Стеганография и ЦВЗ Встраивание в пространственную область Колобов

Стеганография и ЦВЗ. Встраивание в пространственную область. Колобов Д. Г. ФГУП Глав. НИВЦ УДП РФ kolobovdg@yandex. ru

Систематизация алгоритмов по области встраивания § § Алгоритмы сокрытия данных в пространственной области Алгоритмы сокрытия данных в области преобразования

Алгоритмы сокрытия данных в пространственной области. Начало. Изначально для стеганографии использовались простые форматы файлов, встраивание и извлечение информации из которых было простым. Сейчас все еще используется один из них– bmp. Немного о. bmp: Каждый пискель – 3 байта (по байту на каждый цвет), позиция бита внутри байта имеет значение. Если ширина не кратна 4 -м, то дополняется пустыми значениями. Нерасширяемый(никаких EXIF) заголовок, который содержит минимум информации об изображении.

Стегосистемы: Атаки § атаки, направленные на удаление ЦВЗ (перемодуляция, усреднение); § геометрические атаки, направленные на искажение контейнера (поворот, усечение); § криптографические атаки (атака полного перебора, атака с использованием оракула); § атаки против используемого протокола встраивания и проверки ЦВЗ.

ЦВЗ: Способы обнаружения Обнаружение посредством статического анализа § оценка энтропии; § коэффициент корреляции; § вероятность появления и зависимости между элементами последовательностей; § условные распределения; § различимость распределений по критерию Хи-квадрат и др.

ЦВЗ: Способы обнаружения Визуальное обнаружение

Алгоритм Xinpeng Zhang, Shuozhong Wang

Итог: основные проблемы § Фильтрации, сжатия § Поворот изображения, усечение краев (линейные преобразования) § Атака против протокола

Пример решения: § Встраивать не константно в изображение (т. е. позиция встраивания зависит от самого изображения, а не от заранее выбранной точки)

Выбор основной области:

Выбор основной области c учетом ключевых точек:

Немного о Key. Point Descriptors: § Каждый заметный объект на изображении описывается достаточно большим числом дескрипторов, которые доступны для сравнения без использования дополнительных вычислений. § Примеры: § SIFT § SURF § MSER § ORB

Немного о Key. Point Descriptors: § Кроме дескрипторов есть еще 4 параметра: § Радиус “ключевой точки” § Местоположение на изображении § Направление (вытянутость в том или ином направлении) § Октава (некоторый внутренний параметр, показывающий характеристику размытия, при котором была выявлена точка)

Как все это работает? § Гауссианы Основным моментом в детектировании особых точек является построение пирамиды гауссианов (Gaussian) и разностей гауссианов (Difference of Gaussian, Do. G). Гауссианом (или изображением, размытым гауссовым фильтром) является изображение. Здесь L — значение гауссиана в точке с координатами (x, y), а sigma — радиус размытия. G — гауссово ядро, I — значение исходного изображения, * — операция свертки.

Как все это работает? § 1. Построение пирамиды Гауссианов + пирамида разностей Гауссианов § Гауссово масштабируемое пространство является линейным, инвариантным относительно сдвигов, вращений, масштаба, не смещающим локальные экстремумы, и обладает свойством полугрупп

Как все это работает? § Выбор экстремума (центра) Если значение разности гауссианов в точке, помеченной крестиком, больше (меньше) всех значений в точках, помеченных кругляшками, то эта точка считается точкой экстремума После этого действия точки фильтруются на “малость” или “значимость”.

Как все это работает? § Ориентация ключевой точки § Направление ключевой точки вычисляется исходя из направлений градиентов точек, соседних с особой. Все вычисления градиентов производятся на изображении в пирамиде гауссианов, с масштабом наиболее близким к масштабу ключевой точки. Для справки: величина и направление градиента в точке (x, y) вычисляются по формулам m — величина градиента, Ө — его направление

А что встраивать? § Текст или произвольную битовую последовательность § Изображение § Видео § Аудио

Недостатки каждого из методов: § Текст § § Изображение § § Затратно по памяти, при искажениях трудно доказать что это ЦВЗ Видео § § Подвергается искажениям, не стоит забывать и про возможности дополнительного текстового анализа -//- Аудио § Звуковые дорожки чувствительны к искажениям

А если совместить? § Пример: § Спектрограмма речевого сообщения (“Речевая подпись”)

Преимущества: § Изображение в градациях серого (т. е. объем как минимум в 3 раза меньше) § Возможность восстановления исходного сигнала, при потере не более 25% § Возможность частичного восстановления при потере до 75% сигнала § В итоге ЦВЗ – определенный текст, который говорит человек, которого возможно персонифицировать, который переведен в изображение, которое также можно анализировать.