезенцев А.О., Яндашевская Э.А. Разработка системы стегоанализа цифровых изображений на основе нейросетевого классификатора. Моделирование, оптимизация и информационные технологии. 2022:10(2). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1196 DOI: 10.26102/2310-6018/2022.37.2.020.

13. Солодуха Р.А., Атласов И.В., Кубасов И.А. Стеганоанализ цифровых изображений: технологии, алгоритмы, программная реализация: монография. Воронеж: Воронежский институт МВД России; 2022. 172 с.