Грачев Ярослав Леонидович – аспирант,
Москва.
Yaroslav L. Grachev, postgraduate student,
Moscow.
Сидоренко Валентина Геннадьевна – доктор технических наук, профессор, профессор кафедры «Управление и защита информации»,
Москва.
Valentina G. Sidorenko, Doctor of Engineering, Professor, Chair Professor, Department of Management and Protection of Information,
Moscow.
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.
Aim. The problem of image steganalysis is especially relevant given the use of steganographical concealment in graphic files for delivering malicious code and information as part of cyber attacks. That requires improvements to the existing methods of detecting steganographically embedded information. One method is to use a comprehensive steganalysis technique that involves concluding on the detection of embedded information based on the findings of a group of steganalysis methods, as well as auxiliary calculations. Methods. It is proposed improving the accuracy of hidden information detection by using qualitative image estimation. The paper demonstrates the relationship between the estimates and the increased rate of steganalysis errors. The method of comprehensive steganalysis that involves accounting for the qualitative characteristics of images allows improving the accuracy of estimation by reducing the rate of false positives. The paper uses statistical methods for calculating the qualitative characteristics of images, Spearman correlation, and machine learning. Results. A software package has been developed that integrates elements of the comprehensive steganalysis method described in the paper that includes both a group of steganalysis methods, and a set of evaluated qualitative characteristics of an image. The author evaluates the relationship between the qualitative characteristics of an image and the steganalysis errors in the case of empty containers. Test samples have been defined and machine learning models have been built that generate a conclusion as regards the detection of hidden information in an image. Conclusion. The proposed method enables improved accuracy of hidden information detection, while taking into account the estimates of the qualitative characteristics of an image as part of steganalysis, which is confirmed experimentally.
The authors declare that there are no conflicts of interest present.