Стеганографічний метод підвищеної стійкості до аналізу за моделлю Rich

This paper addresses the task of developing a steganographic method to hide information, resistant to analysis based on the Rich model (which includes several different submodels), using statistical indicators for the distribution of the pairs of coefficients for a discrete cosine transform (DCT) with different values. This type of analysis implies calculating the number of DCT coefficients pairs, whose coordinates in the frequency domain differ by a fixed quantity (the offset). Based on these values, a classifier is trained for a certain large enough data sample, which, based on the distribution of the DCT coefficients pairs for an individual image, determines the presence of additional information in it.A method based on the preliminary container modification before embedding a message has been proposed to mitigate the probability of hidden message detection. The so-called Generative Adversarial Network (GAN), consisting of two related neural networks, generator and discriminator, was used for the modification. The generator creates a modified image based on the original container; the discriminator verifies the degree to which the modified image is close to the preset one and provides feedback for the generator.By using a GAN, based on the original container, such a modified container is generated so that, following the embedding of a known steganographic message, the distribution of DCT coefficients pairs is maximally close to the indicators of the original container.We have simulated the operation of the proposed modification; based on the simulation results, the probabilities have been computed of the proper detection of the hidden information in the container when it was modified and when it was not. The simulation results have shown that the application of the modification based on modern information technologies (such as machine learning and neural networks) could significantly reduce the likelihood of message detection and improve the resistance against a steganographic analysisБыла рассмотрена проблема разработки стеганографического метода сокрытия информации, устойчивого к анализу по модели Rich (т. е. включает в себя несколько разных субмоделей) с использованием статистических показателей распределения пар коэффициентов дискретного косинусного преобразования (ДКП) с различными значениями. Сущность данного вида анализа заключается в том, что вычисляется количество пар коэффициентов ДКП, координаты которых в частотной области отличаются на фиксированную величину (смещение). На основе этих значений для определенной достаточно большой выборки данных тренируется классификатор, который на основе распределения пар коэффициентов ДКП отдельного изображения определяет наличие дополнительной информации в нем.Для уменьшения вероятности обнаружения скрытого сообщения предложен метод, основанный на предварительной модификации контейнера перед встраиванием сообщения. Для модификации была использована так называемая генеративная соревновательная сеть (ГСМ), состоящая из двух связанных нейронных сетей – генератора и дискриминатора. Генератор создает модифицированное изображение на основе исходного, а дискриминатор проверяет, насколько полученное модифицированное изображение близко к заданному, и предоставляет обратную связь для генератора. С помощью ГСМ на основе выходного контейнера генерируется модифицированный таким образом, чтобы после встраивания известного стеганографического сообщения распределение пар коэффициентов ДКП было максимально приближено к показателям исходного контейнера.Было проведено компьютерное моделирование работы предложенной модификации, на основе результатов моделирования рассчитаны вероятности верного выявления скрытой информации в контейнере при проведении его модификации и при условии ее отсутствия. Результаты моделирования показали, что применение модификации, основанной на современных информационных технологиях (таких, как машинное обучение и нейронные сети), позволяет заметно уменьшить вероятность обнаружения сообщения и повысить устойчивость к стеганографическому анализуБуло розглянуто проблему розробки стеганографічного метода приховування інформації, стійкого до аналізу за моделлю Rich (що включає в себе декілька різних субмоделей) із використанням статистичних показників розподілу пар коефіцієнтів дискретного косинусного перетворення (ДКП) із різними значеннями. Сутність даного виду аналізу полягає у тому, що обчислюється кількість пар коефіцієнтів ДКП, координати яких у частотній області відрізняються на фіксовану величину (зсув). На основі цих значень для певної достатньо великої вибірки даних тренується класифікатор, який на основі розподілу пар коефіцієнтів ДКП окремого зображення визначає наявність додаткової інформації у ньому.Для зменшення ймовірності виявлення прихованого повідомлення запропоновано метод, заснований на попередній модифікації контейнеру перед вбудовуванням повідомлення. Для модифікації було використано так звану генеративну змагальну мережу (ГЗМ), що складається з двох пов’язаних нейронних мереж – генератора та дискримінатора. Генератор створює модифіковане зображення на основі вихідного контейнера, а дискримінатор перевіряє, наскільки отримане модифіковане зображення близьке до заданого, та надає зворотній зв’язок для генератора.За допомогою ГЗМ на основі вихідного контейнера генерується модифікований таким чином, щоб після вбудовування відомого стеганографічного повідомлення розподіл пар коефіцієнтів ДКП був максимально наближений до показників вихідного контейнера.Було проведено комп’ютерне моделювання роботи запропонованої модифікації, на основі результатів моделювання обчислено ймовірності вірного виявлення прихованої інформації у контейнері при проведенні його модифікації та за умови її відсутності. Результати моделювання показали, що застосування модифікації, заснованої на сучасних інформаційних технологіях (таких, як машинне навчання та нейронні мережі) дозволяє помітно зменшити ймовірність виявлення повідомлення та підвищити стійкість до стеганографічного аналіз