1. MAESTRÍA EN SEGURIDAD TELEMÁTICA
TEMA DE TESIS:
NUEVO ALGORITMO CRIPTOGRÁFICO CON LA INCORPORACIÓN DE LA
ESTEGANOGRAFÍA EN IMÁGENES
NOMBRE DEL ESTUDIANTE:
PABLO MARTÍ MÉNDEZ NARANJO
RESUMEN DE PAPER
Autor (es): Jun Zhang and Dan Zhang
Título del paper: Detection of LSB Matching Steganography in Decompressed Images
Nombre del Journal: Signal Processing Letters, IEEE
Issue: 2
Volumen: Vol 17
Pag – pag: 141-144
Año: 2009
Base de Datos: IEEE
1. ESTADO DEL ARTE QUE HACE EL AUTOR (media página)
La investigación científica “Detection of LSB Matching Steganography in Decompressed Images”,
trata acerca de al momento no existen detectores de LSB confiables y es difícil predecir cual tipo
de imagen es adecuado para un estegoanalizador específico. Por el tipo de descompresión de las
imágenes, se presenta un estegoanalizador eficiente que utiliza los factores de los residuos de ruido
en el dominio DCT que son concentrados en cero y son muy sensibles al comparar el LSB. Los
resultados son casi perfectos con un rango de embebido de 0.5 bpp y una precisión del 90.9% en
0.1 bpp contra el estegoanalizador Wavelet Absolute Moments (WAM), cuya precisión es de
44.6%.
Los autores, hacen referencia a estudios relacionados realizados en otras investigaciones acerca del
tema y aspectos relacionados al mismo que apoyan su investigación. Entre las principales
referencias se podría mencionar los artículos:
I. J. Cox, T. Kalker, G. Pakura, and M. Scheel, “Information trans- mission and
steganography,” en el que menciona que la esteganografía busca proveer un canal de
comunicación encubierta entre dos partes.
J. Harmsen and W. Pearlman, “Steganalysis of additive noise mode- lable information
hiding”, menciona que para imágenes añadir ruido en dominios espaciales correponden a
un filtro bajo en los histogramas de intensidad/color.
A. D. Ker, “Steganalysis of LSB matching in grayscale images”, propone dos formas de
aplicar la función de características del histograma (HCF).
J. Zhang, I. J. Cox, and G. Doerr, “Steganalysis for LSB matching in images with high-
frequency noise”, enfocan la atención en el extremo del histograma.
2. T. Holotyak, J. Fridrich, and S. Voloshynovskiy, “Blind statistical steganalysis of additive
steganography using wavelet higher order statis- tics”, describen un estegoanálisis para
comparar LSB basada en clasificar estadísticamente las características derivadas de una
estimación de la señal esteganográfica.
M. Goljan, J. Fridrich, and T. Holotyak, “New blind steganalysis and its implications”,
presenta una version mejorada usando momentos absolutos de ruido el cual es llamado
Wavelet Absolute Moments (WAM).
G. Cancelli, G. Doerr, I. Cox, and M. Barni, “A omparative study of 1 steganalyzers”,
analiza 3 estegoanalizadores en 3 imágenes, encontrando variaciones en el rendimiento
absoluto y relativo.
A. D. Ker and I. Lubenko, “Feature reduction and payload location with WAM
steganalysis”, demuestran que uno de los mejores estegoanalizadores es WAM ya que
posee un gran poder de detección de imágenes de diferentes recursos.
J. Fridrich, M. Goljan, and R. Du, “Steganalysis based on JPEG compatability”, presenta
un método de estegoanálisis basado en compatibilidad JPEG.
2. DESCRIPCIÓN DEL PROBLEMA Y OBJETIVOS (HIPÓTESIS DE SER EL
CASO) ABORDADOS EN EL ARTÍCULO media página
La esteganografía busca proporcionar un canal cubierto entre dos partes, los tipos de algoritmos
esteganográficos embeben el mensaje secreto en archivos multimedia como imágenes, video,
audio, texto con la meta de que no sea detectable entre el original y el que tiene el mensaje oculto.
Por otro lado, la detección de trabajos esteganográficos es el trabajo del estegoanálisis, existen dos
clases de estegoanálisis:
Algoritmos ocultos: intentan descifrar el mensaje utilizando un rango de los algoritmos
esteganográficos utilizados, incluyendo algoritmos anteriores.
Algoritmos dirigidos: intentan descifrar el mensaje con algoritmos específicos.
En la investigación se describe un algoritmo de estegoanálisis de tipo oculto para la detección de
coincidencias LSB, el cual oculta la información secreta utilizando un incremento al azar o
decrementando el correspondiente pixel de la imagen cubierta cuando el bit de la información
secreta no coincide con el pixel LSB, de otra manera manteniendo el pixel sin cambios.
3. PROCESO SEGUIDO POR EL AUTOR PARA REALIZAR LA INVESTIGACIÓN
media página
A. Residuos de ruido en dominio DCT de descompresión de imágenes
Se descomprimen las imágenes y se analizan los residuos de ruido en dominio DCT de
descompresión de imágenes
Durante la compresión JPEG, la imagen es dividida en bloques de 8x8 pixeles. Cada
bloque se transforma usando DCT. Cuando los coeficientes DCT son divididos por
procesos de cuantización y redondeados a enteros. Finalmente se aplica una codificación a
los coeficientes cuantizados y la imagen es comprimida.
Para la descompresión se realiza el proceso inverso, luego de leer los bloques cuantizados
DCT del archivo de imagen JPEG, los coeficientes de cada bloque es multiplicado por
pasos de cuantización y luego se aplica IDCT. Posterior a esto los valores se redondean los
3. valores a enteros y se truncan a un rango dinámico finito, usualmente de 0 a 255supr y la
imagen es descomprimida.
B. Algoritmo de estegoanálisis
Se construyó vector 10-D usando el mayor orden absoluto de residuos de ruido. El
algoritmo del detector de la propuesta que está formado por las colecciones de los
momentos centrales absolutos.
Cuando uno de los clasificadores discriminadores lineales Fisher (FLD) ingresa a la
cubierta de clasificación y ocultación de imágenes, el espacio es protegido en 1-D, cuando
varias reglas de decisión pueden ser aplicadas para determinar la clasificación de los
umbrales.
De acuerdo al algoritmo, el esquema supera la dificultad computacional del método de
Fridich, sin embargo tiene algunas limitaciones en la práctica ya que solo funcional cuando
la esteganografía conoce que las pruebas en imágenes fueron descomprimidas en JPEG y
no son sujetas a otro tipo de descompresión. Además, puede ser exacta cuando conoce el
desccompresor de JPEG.
4. MÉTRICAS, INDICADORES O PARÁMETROS QUE EL AUTOR USA Y
RESULTADO QUE OBTIENE. Una página o dos páginas
Los autores utilizan los indicadores de curvas ROC (Receiver Operating Characteristic) para
evaluar el rendimiento de la esteganografía, este indicador puede mostrar falsos positivos y
verdaderos positivos en umbrales de detección ajustables, además se pueden obtener la precisión de
la esteganografía entre la curva ROC y la diagonal normalizada.
La galería de fotos NRCS (photogalery.nrcs.usda.gov) es usada como la imagen de recurso para
nuestro experimento con imágenes de colores de 256x256 pixeles y convirtiéndolas a escala de
grises.
Se compara el método con el AD-HCF y el WAM para la descompresión de imágenes, primero
comprimiendo todas las imágenes JPEG con un factor de calidad de 80, luego aplicando el
algoritmo esteganográfico LSB para obtener la imagen embebida. El entrenamiento incluyo 1000
pares de imágenes y la prueba 1375 pares de imágenes.
Los resultados obtenidos con un rango de 0,5 se muestran a continuación:
4. Los resultados obtenidos con un rango de 0,1 se muestran a continuación:
La precisión del método propuesto tiene una precisión de 90,9%, la de WAM del 44,6% y AD-
HCF del 4,2%.
Luego se investigó la precisión del estegoanalizador combinando diferentes recursos de imágenes
que habían sido previamente comprimidas con factores de calidad de 90, 70 y 50. Aplicando LSB
con un rango de 0,1 se obtuvieron las correspondientes imágenes esteganográficas.
Se realizaron pruebas que incluyeron 3000 y 4125 pares de imágenes, cuyos resultados se muestran
a continuación:
La precisión del método planteado fue del 91,6%, de WAM 29,1% y de AD-HCF del 5,8%.
Comparando con la prueba realizada anteriormente el rendimiento del método no fue afectado.
La precisión de LSB es altamente sensible a los conjuntos de datos de los diferentes recursos, los
cuales son difíciles de predecir el tipo de imagen que es adecuado para un estegoanalizador
específico. Por lo que el estudio realizado con su modelo propuesto es una buena solución para el
tipo de imágenes comprimidas.
El rendimiento del método propuesto es superior a WAM y AD-HCF.
5. 5. OBSERVACIONES Y/O CRÍTICAS SUYAS AL ARTÍCULO (media página)
Lo positivo:
Este artículo científico me permite observar el proceso para realizar la investigación de mi
tema de tesis, ya que abarca los temas generales del mismo.
Permite comprender de mejor manera la aplicación de la teoría relacionada a la criptografía y
esteganografía.
Puedo utilizar la referencias del estado del arte que hace el autor ya que tiene estrecha relación
al mi tema planteado.
Al tomar como base este tipo de artículos científicos de calidad me permite orientar de mejor
manera el tema de tesis, en función de las investigaciones previas realizadas y los resultados
obtenidos.
Permite valorar el aporte que hacen los autores al mejorar el conocimiento que existe en el
mundo con fines de calidad.
El artículo científico incluye el aporte de los autores para posibles investigaciones futuras, lo
que podría ser utilizado como referente.
Lo negativo:
La investigación planteada en este artículo científico tiene un alto nivel matemático y de
conocimiento multimedia en la definición de los algoritmos utilizados para criptografía y
esteganografía, lo cual es complejo de entender sin una mayor preparación en el área.