Дослідження основних компонентів систем JPEG-стеганоаналізу на базі машинного навчан-ня

Автор(и)

  • Наталія Василівна Кошкіна Інститут кібернетики імені В.М. Глушкова НАНУ

DOI:

https://doi.org/10.18372/2410-7840.22.14801

Ключові слова:

інформаційна безпека, стеганоаналіз, пасивна протидія, методи з навчанням та класифікацією, порівняльний аналіз, моделі характеристичних векторів, SVM, ансамблевий класифікатор

Анотація

Для побудови ефективних стеганоаналітичних систем у заданих практичних умовах необхідно здійснити аналіз та оцінку якості існуючих методів та компонентів. Для вибору оптимальних складових системи необхідно порівняти оцінки базових характеристик наявних кандидатів. Проте здійснити таке порівняння, базуючись на даних з наукових публікацій, досить складно через відмінності в умовах чисельних експериментів. В основі даного дослідження лежить принцип створення рівних умов для всіх досліджуваних статистичних моделей формування характеристичних векторів для стеганоаналізу JPEG-зображень за методами на базі машинного навчання. Проаналізовано швидкодію та точність детектування чотирьох різних варіантів приховування даних у частотній області, що були отримані з використанням таких статистичних моделей як CHEN, CC-CHEN, LIU, CC-PEV, CC-C300, GFR та DCTR, а також SVM з лінійним чи гаусівським ядром або ансамблевого класифікатора.  Основними результатами здійсненого дослідження є таблиці, що відображають чисельні оцінки швидкодії основних етапів стеганоаналізу та точності класифікації пустих і заповнених контейнерів.

 

Біографія автора

Наталія Василівна Кошкіна, Інститут кібернетики імені В.М. Глушкова НАНУ

доктор технічних наук, старший науковий співробітник, старший науковий співробітник відділу оптимізації чисельних методів, Інститут кібернетики імені В.М. Глушкова НАН України

Посилання

Н.В. Кошкина, “Обзор и классификация методов стеганоанализа”, Управляющие системы и машины, № 3, с. 3-12, 2015.

T. Filler, J. Judas, J. Fridrich “Minimizing Embedding Impact in Steganography using Trellis-Coded Quantization”, Proc. SPIE, Electronic Imaging, Media Forensics and Security XII, San Jose, CA, vol. 7541, 2010.

C. Chen, Y.Q. Shi, “JPEG image steganalysis utilizing both intrablock and interblock correlations”, IEEE ISCAS, International Symposium on Circuits and Systems, рр. 3029-3032, 2008.

J. Kodovsky, J. Fridrich, “Calibration revisited”, In J. Dittmann,S. Craver, and J. Fridrich, editors, Proceedings of the 11th ACM Multimedia and Security Workshop, рр. 63-74, 2009.

Q. Liu, “Steganalysis of DCT–embedding based adaptive steganography and YASS”, In J. Dittmann, S. Craver, and C. Heitzenrater, editors, Proceedings of the 13th ACM Multimedia & Security Workshop, рр. 77-86, 2011.

T. Pevny, J. Fridrich, “Merging Markov and DCT features for multiclass JPEG steganalysis”, In E. J. Delp, P. W. Wong, editors, Proceedings SPIE, Electronic Imaging, Security, Steganography, and Watermarking of Multimedia Contents IX, vol. 6505, pp. 301-314, 2007.

J. Kodovsky, J. Fridrich, “Steganalysis in high dimensions: fusing classifiers built on random subspaces”, 8th SPIE Electronic Imaging, Media, Watermarking, Security and Forensics, vol. 7880, pp. 1-13, 2011.

X. Song, F. Liu, C. Yang, X. Luo, Y. Zhang, “Steganalysis of Adaptive JPEG Steganography Using 2D Gabor Filters”, Proceedings of the 3rd ACM Workshop on Information Hiding and Multimedia Security. ACM, pp.15-23, 2015.

V. Holub, J. Fridrich, “Low Complexity Features for JPEG Steganalysis Using Undecimated DCT”, IEEE Transactions on Information Forensics and Security, vol. 10, no. 2, pp. 219-228.

J.Kodovský, J. Fridrich, V. Holub, “Ensemble Classifiers for Steganalysis of Digital Media”, IEEE Transactions on Information Forensics and Security, vol. 7, no. 2, pp. 432-444, 2012.

##submission.downloads##

Опубліковано

2020-07-01

Як цитувати

Кошкіна, Н. В. (2020). Дослідження основних компонентів систем JPEG-стеганоаналізу на базі машинного навчан-ня. Захист інформації, 22(2), 97–108. https://doi.org/10.18372/2410-7840.22.14801

Номер

Том 22 № 2 (2020)

Розділ

Статті

Ліцензія

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.