MAESTRÍA EN SEGURIDAD TELEMÁTICA TEMA DE TESIS:

NUEVO ALGORITMO CRIPTOGRÁFICO CON LA INCORPORACIÓN DE LA

ESTEGANOGRAFÍA EN IMÁGENES

NOMBRE DEL ESTUDIANTE:

PABLO MARTÍ MÉNDEZ NARANJO

RESUMEN DE PAPER

Autor (es): Jun Zhang and Dan Zhang

Título del paper: Detection of LSB Matching Steganography in Decompressed Images

Nombre del Journal: Signal Processing Letters, IEEE

Issue: 2

Volumen: Vol 17

Pag – pag: 141-144

Año: 2009

Base de Datos: IEEE

1. ESTADO DEL ARTE QUE HACE EL AUTOR (media página)

La investigación científica “Detection of LSB Matching Steganography in Decompressed Images”,

trata acerca de al momento no existen detectores de LSB confiables y es difícil predecir cual tipo

de imagen es adecuado para un estegoanalizador específico. Por el tipo de descompresión de las

imágenes, se presenta un estegoanalizador eficiente que utiliza los factores de los residuos de ruido

en el dominio DCT que son concentrados en cero y son muy sensibles al comparar el LSB. Los

resultados son casi perfectos con un rango de embebido de 0.5 bpp y una precisión del 90.9% en

0.1 bpp contra el estegoanalizador Wavelet Absolute Moments (WAM), cuya precisión es de

44.6%.

Los autores, hacen referencia a estudios relacionados realizados en otras investigaciones acerca del

tema y aspectos relacionados al mismo que apoyan su investigación. Entre las principales

referencias se podría mencionar los artículos:

I. J. Cox, T. Kalker, G. Pakura, and M. Scheel, “Information trans- mission and

steganography,” en el que menciona que la esteganografía busca proveer un canal de

comunicación encubierta entre dos partes.

J. Harmsen and W. Pearlman, “Steganalysis of additive noise mode- lable information

hiding”, menciona que para imágenes añadir ruido en dominios espaciales correponden a

un filtro bajo en los histogramas de intensidad/color.

A. D. Ker, “Steganalysis of LSB matching in grayscale images”, propone dos formas de

aplicar la función de características del histograma (HCF).

J. Zhang, I. J. Cox, and G. Doerr, “Steganalysis for LSB matching in images with high-

frequency noise”, enfocan la atención en el extremo del histograma.

T. Holotyak, J. Fridrich, and S. Voloshynovskiy, “Blind statistical steganalysis of additive

steganography using wavelet higher order statis- tics”, describen un estegoanálisis para

comparar LSB basada en clasificar estadísticamente las características derivadas de una

estimación de la señal esteganográfica.

M. Goljan, J. Fridrich, and T. Holotyak, “New blind steganalysis and its implications”,

presenta una version mejorada usando momentos absolutos de ruido el cual es llamado

Wavelet Absolute Moments (WAM).

G. Cancelli, G. Doerr, I. Cox, and M. Barni, “A omparative study of 1 steganalyzers”,

analiza 3 estegoanalizadores en 3 imágenes, encontrando variaciones en el rendimiento

absoluto y relativo.

A. D. Ker and I. Lubenko, “Feature reduction and payload location with WAM

steganalysis”, demuestran que uno de los mejores estegoanalizadores es WAM ya que

posee un gran poder de detección de imágenes de diferentes recursos.

J. Fridrich, M. Goljan, and R. Du, “Steganalysis based on JPEG compatability”, presenta

un método de estegoanálisis basado en compatibilidad JPEG.

2. DESCRIPCIÓN DEL PROBLEMA Y OBJETIVOS (HIPÓTESIS DE SER EL

CASO) ABORDADOS EN EL ARTÍCULO media página

La esteganografía busca proporcionar un canal cubierto entre dos partes, los tipos de algoritmos

esteganográficos embeben el mensaje secreto en archivos multimedia como imágenes, video,

audio, texto con la meta de que no sea detectable entre el original y el que tiene el mensaje oculto.

Por otro lado, la detección de trabajos esteganográficos es el trabajo del estegoanálisis, existen dos

clases de estegoanálisis:

Algoritmos ocultos: intentan descifrar el mensaje utilizando un rango de los algoritmos

esteganográficos utilizados, incluyendo algoritmos anteriores.

Algoritmos dirigidos: intentan descifrar el mensaje con algoritmos específicos.

En la investigación se describe un algoritmo de estegoanálisis de tipo oculto para la detección de

coincidencias LSB, el cual oculta la información secreta utilizando un incremento al azar o

decrementando el correspondiente pixel de la imagen cubierta cuando el bit de la información

secreta no coincide con el pixel LSB, de otra manera manteniendo el pixel sin cambios.

3. PROCESO SEGUIDO POR EL AUTOR PARA REALIZAR LA INVESTIGACIÓN

media página

A. Residuos de ruido en dominio DCT de descompresión de imágenes

Se descomprimen las imágenes y se analizan los residuos de ruido en dominio DCT de

descompresión de imágenes

Durante la compresión JPEG, la imagen es dividida en bloques de 8x8 pixeles. Cada

bloque se transforma usando DCT. Cuando los coeficientes DCT son divididos por

procesos de cuantización y redondeados a enteros. Finalmente se aplica una codificación a

los coeficientes cuantizados y la imagen es comprimida.

Para la descompresión se realiza el proceso inverso, luego de leer los bloques cuantizados

DCT del archivo de imagen JPEG, los coeficientes de cada bloque es multiplicado por

pasos de cuantización y luego se aplica IDCT. Posterior a esto los valores se redondean los

valores a enteros y se truncan a un rango dinámico finito, usualmente de 0 a 255supr y la

imagen es descomprimida.

B. Algoritmo de estegoanálisis

Se construyó vector 10-D usando el mayor orden absoluto de residuos de ruido. El

algoritmo del detector de la propuesta que está formado por las colecciones de los

momentos centrales absolutos.

Cuando uno de los clasificadores discriminadores lineales Fisher (FLD) ingresa a la

cubierta de clasificación y ocultación de imágenes, el espacio es protegido en 1-D, cuando

varias reglas de decisión pueden ser aplicadas para determinar la clasificación de los

umbrales.

De acuerdo al algoritmo, el esquema supera la dificultad computacional del método de

Fridich, sin embargo tiene algunas limitaciones en la práctica ya que solo funcional cuando

la esteganografía conoce que las pruebas en imágenes fueron descomprimidas en JPEG y

no son sujetas a otro tipo de descompresión. Además, puede ser exacta cuando conoce el

desccompresor de JPEG.

4. MÉTRICAS, INDICADORES O PARÁMETROS QUE EL AUTOR USA Y

RESULTADO QUE OBTIENE. Una página o dos páginas

Los autores utilizan los indicadores de curvas ROC (Receiver Operating Characteristic) para

evaluar el rendimiento de la esteganografía, este indicador puede mostrar falsos positivos y

verdaderos positivos en umbrales de detección ajustables, además se pueden obtener la precisión de

la esteganografía entre la curva ROC y la diagonal normalizada.

La galería de fotos NRCS (photogalery.nrcs.usda.gov) es usada como la imagen de recurso para

nuestro experimento con imágenes de colores de 256x256 pixeles y convirtiéndolas a escala de

grises.

Se compara el método con el AD-HCF y el WAM para la descompresión de imágenes, primero

comprimiendo todas las imágenes JPEG con un factor de calidad de 80, luego aplicando el

algoritmo esteganográfico LSB para obtener la imagen embebida. El entrenamiento incluyo 1000

pares de imágenes y la prueba 1375 pares de imágenes.

Los resultados obtenidos con un rango de 0,5 se muestran a continuación:

Los resultados obtenidos con un rango de 0,1 se muestran a continuación:

La precisión del método propuesto tiene una precisión de 90,9%, la de WAM del 44,6% y AD-

HCF del 4,2%.

Luego se investigó la precisión del estegoanalizador combinando diferentes recursos de imágenes

que habían sido previamente comprimidas con factores de calidad de 90, 70 y 50. Aplicando LSB

con un rango de 0,1 se obtuvieron las correspondientes imágenes esteganográficas.

Se realizaron pruebas que incluyeron 3000 y 4125 pares de imágenes, cuyos resultados se muestran

a continuación:

La precisión del método planteado fue del 91,6%, de WAM 29,1% y de AD-HCF del 5,8%.

Comparando con la prueba realizada anteriormente el rendimiento del método no fue afectado.

La precisión de LSB es altamente sensible a los conjuntos de datos de los diferentes recursos, los

cuales son difíciles de predecir el tipo de imagen que es adecuado para un estegoanalizador

específico. Por lo que el estudio realizado con su modelo propuesto es una buena solución para el

tipo de imágenes comprimidas.

El rendimiento del método propuesto es superior a WAM y AD-HCF.

5. OBSERVACIONES Y/O CRÍTICAS SUYAS AL ARTÍCULO (media página)

Lo positivo:

Este artículo científico me permite observar el proceso para realizar la investigación de mi

tema de tesis, ya que abarca los temas generales del mismo.

Permite comprender de mejor manera la aplicación de la teoría relacionada a la criptografía y

esteganografía.

Puedo utilizar la referencias del estado del arte que hace el autor ya que tiene estrecha relación

al mi tema planteado.

Al tomar como base este tipo de artículos científicos de calidad me permite orientar de mejor

manera el tema de tesis, en función de las investigaciones previas realizadas y los resultados

obtenidos.

Permite valorar el aporte que hacen los autores al mejorar el conocimiento que existe en el

mundo con fines de calidad.

El artículo científico incluye el aporte de los autores para posibles investigaciones futuras, lo

que podría ser utilizado como referente.

Lo negativo:

La investigación planteada en este artículo científico tiene un alto nivel matemático y de

conocimiento multimedia en la definición de los algoritmos utilizados para criptografía y

esteganografía, lo cual es complejo de entender sin una mayor preparación en el área.