SPAM 기반 영상 스테그아날리시스의 범용성에 대한 실험적 검증

Abstract

많은 스테가노그래피 알고리즘들이 연구되어왔고 스테가노그래피의 연구로 인해서 스테가노그래피 알고리즘이 적용된 스테고 영상을 검출하기 위한 스테그아날리시스 또한 연구되어왔다. 특히 영상 스테그아날리시스의 경우에 ALE, SPAM, SRMQ와 같은 통계적인 특성에 기반한 수제 특징이 영상으로부터 추출되고 이 특징을 기계학습 알고리즘을 사용하여 스테고 영상의 분류에 사용하였다. 하지만 이러한 연구들은 단지 단일 영상의 크기, 비밀 정보 삽입 비율에 대해서만 고려하였으며 다양한 영상의 크기, 가로세로 비, 비밀 정보의 비율들에 대해서는 고려하지 않았다. 결과적으로 SPAM 특징이 다양한 조건하에서도 범용성있게 사용가능한지에 대한 검증은 이루어지지 않았다. 본 논문에서는 SPAM 기반의 영상 스테그아날리시스를 사용하여 영상의 크기, 가로 세로 비 비밀 정보 삽입 비율의 다양한 조건에 대한 분류율을 분석하여 SPAM 특징이 일관적인 분류 결과를 보여줄 수 있는지 확인해본다. Many steganography algorithms have been studied, and steganalysis for detecting stego images which steganography is applied to has also been studied in parallel. Especially, in the case of the image steganalysis, the features such as ALE, SPAM, and SRMQ are extracted from the statistical characteristics of the image, and stego images are classified by learning the classifier using various machine learning algorithms. However, these studies did not consider the effect of image size, aspect ratio, or message-embedding rate, and thus the features might not function normally for images with conditions different from those used in the their studies. In this paper, we analyze the classification rate of the SPAM-based image stegnalysis against variety image sizes aspect ratios and message-embedding rates and verify its versatility.