Методы повышения эффективности на примере разработанного алгоритма.

В качестве примера, рассмотрим алгоритм встраивания информации в цифровые изображения в формате JPEG, разработанный в рамках дипломного проекта. Для повышения эффективности использования JPEG-файлов было применено несколько методов.

Проблеме обеспечения скрытности встраиваемых данных были посвящены исследования информативности коэффициентов частотных преобразований (коэффициентов ДКП) [8]. Было выяснено, какие из пространственных частот оказывают наименьшее влияние при их модификации (а значит и более пригодны к встраиванию). Исследования производились для участков изображения, имеющих различную яркостную структуру (однородные, слабо неоднородные, сильно неоднородные, области с контрастными контурами). Был установлен порядок, в котором те или иные частоты на тех или иных участках изображения должны задействоваться в первую очередь, во вторую очередь и т д. Это позволило значительно повысить стойкость встраивания.

Основным и наиболее удачным методом повышения эффективности любого стеганографического алгоритма может считаться внедрение в него адаптивного механизма (придание ему свойства адаптивности).

Под адаптивностью системы понимают её способность изменять свою структуру и методы функционирования в зависимости от её окружения (входного потока информации). В случае стеганографической системы, входной поток – это стеганоконтейнер, а адаптивность – способность одинаково хорошо работать с различными видами контейнеров при заданных параметрах функционирования.

Рассмотрим проблему адаптивности применительно к системе встраивания информации в статические изображения более подробно. В данном случае, многообразие входного потока формируется множеством всех изображений, которые могут быть использованы в качестве стеганоконтейнера. При отсутствии адаптивности, эффективность системы будет достаточно низкой. Это связано с тем, что подобная система не сможет использовать весь потенциал для встраивания, предоставляемый отдельно взятым контейнером. Вместо этого, будет использоваться лишь незначительная часть коэффициентов области преобразования, которая дает одинаково хорошие результаты для всех изображений.

В то же время, экспериментально было доказано, что с ростом неоднородности изображения, возможности по встраиванию информации в некоторые группы коэффициентов могут возрастать в несколько раз. Неадаптивная система не способна учитывать подобные особенности, так как со всеми изображениями она работает одинаково (в то время как места расположения неоднородных областей меняются от изображения к изображению). Адаптивная система лишена подобных недостатков. Главным её отличием является наличие подсистемы предварительного анализа. Эта подсистема исследует изображение и на основании полученных результатов изменяет алгоритм встраивания таким образом, чтобы он был максимально эффективным для данного контейнера.

Адаптивность в разработанный алгоритм была внесена путем предварительного анализа пустого контейнера с целью определения степени яркостной и цветовой неоднородности различных его участков. В дальнейшем, объем информации, встраиваемой в каждый участок, определялся результатами предварительного анализа. Наибольшим изменениям подвергались сильно неоднородные блоки, в то время как однородные части изображения (в которых СЧЗ чувствительна даже к незначительным изменениям) не изменялись, или модификация была минимальной.

Предварительный анализ проводился путем исследования пространственного спектра различных участков изображения. Для каждого из них вычислялись три специальные величины, введенные автором: фактор неоднородности, низкочастотный фактор и высокочастотный фактор. На основании значений этих величин устанавливалась яркостная и цветовая структура участка, что позволило достичь цели, поставленной перед адаптивным анализом.

Важным моментом в создании адаптивного анализа является то, что этот анализ должен давать одни и те же результаты как для пустого, так и для заполненного контейнера. Действительно, в противном случае корректное извлечение встроенного сообщения было бы невозможным.

Особо стоит подчеркнуть, что адаптивный анализ является как раз тем средством повышения размера встраиваемых сообщений, которое не оказывает влияния на стойкость алгоритма. В основе разработки подобного механизма лежит глубокое исследование алгоритма сжатия, формата хранения и СЧЗ, с целью реализовать весь потенциал формата по сокрытию сообщений.

Обычно в стеганоалгоритмах принцип встраивания информации не зависит от объема сообщения и вида контейнера. Это приводит к тому, что небольшие встроенные сообщения сосредотачиваются в определенной области контейнера, которая зачастую является не самой пригодной для встраивания. В то же время, наиболее эффективным представляется метод, при котором для сообщения любого объема будет задействована минимально необходимая часть изображения, причем наиболее пригодная для встраивания.

Эту проблему можно решить за счет введения так называемых уровней безопасности. Определяя каждый уровень, будем указывать ту часть контейнера, которая будут задействована для сокрытия информации. Например, для самого безопасного первого уровня информация будет встраиваться только в сильно неоднородные участки в небольших количествах. Это обеспечит высочайшую скрытность, но при этом существенно ограничит объем встраиваемого сообщения. В следующем, менее безопасном уровне, помимо уже используемых, дополнительно задействуем другие части контейнера и так далее. В итоге, это приведет к тому, что при переходе от более высокого к более низкому уровню безопасности будет расти объем контейнера, но при этом будет снижаться надежность сокрытия. Подобный механизм позволяет варьировать баланс между скрытностью и размером сообщения, что повышает эффективность встраивания за счет придания ему универсальных качеств: один и тот же контейнер может обеспечивать как повышенную скрытность, так и увеличенные размеры встраиваемого сообщения.

Описанные выше методы позволили более полно реализовать потенциал сжатых по стандарту JPEG цифровых изображений в отношении встраивания информации. Благодаря их внедрению размер встраиваемого в контейнер сообщения приблизился к 4 % от размера контейнера.

Заключение.

Сегодня интерес к компьютерной стеганографии быстро растет. Причин для этого достаточно много. Одной из основных является то, что стеганография предоставляет принципиально новый способ защиты информации и не имеет аналогов. В отличие от криптографии, стеганография скрывает факта передачи информации, который сам по себе может иметь решающее значение. С другой стороны, компьютерная стеганография, как следует из её определения, для сокрытия информации использует файлы, содержащие информацию мультимедиа. Ошеломляющий рост объемов такого рода информации и её повсеместное проникновение делают стеганографию универсальным и ещё более привлекательным инструментом. Одним из значимых факторов является и то, что в отношении стеганография, в отличие от криптографии, на данный момент не разработано соответствующей нормативно-правовой базы, регулирующей её использование. Все вышеперечисленные факторы в большей степени характерны для цифровых изображений. что делает их одним из наиболее эффективных носителей скрываемой информации.

Во время рождения компьютерной стеганографии происходило создание и становление новых высокоэффективных мультимедийных форматов. Поэтому изначально стеганография изображений развивалась в сторону вовлечения в решение своих задач вновь появляющихся стандартов хранения графики. В настоящее время имеется достаточно устоявшийся набор графических форматов, получивших широкое распространение, а совершенствование алгоритмов встраивания происходит в основном за счет увеличения эффективности использования этих форматов (как было продемонстрировано выше).

О первом общеизвестным факте применения стеганографии «в деле» стало известно от американских спецслужб после терактов 11 сентября 2001 года. Тогда террористы в процессе организации угона пассажирских самолетов использовали стеганографию для скрытого обмена информации между собой.

Список литературы к реферату.

1. Грибунин В. Г., Оков И. Н., Туринцев И. В. Цифровая Стеганография. – М.:Солон-Пресс, 2002 – 272 с.

2. Voloshynovskiy S., Pereira S., Iquise V., Pun T. Attack Modelling: Towards a Second Generation Watermarking Benchmark // Preprint. University of Geneva, 2001. 58p.

3. Schneier B. Applied Cryptography: Protocols, Algorithms, and Source Code in C, 2nd ed. New York // John Wiley and Sons, 1996.

4. Simmons G. The prisoner’s problem and the subliminal channel // Proc. Workshop on Communications Security (Crypto`83), 1984. P. 51-67.

5. Girod B. The information theoretical significance of spatial and temporal masking in video signals // Proc. of the SPIE Symposium on Electronic Imaging. 1989. Vol. 1077. P. 178-187.

6. Watson A. The cortex transform: rapid computation of simulated neural images // Computer Vision, Graphics, and Image Processing. 1987. Vol. 39. № 3. P. 311-327.

7. Конахович Г. Ф., Пузыренко А. Ю. Компьютерная стеганография. Теория и практика. — К.: «МК-Пресс», 2006. — 288 с.

8. Раик Г.А., Садов В.С. Исследование информативности коэффициентов дискретного косинусного преобразования изображений. «Электроника-Инфо» – 2007 – №№4-5, С. 54-61, 52 – 58.