Использование качественных характеристик изображения для комплексного стегоанализа

Цель. Задача стегоанализа изображений стоит особенно актуально ввиду использования стеганографического скрытия в графических файлах для доставки вредоносного кода и информации при совершении кибератак. В этой связи требуется совершенствование существующих способов детектирования встроенной средствами стеганографии информации. Одним из подходов является использование методики комплексного стегоанализа, предполагающей формирование вывода о детектировании встраивания на основе результатов применения группы из нескольких методов стегоанализа, а также вспомогательных расчетов. Методы. Для повышения точности детектирования скрытой информации предлагается использовать качественные оценки изображений. В статье продемонстрирована связь между значениями таких оценок и увеличением ошибок работы методов стегоанализа. Методика комплексного стегоанализа, включающая в себя учет качественных характеристик изображений, позволяет повысить точность формируемой оценки путем уменьшения ложноположительных результатов. В статье используются статистические методы подсчета качественных характеристик изображения, оценки корреляции Спирмена, методы машинного обучения. Результаты. Разработан программный комплекс, интегрирующий описанные в статье элементы методики комплексного стегоанализа, включающие в себя как группу методов стегоанализа, так и набор оцениваемых качественных характеристик изображения. Дана оценка связи качественных характеристик изображения с ошибками в результатах работы методов стегоанализа на пустых контейнерах. Сформированы тестовые выборки и построены модели машинного обучения, формирующие вывод об обнаружении скрытой информации в изображении. Заключение. Предложенный подход позволяет увеличить точности детектирования скрытой информации при учете оценок качественных характеристик изображения в рамках стегоанализа, что подтверждается экспериментально.

1. Грачев Я.Л., Сидоренко В.Г. Задачи автоматизации стегоанализа // Материалы II Международной научно-практической конференции «Интеллектуальные транспортные системы» (25 мая 2023 г.). М.: РУТ МИИТ, 2023. С. 450-455.

2. Конахович Г.Ф., Пузыренко А.Ю. Компьютерная стеганография. Теория и практика. Киев: «МК-Пресс», 2006. 286 с.

3. Jessica Fridrich. Steganography in Digital Media. Principles, Algorithms, and Applications. Cambridge: «Cambridge University Press», 2010. 431 с.

4. Грачев Я.Л., Сидоренко В.Г. Применение стегоанализа для обеспечения целостности информации в интеллектуальных системах транспорта // Материалы Международной научно-практической конференции «Интеллектуальные транспортные системы» (26 мая 2022 г.). М.: РУТ МИИТ, 2023. С. 389-396.

5. Грачев Я.Л., Сидоренко В.Г. Стегоанализ методов скрытия информации в графических контейнерах // Надежность. 2021. Т. 21. № 3. С. 39-46.

6. Westfeld A., Pfitzmann A. Attacks on Steganographic Systems. Dresden University of Technology, Department of Computer Science. Dresden, Germany, 1999. DOI: 10.1007/10719724_5

7. Fridrich J., Goljan M., Du R. Reliable Detection of LSB Steganography in Color and Grayscale Images. Binghamton University, New York, USA, 2001. DOI: 10.1145/1232454.1232466

8. Белим С.В., Вильховский Д.Э. Стегоанализ алгоритма Коха-Жао // Математические структуры и моделирование. 2018. № 4(48). С. 113-119. DOI: 10.25513/2222-8772.2018.4.113-119

9. Монич Ю.И., Старовойтов В.В. Оценки качества для анализа цифровых изображений // Искусственный интеллект. 2008. № 4. С. 376-386.

10. Грачев Я.Л., Сидоренко В.Г. Использование статистических характеристик изображения для уточнения результатов стегоанализа // Материалы III Международной научно-практической конференции «Интеллектуальные транспортные системы» (30 мая 2024 г.). С. 563-569.

11. Новиков А.И., Пронькин А.В. Метод оценки уровня шума цифрового изображения // Компьютерная оптика. 2021. Т. 45. № 5. С. 713-720.

12. Wang X., Tian B., Liang C. et al. Blind Image Quality Assessment for Measuring Image Blur // Proceedings of 2008 Congress on Image and Signal Processing (27-30 May 2008). 2008. Vol. 1. Pp. 467-470.

13. Монич Ю.И., Старовойтов В.В. Мера оценки резкости цифрового изображения // Доклады БГУИР. 2011. № 1(55). С. 80-84.

14. Голуб Ю.И., Старовойтов Ф.В. Исследование локальных оценок контраста цифровых изображений при отсутствии эталона // Системный анализ. 2019. № 2. С. 4-11.

15. Тимошенко А.В., Кошкаров А.С. Сравнительный анализ энтропийных метрик информативности оптических изображений космических объектов // Труды МАИ. 2020. № 112. С. 1-18.

16. Kendall M.G., Stuart A. The advanced theory of statistics. London: «Griffin», 1969. 676 с.

17. Chaddock R.E. Principles and methods of statistics. Boston «Houghton Mifflin Company», 1925. 471 с.