Генетический алгоритм для создания постоянной безопасности и качества изображения в стеганографии для анализа RS. T. R. Gopalakrishnan Nair, Suma V, Manas S.

Генетический алгоритм для создания постоянной безопасности и качества изображения в стеганографии для анализа RS

Авторы статьи: T. R. Gopalakrishnan Nair, Suma V, Manas S

Автор перевода: П.Ю. Гаврютченков

Источник: Genetic Algorithm to Make Persistent Security and Quality of Image in Steganography from RS Analysis

Аннотация

Задержание тайны - одна из значительных особенностей во время коммуникационной деятельности. Стеганография - один из популярных методов, чтобы достигнуть секретной связи между отправителем и управляющим, скрывая сообщение в любой форме СМИ покрытия, таких как аудио, видео, текст, изображения и т.д. Наименее значительное кодирование долота - самый простой метод кодирования, используемый многими программами стеганографии, чтобы скрыть секретное сообщение в 24 битах, 8-битные цветные изображения и изображения шкалы яркости. Стеганография - метод обнаружения секретного сообщения, скрытого в покрытии СМИ, использующие стеганографию. RS стеганография является одним из самых надежных стеганализов, который выполняет статистический анализ пикселей, чтобы успешно обнаружить скрытое сообщение по изображению. Однако существующий метод стеганографии защищает информацию от RS стеганализа по изображениям шкалы яркости. Эта работа представляет метод стеганографии, используя генетический алгоритм, чтобы защитить от нападения RS в цвете изображения. Имидж Стего разделен на число блоков. Впоследствии, с внедрением естественного развития на стего изображении, используя генетический алгоритм позволяет, чтобы достигнуть оптимизированной безопасности и качества изображения.

Ключевые слова. Стеганография, Стеганализ, Генетический Алгоритм, качественная мера Изображения, анализ RS

1. Введение

Стеганография - метод сокрытия секретного сообщения в любых СМИ покрытия. СМИ покрытия могут быть текстом, или изображением, аудио или видео и т.д. Несколько методов сопровождались, чтобы поддержать тайну связи между отправителем и управляющим. Методы включают отправку секретного сообщения в татуированной форме на побритой голове раба. Раба послали получателю только после роста его волос. Другой метод сокрытия секретного сообщения должен был написать на деревянной доске и покрывать воском [14]. Стеганография - метод сокрытия сообщения, где только отправитель и получатель знают о существовании сообщения. Греческая стеганография слова означает “скрытое письмо”. Stegano “защищенный или покрытый”, и средства graphy “писать”. Цель стеганографии состоит в том, чтобы скрыть присутствие коммуникации, в то время как цель криптографии состоит в том, чтобы сделать коммуникацию непостижимой, изменив битовые потоки, используя секретные ключи. Преимущество стеганографии, по криптографии состоит в том, что нападавшие не привлечены к передаванию сообщений между отправителем и управляющим, в то время как зашифрованные сообщения привлекают нападавших. Стеганализ - метод обнаружения сообщения, скрытого в покрытии СМИ и извлечь его. Изменения будут очевидны в статистической собственности изображения, если секретные биты сообщения будут вставлены в изображение. Сила стеганографии измерена стеганализами. RS стеганализ является одним из самых надежных стеганализов, который выполняет статистический анализ пикселей, чтобы успешно обнаружить сообщение, скрытое по изображению. Однако метод стеганографии, чтобы обнаружить присутствие секретного сообщения нападением/анализом RS трудный в случае цветных изображений. Задержание визуального качества изображения также обязательно. Стоит, чтобы отметить, что генетический алгоритм оптимизирует безопасность и также качество изображения [1]. Именно к классу эволюционных алгоритмов, подражает процессу естественного развития. Эта бумага вводит базируемый метод стеганографии генетического алгоритма, чтобы защитить от нападения RS по 24-битным цветным изображениям.

2. Литературный обзор

Самый простой метод вставки в стеганографию - стеганография замены LSB. В методе замены LSB наименее значительная часть пиксельных ценностей заменена значениями долота сообщения. Метод обнаружения секретного сообщения, скрытого в СМИ покрытия через стеганографию, известен как стеганализ. Методы Стеганализов имеют два типа, тот, который нападает только на цветные изображения или изображения шкалы яркости и другой, который нападает и на цвете, и на изображениях шкалы яркости. Однако независимо от вышеупомянутого типа изображения, некоторые методы стеганализов нападают только на вложении LSB, в то время как другие нападают на различных методах, которые также включают вложение LSB. Немногие методы стеганализов подозревают сообщение, скрытое по изображению, тогда как немного других методов стеганализов обнаруживают длину сообщения, скрытого по изображению.

Арезу Ядоллэхпур и Хосейн Мяр Найми [2] предложили технику стеганализа, используя автокоэффициенты корреляции в цвете и изображения шкалы яркости. Они предполагают, что вставка секретного сообщения ослабляет корреляцию между соседними пикселями, и, таким образом, позвольте обнаружить сообщение.

Fridrich и др. [3] предложил эффективную технику стеганализа, обычно известную как RS стеганализ, который надежен даже в обнаружении непоследовательного LSB, включающего в цифровые изображения.

Эндрю Д Кер [4] предложил общие рамки для структурного стеганализа замены LSB для обнаружения и оценки длины скрытого сообщения. Он предлагает использование ранее известных структурных датчиков и рекомендовал сильный алгоритм обнаружения в вышеупомянутой цели.

Тао Чжан и Сицзянь Пин [6] предложили метод стеганализа для обнаружения стеганографии LSB по естественным изображениям, основанным на различной гистограмме. Этот метод гарантирует надежное обнаружение стеганографии, и оцените вставленный уровень сообщения. Однако этот метод не эффективный для низких показателей вставки.

Fridrich и Goljan [7] рассмотрели много методов стеганализов и предложили технику стеганализа, основанную на корреляции бипланов изображения. Они заявляют, что самолет LSB может быть оценен от 7 самолетов из 8 самолетов в пикселе изображения. Они чувствуют, что исполнение предложенного метода стеганализа уменьшает, поскольку содержание самолета LSB далее рандомизировано.

Кун и др. [8] предложил новый подход стеганализа, основанный и на оценке сложности и на статистическом фильтре. Это основано на факте, что биты в самолете LSB рандомизированы, когда секретные биты скрыты в самолете LSB.

Amirtharajan и др. [9] предложил новый и адаптивный метод для сокрытия секретных данных в нанесенном на обложку изображении с высокой степенью безопасности и увеличил объемлющую способность. Они чувствуют, что при помощи этого метода приемник не требует, чтобы исходное изображение извлекло информацию.

Umamaheswari и др. [10] предложил анализ различных алгоритмов стеганографии для безопасного сокрытия данных. Они рекомендуют сжать секретное сообщение и зашифровать его с открытым ключом приемника наряду со стего ключом. Они проанализировали различные объемлющие алгоритмы и использовали шифровальную технику, чтобы увеличить безопасность.

3. Метод стеганографии, основанный на генетическом алгоритме

Генетический алгоритм, основавший метод стеганографии включает простое LSB вложение техники, чтобы скрыть данные по изображению. Каждый пиксель по 24-битному цветному изображению представлен на три байта, где каждый байт представляет интенсивность трех основных цветов, а именно, красных, зеленых, и синих (RGB), соответственно. Данные скрыты беспорядочно в LSB каждого байта пикселей. Это достигнуто, преобразовав ценность ASCII данных в двоичный формат, и биты скрыты по изображению, заменяя LSB пиксельной стоимости. Изображение, которое рассматривают для сокрытия секретных данных, является нанесенным на обложку изображением, и стего изображение получено, скрыв секретное сообщение в нанесенном на обложку изображении. Эта исследовательская работа объясняет внедрение генетического алгоритма, чтобы защитить секретные данные от нападения RS в цвете изображения.

RS стеганализ классифицирует блок, щелкающий в три типа. Они - положительное щелкание F1, отрицательный щелкающий F-1 и ноль, щелкающий F0. RS стеганализ анализирует три основных цвета, а именно, красные, зеленые и синие индивидуально для цветных изображений. Первоначально, изображение разделено на некоторые блоки. Впоследствии, щелкающие функции, такие как положительное нажатие и отрицательное нажатие применены на каждый блок пикселей. Позже, изменения между оригинальным и блоками, которые щелкают, вычислены. Основанный на результатах изменения, блоки категоризированы в регулярных и исключительных группах. RM, который позволен, определяет это, относительное число регулярной группы и CM определяет относительные числа исключительных групп. Согласно статистической гипотезе метод RS стеганализ согласно типичному изображению, население, злое из RM, равно этому от R−M, и то же самое правильное для CM и S−M:

С применением положительного щелкания RM обозначает регулярную группу, и СМ - исключительная группа. Точно так же R-M и S-M - регулярная и исключительная группа, когда отрицательное щелкание применено. Различие между регулярными группами, RM и R-M и различием между исключительными группами, СМ и S-M увеличивается с увеличением длины секретного сообщения.

В этом методе отправитель выбирает и читает изображение размера 256x256. Данные, требуемые быть скрытыми по изображению, преобразованы в битовые потоки, беря каждый характер текстового сообщения и представляя их 8-битные двойные ценности из их кодекса ASCII. Данные включены в изображение, используя LSB вложение техники. Генетический подход алгоритма используется, чтобы найти, что лучшая матрица регулирования защищает от нападения RS.

Рис. 1 изображает поток внедрения метода стеганографии, базируемого генетическим алгоритмом. Первоначально, нанесенное на обложку изображение и секретное сообщение прочитаны. Секретное сообщение тогда скрыто в нанесенном на обложку изображении, используя LSB вложение техники. Стего изображение получено после вложения секретного сообщения. Стего изображение разделено на 8x8 блоки и маркировано, вычислив изменения блоков прежде, чем щелкнуть и после щелкания. Во время этого процесса блоки категоризированы в четыре переменные. Переменные основаны на возникновении регулярной группы и исключительной группы, когда положительное щелкание используется и возникновение регулярной группы и исключительной группы, когда отрицательное щелкание используется. Этот процесс выполнен индивидуально для красных, зеленых и синих цветов. Сравнение с исходным изображением показывает увеличение определенных ценностей стего изображения. Нападение RS поэтому в состоянии обнаружить изменения в ценностях. Генетический алгоритм, описанный ниже, используется, чтобы уменьшить изменение в ценности переменных, чтобы защитить от нападения RS.

Генетический алгоритм оптимизирует качество изображения и безопасность данных. Каждый пиксель в блоке рассматривают как хромосому. Некоторые хромосомы рассматривают для формирования начального населения первого поколения в генетическом алгоритме. Несколько поколений хромосом созданы, чтобы выбрать лучшие хромосомы, применив функцию фитнеса, чтобы заменить оригинальные хромосомы. Воспроизводство беспорядочно дублирует некоторые хромосомы, щелкая вторым или третьим самым низким битом в хромосомах. Произведены несколько вторых хромосом поколения. Переход применен, беспорядочно выбрав две хромосомы и объединив их, чтобы произвести новые хромосомы. Это сделано, чтобы устранить больше дублирования в поколениях. Мутация изменяет ценности долота, в которых данные укусили, не скрыт и обменивает любые два гена, чтобы произвести новую хромосому. Как только процесс выбора, воспроизводства и мутации завершен, следующий блок оценен. Функция фитнеса позволяет, чтобы оптимизировать стоимость посредством нескольких повторений. Фитнес вычислен вероятностью регулярных и исключительных групп, когда положительное щелкающее и отрицательное щелкание применено. В конечном счете стего-изображение подвергается анализу RS, и ценности между оригинальным и стего-изображением сравнены.

Рисунок 1 – Процедура внедрения метода RS стеганографии, основанного на генетическом алгоритме

4. Результаты эксперимента

Рис. 2 изображает два нанесенных на обложку изображения. Рис. 2 (a) - стандарт, изображение Лены и Рис. 2 (b) - оперативное изображение, которое захвачено, используя цифровой фотоаппарат. Очевидно от двух фигур, что у оперативного изображения есть больше шума, когда по сравнению со стандартным изображением. Вопросы безопасности - более в режиме реального времени изображения из-за присутствия шума. Поэтому, жизненно важно устранить шум, используя фильтры. Однако применение способного выбора фильтров также - проблема, так как трудно проанализировать тип шума. Далее, качество изображения может быть измерено, используя методы, такие как средняя абсолютная разность (AAD), среднеквадратическая ошибка (MSE), ошибка среднего квадрата Лапласа (LMSE), пиковый сигнал к шумовому отношению (PSNR), нормализованная взаимная корреляция (NCC) и т.д.

Рисунок 2 – Исходное изображение

Рис. 3 иллюстрирует результаты анализа RS для оперативного изображения.

Рисунок 3 – Процент регулярных и исключительных групп стего изображения и исходного изображения

Рис. 3 указывает, что различие в проценте регулярных и исключительных групп (и положительный и отрицательный) между нанесенным на обложку изображением и стего изображением меньше. Следовательно, RS стеганализ не надежен. Поэтому, трудно обнаружить присутствие секретного сообщения по стего изображению.

Сравнение между нанесенным на обложку изображением и стего-изображением lena.png и friends.jpg показывают в Таблице 1. Результаты указывают на присутствие шума в режиме реального времени изображение. Стол далее выводит, что стего-изображение имеет лучшее качество, если AAD, MSE, стоимость LMSE состоит меньше в том, в то время как стоимость PSNR высока, и стоимость NCC приблизительно равна 1.

Таблица 1 – Качественное измерение изображения

Таблица 2 изображает результаты Анализа RS для стандартного нанесенного на обложку изображения. Стол выводит, что различие между RM (Уверенный Постоянный клиент) и R-M (Отрицательный Постоянный клиент) составляет меньше чем 10%. Далее, различие между СМ (Положительный Исключительный) и S-M (Отрицательный Исключительный) - также меньше чем 10%. Это указывает, что изображение обеспечено.

Таблица 2 – Анализ RS исходного изображения (Лена)

Таблица 3 показывает Анализ RS для стандарта стего изображение. По стего изображению также различие между RM и R-M, СМ и S-M меньше чем 10%. Сравнение следствий Таблицы II и Таблицы III указывает, что различие между регулярными группами и исключительными группами составляет меньше чем 10% несмотря на присутствие секретного сообщения по стего изображению. Таким образом для анализа RS трудно обнаружить секретное сообщение, скрытое по изображению.

Таблица 3 – Анализ RS стего изображения (Лена)

Рис. 4 изображает изображения с тем, что скрыл секретное сообщение. Однако с визуальной точки зрения, качество изображения сохраняется и что визуальный артефакт не введен.

Рисунок 4 – Стего изображение

Стеганография – искусство секретной коммуникации. Это - наука о сокрытии сообщения таким способом, которым только отправитель и получатель знают о существовании сообщения. Главное преимущество стеганографии состоит в том, что это не привлечет нападавших. Анализ RS – один из самых сильных стеганализов, который обнаруживает секретное сообщение статистическим анализом пиксельных ценностей.

Цель этой бумаги состоит в том, чтобы установить ОЧЕНЬ СТОЙКУЮ К RS безопасную модель с методом стеганографии, используя генетический алгоритм. Это позволяет, чтобы достигнуть безопасности и увеличить качество изображения. В этом методе пиксельные ценности стего изображения изменены генетическим алгоритмом, чтобы сохранить их статистические особенности. Таким образом трудно обнаружить существование секретного сообщения анализом RS. Далее, внедрение этого подхода увеличивает визуальное качество стего изображения. Тем не менее, когда длина секретного сообщения увеличивается, вероятность обнаружения секретного сообщения анализом RS также увеличивается. Однако наше будущее внимание работы к улучшению вложения способности и дальнейшего совершенствования эффективности этого метода.

Ссылки

[1] S. Wang, B. Yang and X. Niu. “A Secure Steganography Method Based On Genetic Algorithm”. Journal of Information Hiding and Multimedia Signal Processing ISSN 2073-4212 Vol. 1 No. 1 (2010).

[2] A. Yadollahpour and H. M. Naimi. “Attack on LSB Steganography in Color and Grayscale Images Using Autocorrelation Coefficients”. European Journal of Scientific Research ISSN 1450-216X Vol.31 No.2 (2009), pp.172-183.

[3] J. Fridrich, M. Goljan, R. Du. “Reliable detection of LSB steganography in grayscale and color images”. Proceeding of ACM, Special Session on Multimedia Security and Watermarking, Ottawa, Canada, 2001, pp. 27–30.

[4] Andrew D. Ker,” A General Framework for Structural Steganalysis of LSB Replacement”, IH 2005, LNCS 3727, pp. 296–311, 2005.Springer-Verlag Berlin Heidelberg 2005.

[5] S. Bandyopadhyay, T. U. Paul and A. Raychoudhury. “Genetic Algorithm Based Substitution Technique of Image Steganography”.Journal of global research in computer science ISSN -2229-371X Vol 1, No 5, December 2010.

[6] Zhang, T., Ping, X.: A new approach to reliable detection of LSB steganography in natural images. Signal Processing 83 (2003) 2085–2093.

[7] J. Fridrich and M. Goljan, “Practical steganalysis of digital images-state of the art,” Proc. SPIE, vol. 4675, pp. 1–13, 2002.

[8] X. Kong, T. Zhang, X. You, and D. Yang, “A new steganalysis approach based on both complexity estimate and statistical filter,” In Proc. IEEE Pacific-Rim Conf. on Multimedia, vol. LNCS 2532, 2002, pp. 434–441.

[9] R Amirtharajan, S K Behera, M A Swarup, K M Ashfaaq and J B B Rayappan, “Colour Guided Colour Image Steganography”, Universal journal of computer science and engineering technology ISSN 2219-2158, 1(1), 16-23, October 2010.

[10]Dr.M.Umamaheswari, Prof.S.Sivasubramanian, S.Pandiarajan, “Analysis of Different Steganographic Algorithms for Secure Data Hiding”, IJCSNS International Journal of Computer Science and Network Security, VOL.10 No.8, August 2010.

[11] J. H. Holland, "Adaptation in natural and artificial systems", Ann Arbor, MI University of Michigan Press 1975.

[12] D. E. Goldberg, "The genetic algorithms in search, optimization, and machine learning", New York.

[13] Mehmet U.Celik, Gaurav Sharma, A.Murat Tekalp, “Universal Image Steganalysis Using Rate- Distortion Curves”, Proc.SPIE: Security, Steganography, and watermarking of Multimedia Contents VI,vol.5306,Sane Jose, 19-22,Jan 2004.

[14] Mamta Juneja and Parvinder Sandhu, “Implementation of Improved Steganographic Technique for 24bit Bitmap Images in Communication”, Marsland Press, Journal of American Science 2009:5(2) 36-42

[15] http://www.google.co.in/search?hl=en&biw=1366&bih=667&gbv=2&tbm=isch&sa=1&q=lena+256x25 6&oq=lena+256&aq=0&aqi=g2&aql=undefined&gs_sm=e&gs_upl=170522l174888l0l13l9l0l1l1l0l318l119 1l0.3.2.1l7\