Un Algoritm Pentru Spargerea Sistemului Vizual Steganalitic

8/3/2019 Un Algoritm Pentru Spargerea Sistemului Vizual Steganalitic

1/16

Un algoritm pentru spargerea sistemului vizual steganalitic,

bazat pe evolutia diferentiala

Abstract. Steganografia imaginilor este procesul de trimitere a mesajelor intr-un mod secret prin

ascunderea acestora in continutul unei imagini. Tehnicile steganalitice sunt utilizate pentru a

detecta daca o imagine contine un mesaj ascuns, prin analiza diferitelor caracteristici ale unei

imagini facuta intre stego-imagini (imagini care contin mesaje ascunse) si imagini masca

(imagini care nu contin niciun mesaj ascuns). In trecut, algoritmii genetici au fost utilizati pentru

a proiecta un sistem steganografic robust, care sa sparga sistemele steganalitice. Totusi,

algoritmii genetici consuma prea mult timp pentru a ajunge la solutia optima. In aceasta lucrare

vom folosi o abordare evolutiva diferita, numita evolutie diferentiala (DE) pentru a creste

performanta sistemului steganografic. Elementul cheie care diferentiaza DE de alte abordari

bazate pe o populatie este mutatia diferentiala, care urmareste sa gaseasca optimul global al uneifunctii multidimensionale si multimodale. Rezultatele experimentale arata ca punerea in aplicare

a steganografiei bazate pe DE, nu numai ca imbunatateste valoarea maxima pentru coeficientul

indicatorului de zgomot/ semnalul de varf al coeficientului zgomot (PSNR) din stego-imagine,

dar promoveaza, de asemenea, corelatia normalizata (NC) al mesajului secret extras in acelasi

numar de iteratii. Se observa ca procentul de crestere a valorilor PSNR variaza de la 5% la 13%

si cel al NC variaza intre 0.8% si 3%.

Cuvinte-cheie: Steganografie, Steganaliza, Filigranare, Evolutie diferentiala, Algoritmi genetici.

1. Introducere

Deoarece informatii digitale si date sunt transmise prin intermediul Internetului mai des decat

oricand inainte, este necesar ca noi tehnologii de protectie si securizare a mesajelor vulnerabile

sa fie descoperite si dezvoltate. Steganografia digitala este arta si stiinta de a ascunde informatii

in canale ascunse, in asa fel incat sa le pastreze secrete si sa previna detectarea mesajelor

ascunse. Cercetarea in domeniul securitatii informatiei, referitoare la canalele ascunse, nu este, in

general, un lucru major, dar a devenit o tema extrem de activa in mediul academic, industrie si

domenii guvernamentale in timpul ultimilor 30 de ani.

Cuvantul steganografie (Provos si Honeyman 2003) este de origine greaca si inseamna scriere

ascunsa/mascata. Steganografia este arta si stiinta scrierii de mesaje ascunse in asa fel incatnimeni altcineva in afara destinatarului caruia i se adreseaza mesajul sa nu stie despre existenta

acestuia. Este diferita de criptografie, care nu ascunde mesajul, dar il codifica intr-un mod secret,

in asa fel incat nimeni sa nu-l poata citi fara cheia specifica. Alta tehnica, filigranarea (Cox et al.

2001; Shih 2007; Pan et al. 2004; Chang et al. 2007), este folosita pentru a garanta autenticitatea

si poate fi folosita ca dovada a faptului ca intregul continut nu a fost alterat de la ultima inserare.

Tehnicile steganografice moderne includ canale ascunse, cerneala invizibila, cifru nul si


2/16

raspandirea spectrului de frecvente de comunicare (Shih 2007). Desi steganografia este un

subiect vechi, tehnologia informatica ofera un aspect nou aplicatiilor ei prin ascunderea de

mesaje in cadrul continutelor multimedia, cum ar fi sunetele, videoclipurile si imaginile.

Steganografia a fost folosita pe scara larga de-a lungul istoriei. Exemplele includ

ascunderea de mesaje in tablete de ceara. In Grecia antica, oamenii scriau mesaje in bucati delemn, pe care le inveleau in ceara, astfel incat acestea sa arate ca niste tablete normale,

nefolosite. Steganografia a fost folosita, de altfel, si in timpul celui de-al doilea razboi mondial,

pentru trimiterea de mesaje secrete la destinatie. In domeniul tehnologiei de radio-comunicatii,

incarcatura utila este transportarea datelor intr-un mod secret. Transportatorul este semnalul,

fluxul sau fisierul de date in care estea ascunsa incarcatura utila. Semnalul, fluxul sau fisierul

rezultat care incorporeaza incarcatura utila este cunoscut sub denumirea de pachet, fisier stego,

sau, respectiv, mesaj ascuns.

Steganografia poate fi divizata in trei categorii: tehnica, lingvistica si digitala.

Steganografia tehnica aplica metode stiintifice pentru a ascunde mesajul secret, in timp cesteganografia lingvistica foloseste limbajul natural scris. Steganografia digitala, dezvoltata odata

cu aparitia computerelor, foloseste fisiere din computer sau date digitale multimedia. Cerinta

fundamentala a sistemelor steganografice este aceea conform careia stego-obiectul trebuie sa fie

similar, din punct de vedere al perceptiei, cu obiectul masca(original). Aceasta inseamna ca

mesajul ascuns ar trebui sa aduca doar o usoara modificare a obiectului masca. Exista doua

metode de a inspecta un stego-obiect. Una este pasiva, cealalta activa. In schema pasiva, stego-

obiectul este examinat pentru a stabili daca acesta contine un mesaj ascuns sau nu. De cealalta

parte, schema activa altereaza continutul stego-obiectului chiar daca ea nu detecteaza mesajul

ascuns.

Sistemele steganografice pot fi categorisite in doua clase: sistemul steganalitic al

domeniului spatial (SDSS) (Avchibas et al. 2003; Westfeld and Pfitzmann 1999a) si sistemul

steganalitic al domeniului-frecventa (FDSS) (Fridrich et al. 2003). SDSS-ul este folosit pentru

verificarea imaginilor comprimate fara pierderi prin analizarea caracteristicilor statistice ale

domeniului spatial. Pentru imaginile de comprimare cu pierderi cum ar fi Joint Photographic

Experts Group (JPEG), este folosit FDSS-ul pentru a analiza caracteristicile statistice ale

domeniului-frecventa. Variante ale sistemelor steganalitice au fost construite in baza tehnicii bit-

ului celui mai putin important (LSB), masura calitatii imaginii (IQM) (Avchibas et al. 2003),

transformarea discreta a cosinusului (DCT). Wu si Shih (2006) au propus un sistem

steganografic bazat pe un Algoritm Genetic (AG) pentru a sparge sistemul steganalitic.

Algoritmul genetic a fost folosit pentru a genera stego-imaginea prin falsificarea

artificiala a caracteristicilor statistice cu scopul de a sparge sistemul steganalitic corespondent. In

ultimii ani, AG (Shieh et al. 2004) au fost folositi la scara larga in domeniul filigranarii pentru a

oferi solutii optime la multe din problemele existente. Oricum, AG se indreapta incet catre

solutia optima. Mai exista si alte abordari evolutive, cum ar fi evolutia diferentiala (DE)


3/16

(Karboga and Okdem 2004; Price et al. 2005) si strategia evolutiva (ES) (Beyer and Schwefel

2004). Un dezavantaj al ES este faptul ca este mai usor sa ramana blocata pe o optima locala. In

aceasta lucrare, noi folosim DE pentru a spori performanta sistemului steganografic, deoarece

aceasta este o schema adaptiva simpla si eficienta pentru optimizarea globala asupra spatiului

continuu. Aceasta poate gasi optima globala a unei functii multidimensionale, multimodale cu

probabilitate mare.

Restul lucrarii este organizat dupa cum urmeaza. Metodologia bazata pe DE pentru

spargerea Sistemului Steganalitic Vizual (VSS) este prezentat in Sect. 2. Algoritmul DE si

steganografia sa bazata pe imagine sunt prezentate in Sect. 3. Rezultatele experimentale sunt

prezentate in Sect. 4. In cele din urma, vom trage concluziile in Sect. 5.

2 Metodologia bazata pe DE pentru spargerea VSS

Kessler a prezentat o imagine de ansamblu a steganografiei pentru cercetatorul criminalisticii in

domeniul computerelor (Kessler 2004). Strategia steganalizei urmeaza, de obicei, metoda pe careo foloseste algoritmul steganografiei. O metoda simpla este aceea de a inspecta in mod vizual

transportatorul si media steganografiei. Multe tehnici steganografice simple incorporeaza mesaje

secrete in domeniul spatial si selecteaza biti de mesaj in transportator care sunt independenti de

continutul sau (Wayner 2002).

Majoritatea sistemelor steganografice incorporeaza biti de mesaj intr-o maniera pseudo-

aleatoare si secventiala. Daca imaginea contine anumite zone conectate de culoare uniforma sau

culoare saturata (i.e. 0 sau 255), putem folosi inspectia vizuala pentru a gasi artefacte suspecte.

Cand nu se gasesc artefacte, are loc o inspectie a planului bit-ului LSB.

Westfeld si Pfitzmann au prezentat un sistem steganalitic vizual ce foloseste o functie de

atribuire de inlocuire a culorii, numitafiltru vizual(Westfeld and Pfitzmann 1999a.b). Ideea este

de a inlatura toate partile imaginii care contin un potential mesaj. Procesul de filtrare se bazeaza

pe o unealta ce se presupune a fi steganografica si poate produce steganograma medie a

transportatorului atacat, extragerea bitilor de mesaj potential si ilustrarea vizuala.

Asa cum a fost mentionat, pentru a genera o stego-imagine care sa treaca in ciuda

inspectiei SDSS-ului, mesajele ar trebui sa fie incorporate in pozitiile specifice pentru

mentinerea caracteristicilor statistice ale unei imagini de ansamblu. In domeniul spatial ce

incorporeaza abordarea, este dificil sa selectezi astfel de pozitii de vreme ce mesajele sunt

distribuite in mod regulat. Pe de alta parte, daca mesajele sunt incorporate in pozitii specifice de

coeficienti ai unei imagini transformate, modificarile in domeniul spatial sunt greu de prevazut.

Scopul nostru este acela de a gasi pozitiile dorite in domeniul frecventei care sa produca o

minima tulburare a caracteristicilor statistice in domeniul spatial.

Bazat pe DE, noi generam stego-imaginea prin ajustarea valorilor pixelilor in domeniul

spatial, folosind urmatoarele doua criterii:


4/16

1. Evaluarea mesajelor extrase obtinute din coeficientii specifici ai stego-imaginii, pentru astabili ca ei sunt pe cat de aproape posibil fata de mesajele incorporate.

2. Evaluarea caracteristicilor statistice ale stego-imaginii si compararea lor cu cele aleimaginii de ansamblu, astfel incat diferentele sa fie cat mai putine posibil.

De aceea, pentru a sparge VSS-ul, cele doua rezultate VFC

si VFS

, de aplicare a filtruluivizual pe stego-imagini si imagini de ansamblu, respectiv, ar trebui sa fie cat mai identice

posibil. VSS-ul a fost proiectat sa detecteze imaginile de format GIF prin reatribuirea culorii in

paleta de culori a unei imagini. Fie cromozomul , compus din 8 x 8 gene. Fie C si respectiv S,sa denote o imagine masca si o stego-imagine de dimensiunea 8 x 8. Analiza (, C) a VSS-uluiindicand suma diferentei dintre VF

C si VFS este definita ca

Analiza (, C)

, (1)

Unde denota operatorul SAU-Exclusiv (XOR). Algoritmul este descris mai jos.

1. Dividem o imagine masca intr-un set de imagini masca de marimea 8 x 8.2. Pentru fiecare imagine masca de 8 x 8, generam o stego-imagine bazata pe DE pentru a

indeplini procedura de inglobare, cat si pentru a se asigura ca VFC

si VFS

sunt pe cat de

identice posibil.

3. Combinam toate stego-imaginile de 8 x 8 impreuna pentru a forma o stego-imaginecompleta.

Fie 1 si 2 ponderi ce pot fi ajustate conform cu cerinta utilizatorului legata de gradul

de deformare aplicabil stego-imaginii sau mesajului extras. Functia obiectiv este definita ca:

Evaluare (, C) (2)

unde este functia de analiza care mentine caracteristicile statistice intre stego-imagine si imaginea masca prin micsorarea diferentei definite in Eq. (1) si este rataerorii de bit care aduna laolalta diferentele de bit dintre mesajul incorporat si cel extras, asa cum

este definit in Eq. (3).

, (3)

unde MesajulH

siMesajulE

, respectiv, denota mesajele secrete binare incorporate si extrase, iar

[MesajulH

] denota lungimea mesajului. De exemplu, daca MesajulH

= 11111 si MesajulE

=

11101, atunci BER = 0.2. Ponderile 1 si 2 corespund calitatii imaginii filigranate si,respectiv, siglei extrase. Aceste ponderi se intind de la 0 la 1 si mai departe ele sunt asociate ca


5/16

fiind 1 + 2 = 1. Daca dorim o calitate mai buna a imaginii filigranate, atunci 1 ar trebui sa fie

mai mult comparata cu 2 si vice versa. Este un schimb alegand valorile 1 si 2.

3 Algoritmul DE si steganografia sa bazata pe imagine

Evolutia diferentiala (DE) este un tip de Algoritm Evolutionar (EAs), ale caror nume provin din procesele evolutionare biologice naturale. EA este mimat pentru a obtine o solutie pentru o

optimizare a problemei. Se poate folosi EA pentru probleme care sunt greu de rezolvat prin

tehnici de optimizare traditionale, incluzand problemele ce nu sunt bine definite sau care sunt

greu de modelat din punct de vedere matematic. O metoda populara de optimizare, care ii

apartine clasei de metode EA, este GA (Holland 1975). In ultimii ani, GA a inlocuit metodele

traditionale si a devenit unealta de optimizare preferata, asa cum au demonstrat, ca o concluzie a

lor, diverse studii. DE (Price et al. 2005) este relativ nou-aparut, dar popularitatea lui a

compensat acest lucru. El este mai rapid in optimizarea numerica si este mai probabil ca el sa

gaseasca adevarata optima.

3.1 Conceptul

Metoda DE consta, in principal, din patru pasi: initializarea, transformarea, recombinarea si

selectarea. In primul pas, o populatie aleatoare de solutii potentiale este creata in cadrul spatiului

de cautare multidimensional. Pentru inceput, definim functia obiectiv f(y) ce urmeaza a fi

optimizata, unde y = (y1, y2,....yn) este un vector de n variabile de decizie. Scopul este acela de a

gasi un vector y in spatiul de cautare dat, pentru care valoarea functiei obiectiv este optima.

Spatiul de cautare este mai intai determinat prin punerea la dispozitie a limitelor de sus si de jos

pentru fiecare din variabilele n de decizie ale lui y.

In pasul de initializare, o populatie de vectori NP, fiecare de dimensiuni n, este creata

aleator. Parametrii sunt reprezentati ca numere reale in simpla precizie. Transformarea este de

fapt un mecanism de cautare, care directioneaza cautarea catre zone potentiale ale solutiei optime

impreuna cu recombinarea si selectarea. In cadrul acestui pas, 3 vectori obiectiv diferiti ya, yb, si

yc sunt alesi aleator din populatia de parinti NPpe baza a trei numere aleatorii a, b, si c.Unul

dintre vectori, yc, este baza vectorului transformat. Acesta se adauga la diferenta ponderata ale

celorlalti doi vectori, i.d. ya yb, pentru a genera un vectorni aleator de zgomot. Ponderea este

facuta folosind un factorFde scalare, care este furnizat de catre utilizator si se afla de obicei in

sirul de la 0 la 12. Procesul de transformare este repetat pentru a crea o pereche pentru fiecare

membru al populatiei de parinti.

In operatiunea de recombinare (incrucisare), fiecarui vector obiectiv al populatiei de

parinti i se permite sa sufere o recombinare prin imperecherea cu un vector transformat. Astfel,

vectorul yi este recombinat cu vectorul aleator de zgomot ni pentru a genera un vector de testare,

ti. Fiecare element al vectorului de testare (tim, unde i = 1, 2,....., NP si m = 1,2,.....n) este

determinata de un experiment binomial al carui succes sau esec este determinat de factorul de


6/16

incrucisare furnizat de utilizator, CR. Parametrul CR este folosit pentru a controla rata la care

incruciserea are loc.

Figura 1: Diagrama fluxului DE


7/16

Vectorul de testare ti, este deci copilul celor doi vectori parinti: vectorul de zgomot n i si

vectorul obiectiv yi. DE efectueaza un incrucisare ne-uniforma, care determina ca parametrii

vectorului de testare sa fie mosteniti de la oricare din parinti.

Este posibil uneori ca din unele combinari particulare dintre cei trei vectori obiectiv din

populatia parinte si factorul de scalare f, sa rezulte niste valori ale vectorului de zgomot caresunt in afara limitelor impuse pentru variabilele de decizie. Prin urmare, este necesar sa aducem

aceste valori in interiorul limitelor. Din acest motiv, valoarea fiecarui element al vectorului de

testare este verificata la finalul fiecarui pas al recombiarii. Daca o valoare depaseste spatiul

limitelor, este in mod euristic adusa inapoi in spatiul limitelor. Aceasta se intampla in cadrul

ultimului pas al selectiei, vectorul de testare luptand impotriva vectorului obiectiv. Fitnesul

este testat, iar cel mai puternic dintre cei doi vectori supravietuieste si merge mai departe in

urmatoarea generatie.

Dupa NP competitii de acest fel in fiecare generatie, una va avea o noua populatie, care

este mai puternica decat populatia din generatia anterioara. Aceasta mecanism de evolutiealcatuit din patru pasi este repetat in cadrul a mai multor generatii pana cand conditia de

terminare este atinsa(de exemplu, pana cand functia obiectiv atinge un optim dat) sau un numar

specificat de generatii este inregistrat. O diagrama a fluxului este descrisa in figura 1.

Figura 2 : Generarea unei stego-imagini(a) si procedura de extragerea mesajului ascuns(b)


8/16

3.2 Algoritmul

1. Primul pas consta in initializarea aleatoare a populatiei parinte. Fiecare element al celor

NP vectori cu n dimensiuni este generat aleator astfel :

2. Calculeaza valorile functiei obiectiv f(yi) pentru orice yi.

3. Selecteaza trei numere aleatoare(a, b si c) cuprinse intre 1 si NP. Diferenta ponderata(ya-

yb) este folosita pentru a genera un vector de zgomot ni prin perturbarea lui yc :

4. Recombina fiecare vector obiectiv yi cu vectorul de zgomot aleator i pentru a genera

vectorul de testare ti :

5. Verifica daca fiecare variabila de decizie a vectorului de testare se incadreaza in spatiul

limitelor. Daca este in afara spatiului limitelor, atunci trebuie fortata sa reintre in spatiul limitelor

folosind :

6. Calculeaza valoarea functiei obiectiv pentru cei doi vectori ti si yi. Cel mai puterni dintre

cei doi(de exemplu, cel care are o valoare mai mica pentru functia obiectiv) supravietuieste si

merge mai departe in cadrul noii generatii.

7. Verifica gradul de indeplinire al criteriului de convergenta. Daca este indeplinit criteriul,

atunci ne vom opri, altfel, se trece la pasul 8.


9/16

8. Verifica daca numarul maxim de generatii este atins. Daca da, atunci ne oprim, altfel,

continuam de la pasul 3.

Figura 3 : vector DE(a), imagine masca(b)si stego-imagine(c)


10/16

Urmatorul tabel compara steganografia imaginii folosind un algoritm GA i un algoritm DE.

Tabel 1:

3.3 Procedura aplicarii DE

Deoarece algoritmul DE lucreaza cu numere reale cu simpla precizie, mecanismul generarii de

stego-imagini este usor diferit fata de algoritmul GA. Mecanismul de generare a stego-imaginii si

extragerea mesajului ascuns sunt ilustrate in figura 2. Functia de evaluare este aceeasi ca si cea a

mecanismului GA, de exemplu cea data in ec.(2). Foloseste urmatoarea regula pentru a genera o

stego-imagine: Daca valoarea corespunzatoare vectorului DE, dij 0.5, atunci sij = cij+1; altfel, sij

= cij, unde 1 i,j 8, si sij, respectiv cij, reprezinta pixelii stego-imaginii si ai imaginii ascunse.

Acest mecanism de lucru este ilustrat in figura 3, unde (a) este un vector DE de dimensiune 8 x 8


11/16

generat de catre algoritmul DE, (b) este o imagine masca(8 x 8), iar (c) este stego-imaginea

corespunzatoare.

4 Rezultate experimentale

Metodologia bazata pe algoritmul DE si pe algoritmul GA pentru spargerea sistemului vizualsteganalitic(VSS) a fost implementata in java. JDEAL(Java Distributed Evolutionary Algorithms

Library) a fost folosit pentru a implementa GA. Experimentele s-au efectuat pe 50 de imagini

ascunse de dimensiuni 256 x 256 si pe 10 mesaje secrete de dimensiuni 64 x 64. Am incorporat 4

biti in 8 x 8 coeficienti DCT pe frecventele (0, 2), (1, 1), (2, 0) si (3, 0). Unele rezultate au

introduse in tabelul 1 pentru iteratiile 25, 50 si 100.

Figura 4: Imagini inainte si dupa aplicarea metodologiei DE pentru spargerea VSS. (a) Imaginea

masca Lena ; (b) Mesaj secret pentru a fi incorporat ; (c) Stego-imagine dupa 25 de iteratii pentru

fiecare bloc folosind DE ; (d) Mesaj secret extras din (c)


12/16

S-au aplicat masuri de erori, cum ar fi Peak Signal to Noise Ratio (PSNR), Mean Square

Error (MSE), Bit Correct Ratio(BCR) si Normalized Correlation (NC), pentru a calcula

distorsiunea imaginii dupa incorporarea mesajului secret. PSNR-ul este adesea folosita in

inginerie pentru a masura raportul dintre semnalul puterii maxime si puterea zgomotului produs.

Deoarece semnalele se incadreaza, de cele mai multe ori, intr-o gama mai larga de valori, se va

aplica o scala logaritmica de decibeli pentru a le limita variatiile. Aceasta masoara calitatea de

reconstructie in comprimarea imaginii ; cu toate acestea, ea ofera doar o msura aspra de calitate.

Comparand doua fisiere video, media PSNR este des calculata. PSNR-ul este astfel definit:

Unde hWa

este stego-imaginea, h este imaginea masca, si N x N este dimensiunea

imaginii. MSE-ul pentru o imagine este definit in ec(10).

unde H si W reprezinta inaltimea si latimea imaginii, xij este valoarea pixelului de coordonate

(x, y) intr-o imagine originala, xijeste valoarea pixelului corespunzator din stego-imagine. Cu cat

valoarea MSE este mai mica, cu atat calitatea este mai buna. Corelatia dintre doua imagini esteadesea folosita in detectarea trasaturilor specifice. Corelatia normalizata poate fi folosita pentru a

localiza pattern-uri in cadrul unei imagini care se potrivesc in mare masura unui pattern de

referinta din imaginea de baza. NC-ul este definit dupa cum urmeaza:

unde W

F

este mesajul secret extras, W este mesajul secret incorporat, si N x N este dimensiuneamesajului. BCR definit ca in ec (12) este folosit pentru a masura rata corectiei mesajului secret

extras.


13/16

unde Wi este valoarea binara de pe pozitia i din cadrul mesajului secret original si W i

este

valoarea binara de pe pozitia i din cadrul measjului secret extras, si reprezinta un operator

SAU-exclusiv. Cu cat este mai mare valoarea BCR cu atat este mai mare corespondenta dintre

cele doua mesaje.

Figura 5:Imagini inainte si dupa aplicarea algoritmilor GA si DE. (a) Imagine masca 256 x 256

Barbara ; (b) Sigla floare 64 x 64 ; (c) Stego-imagine Barbara dupa 100 de iteratii folosind GA ;

(d) Sigla extrasa din (c) ; (e) Stego-imagine Barbara dupa 100 de iteratii folosind DE ; (f) Sigla

extrasa din (e)


14/16

Din tabelul 1, se observa clar ca pentru unele iteratii, algoritmul DE nu numai ca

imbunatateste valorile PSNR-ului ale stego-imaginii, dar de asemenea mareste si valorile NC ale

mesajului secret. Mai mult, din tabelul 1 putem observa ca valorile MSE sunt micsorate si

valorile BCR sunt marite comparativ cu algoritmul GA. Procentajul valorilor PSNR creste de la

5% la 13%, iar cel al valorilor NC de la 0.8% la 3%.

Figura 4 contine rezultatele obtinute prin incorporarea unui caracter chinezesc cu

dimensiunea 64 x 64 intr-o imagine Lena cu dimensiunea 256 x 256 pentru 25 de iteratii, fiecare

continand 8 x 8 blocuri, folosind DE. Figura 5 arata rezultatele obtinute prin incorporarea unei

imagini floare cu dimensiunea 64 x 64 intr-o imagine Barbara cu dimensiunea 256 x 256 pentru

100 de iteratii, fiecare continand 8 x 8 blocuri, folosind GA si DE.Comparand figura 5(d si f) cu

figura 6( d si f) putem observa ca mesajele secrete extrase din stego-imaginile generate cu DE au

o calitate mai buna decat cele extrase din stego-imaginile generate cu GA.

Figura 6: Imagini inainte si dupa aplicarea algoritmilor GA si DE. (a) Imagine masca 256 x 256

Cameraman ; (b) Sigla caracter chinezesc 64 x 64 ; (c) Stego-imagine Cameraman dupa 50 de

iteratii folosind GA ; (d) Sigla extrasa din (c) ; (e) Stego-imagine Cameraman dupa 50 de iteratii

folosind DE ; (f) Sigla extrasa din (e)


15/16

In aceasta lucrare o abordare evolutiva diferita, numita Evolutie Diferentiala(DE), este

folosita in stenografia imaginii pentru a sparge sistemul visual steganalitic(VSS). Este o schema

adaptive simpla si eficienta pentru o optimizare gloabala a unui spatiu continuu. Rezultatele

experimentale arata ca stenografia bazata pe algoritmul DE este superioara stenografiei bazate pe

algoritmul GA. Aplicarea algoritmului DE nu numai ca mareste valorile PSNR ale stego-

imaginii, dar in acelasi timp imbunatateste si valorile NC si BCR ale mesajelor secrete extrase

din acelasi numar de iteratii realizate cu algoritmul GA.


16/16

Date post:	06-Apr-2018
Category:	Documents
Upload:	rdondon
View:	240 times
Download:	0 times

Un Algoritm Pentru Spargerea Sistemului Vizual Steganalitic

Documents