Выполнила магистрантка факультета РФиКТ БГУ Квач Александра Юрьевна Научный руководитель: канд. техн. наук, доцент кафедры интеллектуальных систем факультета РФиКТ БГУ Садов Василий Сергеевич Минск 2012

2 Оглавление Актуальность Цель работы Задачи Визуальная классификация изображений Анализ значений распределений яркостей цветовых компонент пикселей изображений различных классов с помощью нормированных гистограмм Анализ изображений на процентное соотношение неоднородных областей Оценка визуальной стеганостойкости контейнеров Анализ изменения поведения младших бит контейнеров - изображений различных классов в зависимости от формата представления встроенных данных с помощью визуальной атаки на младшие биты Построение алгоритма автоматизированного выбора контейнера Заключение

Актуальность 3 Большой объем цифрового представления изображений, а также необходимость защиты информации, представленной в цифровом виде, послужили предпосылками к использованию в качестве стеганоконтейнеров оцифрованных изображений. Одной из наиболее важных задач в стеганографии является задача выбора стегоконтейнера таким образом, чтобы замена младших значащих битов изображения битами секретного сообщения была визуально незаметна. Значительное количество изображений делает ручной подбор оптимального контейнера для встраивания конкретного сообщения трудоемкой задачей, поэтому требуется разработка средств автоматизированного выбора контейнеров для стеганографического скрытия данных.

Работа посвящена оптимизации выбора контейнеров- изображений формата *.bmp для стеганографического скрытия данных в пространственной области изображений посредством LSB-алгоритма. Цель работы: Построение алгоритма автоматизированного выбора контейнера, который включает оценку визуальной стеганостойкости контейнера и учитывает особенности процесса скрытного обмена данными. 4

Задачи: 5 1. Классификация изображений с позиций их возможностей применения в качестве ст его контейнеров для скрытия секретной информации. 2. Выбор критериев оценки пригодности изображений в качестве ст его контейнеров. 3. Создание алгоритма автоматизированного выбора контейнера для встраивания конкретного секретного сообщения.

Визуальная классификация изображений 1. Штриховые изображения 2. Текстовые изображения 3. Изображения в оттенках серого 4. Деловая, научно-техническая, плакатная графика 5. Рисованные изображения или созданные на компьютере 6. Люди (портреты) 7. Пейзажи 8. Фотографии 6

Таблица 1 - АНАЛИЗ ЗНАЧЕНИЙ РАСПРЕДЕЛЕНИЙ ЯРКОСТЕЙ ЦВЕТОВЫХ КОМПОНЕНТ ПИКСЕЛЕЙ ИЗОБРАЖЕНИЙ РАЗЛИЧНЫХ КЛАССОВ С ПОМОЩЬЮ НОРМИРОВАННЫХ ГИСТОГРАММ 7 Изображение Матожи- дание R Матожи- дание G Матожи- дание B Средне- квадра- тичное отклонение R Средне- квадра- тичное отклонение G Средне- квадра- тичное отклонение B Ширина гистограммы по уровню 0,4 RGB Штриховые изображения m r =m g =m b δr=δg=δbδr=δg=δb Тестовые изображения m r =m g =m b δr=δg=δbδr=δg=δb Изображения в оттенках серого mrmgmbmrmgmb δ rδ gδ b Деловая, научно- техническая, плакатная графика Рисованные изображения или созданные на компьютере Портреты Пейзажи Фотографии

АНАЛИЗ ИЗОБРАЖЕНИЙ НА ПРОЦЕНТНОЕ СООТНОШЕНИЕ НЕОДНОРОДНЫХ ОБЛАСТЕЙ ИЗОБРАЖЕНИЙ НА ПРОЦЕНТНОЕ СООТНОШЕНИЕ НЕОДНОРОДНЫХ ОБЛАСТЕЙ 8 Критерии принадлежности блока к неоднородному типу: Первый критерий: если разность между максимальным и минимальным значением яркостей пикселей в блоке больше η (некоторое пороговое значение) градаций яркости, то данный блок считается неоднородным. Второй критерий: если максимальная абсолютная разность между средним значением и текущим значением яркостей пикселей в блоке больше η градаций яркости, то данный блок считается неоднородным. Третий критерий: Найти среднее значение яркости пикселей текущего блока и сравнить его со средними значениями яркостей пикселей трех соседних блоков. Если хотя бы одно из значений абсолютных разностей средних яркостей пикселей в блоках больше η градаций яркости, то текущий блок считается неоднородным.

Таблица 2 - АНАЛИЗ ИЗОБРАЖЕНИЙ НА ПРОЦЕНТНОЕ СООТНОШЕНИЕ НЕОДНОРОДНЫХ ОБЛАСТЕЙ Класс изображений Процентное соотношение неоднородных блоков, % (Через разность между средними значениями для 3-ех соседних блоков) Процентное соотношение неоднородных блоков, % (Нахождение максимальной абсолютной разности между текущим и средним значениями пикселей в блоке) Процентное соотношение неоднородных блоков, % (Через разность между максимальным и минимальным значениями в блоке) Штриховые Текстовые В оттенках серого Графика Рисованные Портреты Пейзажи Фотографии В качестве порогового значения неоднородностей яркостей в блоках изображений было выбрано значение η=20 градаций яркости.

Оценка визуальной стеганостойкости контейнеров 10 Наиболее распространенным показателем при анализе уровня визуальных искажений, которые вносятся в контейнер во время скрытия в нем информации, является пиковое отношение сигнала к шуму ( PSNR, Peak Signal-to-Noise Ratio), которое для контейнеров-изображений выражается следующей формулой: где B – количество бит на один отсчет растра изображения; n – число пикселей по горизонтали; l – число пикселей по вертикали; – интенсивность элементов растра заполненного контейнера-изображения; – интенсивность элементов растра исходного изображения; k – количество растров цвета (RGB); коэффициент 3 в числителе логарифмической дроби возникает при использовании всех трех цветовых составляющих изображения.

11 Чем больше PSNR, тем меньше различие между сигналами x и y. Нулевому уровню искажений соответствует значение PSNR, равное бесконечности. Экспериментально установлено, что наличие встроенной информации не удастся обнаружить визуально при уровне PSNR > 50 дБ, при этом, эксперт не заметит искажений в заполненном контейнере. Оценка визуальной стеганостойкости контейнеров

Анализ изменения поведения младших бит контейнеров - изображений различных классов в зависимости от формата представления встроенных данных с помощью визуальной атаки на младшие биты Внедрение любых форматов сообщений в изображения классов «Штриховые», «Текстовые», «Деловая, научно-техническая, плакатная графика», «Рисованные изображения или созданные на компьютере» будет всегда выявлено при визуальной атаке на младшие биты заполненного контейнера. Так как между младшими битами имеются существенные корреляционные связи. Рисунок 1 – Визуальная атака на контейнер класса «Рисованные изображения или созданные на компьютере» : (а) исходный контейнер; (б) МЗБ пустого контейнера; (в) МЗБ контейнера с внедренным сообщением формата *.avi 1 степень защиты; (г) МЗБ контейнера с внедренным сообщением формата *.avi 3 степень защиты 12

Анализ изменения поведения младших бит контейнеров - изображений различных классов в зависимости от формата представления встроенных данных с помощью визуальной атаки на младшие биты Для изображений классов «Изображения в оттенках серого», «Люди (портреты)», «Пейзажи», «Фотографии» между младшими битами не имеется корреляционных связей, и обнаружение следов вложения некоторых форматов секретного сообщения посредством визуального анализа младших бит является сложной задачей. В частности, для данных классов изображений визуальная атака на младшие биты контейнеров оказывается неэффективной, если он заполнен сообщением формата rar. Рисунок 2 – Визуальная атака на контейнер класса «Фотографии» : (а) исходный контейнер; (б) МЗБ пустого контейнера; (в) МЗБ контейнера с внедренным сообщением формата *.rar 1 степень защиты; (г) МЗБ контейнера с внедренным сообщением формата *.rar 3 степень защиты 13

14 Наибольшая стойкость к визуальным атакам у изображений-контейнеров достигается: o при случайном распределении значений их бит в младших битовых плоскостях; o если скрываемые данные были подвергнуты архивированию или шифрованию. Экспериментально установлено, что в изображениях, у которых в младших битах присутствует значительное количество пикселей одного уровня яркости (неслучайных пикселей) соотношение числа неслучайных пикселей к общему числу пикселей изображения выше 0,51.

Построение алгоритма автоматизированного выбора контейнера 15 Классификация изображений на основе гистограмм распределения яркостей цветовых компонент пикселей и по неоднородности изображений путем оценки перепадов яркости соседних пикселей, а также исследование статистики младших бит ст его контейнеров с учетом встраиваемых данных позволяют представить алгоритм решения выбора оптимального контейнера.

Блок-схема разработанного алгоритма автоматизированного выбора контейнера 16

Блок-схема разработанного алгоритма автоматизированного выбора контейнера (продолжение) 17

Блок-схема разработанного алгоритма автоматизированного выбора контейнера (продолжение) 18

Блок-схема разработанного алгоритма автоматизированного выбора контейнера (продолжение) 19

Блок-схема разработанного алгоритма автоматизированного выбора контейнера (продолжение) 20

Блок-схема разработанного алгоритма автоматизированного выбора контейнера (продолжение) 21

Средняя вероятность обнаружения скрытой информации в изображении Уровень стойкости стеганосистемы %Низкая стойкость 50-80%Стойкость ниже среднего 30-50%Средняя стойкость 0-30%Высокая стойкость Таблица 3 - Соответствие средней вероятности обнаружения скрытой информации в изображении и уровня стойкости стеганосистемы 22

23 Предлагаемый алгоритм позволяет: учитывать тип переписки; выбирать возможный вид изображения; задавать требуемую степень стойкости контейнера.

Таблица 4 - Выбор изображений в зависимости от типа переписки Деловая переписка (переписка между специалистами различных областей в процессе профессиональной деятельности) Личная переписка (переписка по всем неофициальным вопросам) Классы изображений, используемые в данном типе переписки Штриховые изображения (например, чертежи) Изображения в оттенках серого Текстовые изображения Портретные изображения Деловая, научно- техническая, плакатная графика (графики, диаграммы, логотипы, плакаты) Пейзажи Фотографии Рисованные или созданные на компьютере изображения (вывески, реклама, приглашения, поздравления) Рисованные или созданные на компьютере изображения Реже изображения других классов (штриховые, текстовые, деловая, научно- техническая, плакатная графика)

Таблица 5 - Выбор возможного вида изображения по ширине его гистограммы Ширина нормированной на единицу гистограммы полутоновых изображений по уровню 0.4 Предполагаемое описание изображений Hist=[1,2] отсчетов Изображения могут быть одноцветными или двухцветными или иметь один или два преобладающих цвета. На изображениях присутствуют большие области или много объектов одного или двух основных цветов. Многие изображения имеют четкие границы смены цветов, резкие контуры. Hist=(2,20] отсчетов На изображениях присутствует много областей, заполненных одинаковыми или очень похожими цветами. Часто в таких изображениях основных цветов очень мало, много одноцветных и однотипных областей, контрастирующих областей с резкими границами смены цветов. Hist=(20,50] отсчетов В таких изображениях присутствует гораздо больше полутонов одного цвета, который, чаще всего, и является преобладающим на изображении. В таких изображениях уже присутствуют плавные переходы цветов и оттенков цвета. Hist=(50,80] отсчетов На изображениях присутствуют различные цвета и оттенки, переходы между пикселями и наложения одних цветов на другие. Hist>80 отсчетов Это высоко детализированные изображения с великим количеством и разнообразием цветов, оттенков, полутонов, переходов. В таких изображениях нет резких границ смены цветов.

Таблица 6 - Задание требуемой стойкости контейнера путем выбора порогового значения неоднородностей яркостей в его блоках Степень стойкости контейнера Пороговое значение неоднородностей яркостей в блоках контейнера размера 8 х 8 пикселей в градациях яркости 1[0,10] 2 низкая(10,20] 3 стойкость(20,30] 4(30,40] 5(40,50] 6 средняя(50,60] 7 стойкость(60,70] 8(70,80] 9(80,90] 10 высокая(90,100] 11 стойкость(100,110] 12(110,120] 13(120,130] 14 наивысшая(130,140] 15 стойкость(140,150] 16>150

Заключение 1. Разбиение изображений на классы по их визуальному восприятию не позволяет представить алгоритм автоматизированного выбора контейнера. 2. В работе предложена классификация изображений на основе гистограмм распределения яркостей цветовых компонент пикселей и по неоднородности изображений путем оценки перепадов яркости соседних пикселей. 3. Проведено исследование статистики младших бит с целью оценки выбора контейнера с учетом встраиваемых данных. 4. В работе предложен алгоритм автоматизированного выбора контейнеров- изображений формата *.bmp для стеганографического скрытия данных в пространственной области изображений посредством LSB-алгоритма, который включает оценку визуальной стеганостойкости контейнера и построен с учетом особенностей процесса скрытного обмена данными. 27

Заключение 5. Разработанный алгоритм автоматизированного выбора оптимального с точки зрения надежности стегоконтейнера для встраивания конкретного секретного сообщения учитывает: тип переписки; возможный вид изображения; степень стойкости контейнера. 6. Работа выполнялась в рамках задания ГПНИ «Информатика и космос». 28

Апробация результатов Основные результаты работы докладывались на: ой научной конференции студентов и аспирантов БГУ (Минск, мая 2012 г.) 2. XVII Международной научно-технической конференции «СОВРЕМЕННЫЕ СРЕДСТВА СВЯЗИ» (Минск, октября 2012 г.) Основные результаты работы опубликованы в следующих печатных изданиях: 1. Квач, А.Ю. Оптимизация выбора контейнеров для стеганографического скрытия данных/ А.Ю. Квач, В.С. Садов // Электроника Инфо. – – 4. – С. 114– Квач, А.Ю. Оптимизация выбора контейнеров для стеганографического скрытия данных / А.Ю. Квач, В.С. Садов // Тезисы докладов XVII Международной научно-технической конференции «СОВРЕМЕННЫЕ СРЕДСТВА СВЯЗИ», Минск, октября 2012/ ВГКС; редкол.: А.О. Зеневич, Т.Г. Таболич, Е.А. Кудрицкая, Е.В. Новиков, С.М. Дзержинский, В.В. Махнач, Л.М. Новикова, Л.Е. Залесская, Л.П. Томилина. – Минск, – С

30