영상의 통계적 특성과 딥러닝을 활용한 스테가노그래피 판별 복원 기법

Abstract

스테가노그래피란 디지털 매체에 비밀 정보를 숨기는 기술로서, 비밀 정보가 숨겨져 있다는 사실 자체를 외부에서는 전혀 눈치 채지 못하도록 원래의 신호가 거의 변형되지 않게 정보를 은닉하는 방법을 말한다. 예를 들면, 비밀 정보를 숨기고자 하는 영상을 커버 영상이라 하는데, 정보의 은닉 전후로 커버 영상의 변화를 육안으로는 거의 구분할 수 없기 때문에 기존의 정보 암호화 방법보다 간단한 기술을 사용하면서도 더욱 효과적인 정보 보호 효과를 보여준다. 본 논문에서는 커버 영상에 영상 정보를 숨기는 영상 스테가노그래피에 초점을 두고 있으며, 임의의 영상에서 정보 영상이 숨겨져 있는지를 자동으로 판별하고, 숨겨진 정보 영상을 동시에 복원하는 스테가노그래피 판별 및 복원 방법을 제안한다.

본 논문에서 제안하는 영상 스테가노그래피 판별 방법은 크게 두 단계로 나눠볼 수 있다. 첫 번째는 영상 픽셀의 하위 2 비트 간에 상관 계수와 영상의 블록 단위 국소 분산을 이용하는 방법이고, 두 번째는 딥러닝의 ResNet 네트워크와 영상의 블록 엔트로피 특성을 결합하는 방법이다. 첫 번째 단계에서는 우선 이웃하는 픽셀들의 하위 2비트 값을 이용하여 상관계수를 구한다. 보통의 영상 신호는 이웃하는 픽셀들은 서로 값이 비슷하여 상관성이 높은 경향을 보이는데, 영상 스테가노그래피를 적용한 영상의 경우 이웃하는 픽셀들의 하위 비트에 정보 영상의 상위, 하위 비트가 각각 나누어져 숨겨져 있기 때문에 상관성이 작아진다. 또한 하위 비트간의 상관성은 영상의 국소 블록 내에서 분산이 클수록 작아지기도 하므로, 본 논문에서는 국소 분산과 하위 비트 간의 관계를 SVM으로 학습하여 판별하는 기법을 제안한다. 두 번째 단계에서는 임의의 스테가노그래피 부호화 방법으로 숨겨진 영상을 복원해 보고, 복원된 결과가 정상적인 영상 정보인지를 자동으로 판별함으로써, 정보 영상의 복원까지 동시에 수행한다. 이 단계에서는 정상적인 영상과 잘못 복원되어 얻어진 비정상적 영상에서 각각 영상 패치를 수집하여 ResNet으로 학습하였다. 그리고 정상 패치와 비정상 패치의 엔트로피 특성을 SVM으로 분석하여 판별하는 방법을 ResNet 판별기 다음에 순차적으로 적용한다. 이러한 두 단계의 판별을 통하여 영상 스테가노그래피 판별 및 정보 영상이 복원을 동시에 진행한다.

본 논문에서 제안하는 두 단계의 판별 기법을 검증하기 위하여 수 천장의 다양한 영상을 수집하여 학습을 진행하고 실험을 진행하였다. 실험 결과, 상관계수를 이용하는 방법과 딥러닝과 엔트로피를 결합한 방법 모두 95%이상으로 영상 스테가노그래피 기법이 적용된 영상을 잘 판별하는 것을 확인하였다. 특히, 학습 과정에서 정상 영상을 스테가노그래피로 잘못 판정하더라도 정보 영상이 숨겨진 커버 영상을 더욱 확실하게 판별하도록 설계하여, 99% 이상의 정확도로 영상 스테가노그래피를 판별하도록 하였다. 또한 본 논문에서 제안하는 방법은 무수히 많은 스테가노그래피 부호화 방법을 라이브러리로 구축하였을 경우, 자동으로 판별 및 정보 복원을 수행한다는 점에서 기존의 판별 기법과는 다른 개념의 접근이라는 점에서 의미가 크며, 실제 정보 보안 및 분석 분야에서 더욱 활용성이 높을 것으로 기대된다.