1. JUBSAC (Java Universal Blind StegAnalyzer Creator)
PROYECTO FIN DE CARRERA Autor:
Escuela Politécnica Superior Javier García-Cuerva Velasco
Ingeniería en Informática
Tutor:
Jorge Blasco Alís

2.  Introducción
 Conceptos básicos
 Objetivos
 Estado del arte
 JUBSAC
 Marco único
 Componentes
 Vídeos
 Experimentación
 Conclusiones y líneas futuras
2

3.  Introducción
 Conceptos básicos
 Objetivos
 Estado del arte
 JUBSAC
 Marco único
 Componentes
 Vídeos
 Experimentación
 Conclusiones y líneas futuras
3

4.  Esteganografía: Disciplina que estudia técnicas que
permiten ocultar o camuflar datos dentro de otros,
llamados portadores, de modo que no se perciba su
existencia. Portadores: imágenes, audio, video, etc.
 Estegoanálisis: Técnicas que se usan para detectar
mensajes ocultos por la esteganografía
4

5. 5

6.  Estegoanálisis: detectar información oculta en imágenes
 Desarrollar un marco único general desde el estado del arte
 Implementarlo en una herramienta:
 Capaz de crear estegoanalizadores (detección) de imágenes
 De forma automática
 Usando la Inteligencia Artificial
 Permitiendo la experimentación
1. CREAR ESTEGOANALIZADORES 2. ANALIZADOR DE
DE FORMA AUTOMÁTICA IMÁGENES
(EXPERIMENTACIÓN)
6

7.  Inteligencia Artificial en el estegoanálisis:
 Aproximaciones:
 Pares de imágenes
Image Quality Metrics
ESTEGO
IA ANALIZADOR
Agrupación (clustering)
 Sólo imagen sospechosa
Medidas Estadísticas
IA ESTEGO
ANALIZADOR
Agrupación y Clasificación
JUBSAC: Implementación 2ª aproximación 7

8.  Problemas:
 Procesos ad hoc
 Procesos no reproducibles
 Procesos no automáticos
 Procesos demasiado complejos
 Entornos ideales (pares de imágenes)
 Poca capacidad de generalización
 Resultados insuficientes
8

9.  Introducción
 Conceptos básicos
 Objetivos
 Estado del arte
 JUBSAC
 Marco único
 Componentes
 Vídeos
 Experimentación
 Conclusiones y líneas futuras
9

10.  Implementación de un marco único:
MARCO
Obtención de Imágenes
Implementación
Herramientas Esteganográficas
Extracción de medidas
Creación de Instancias
 2 Funcionalidades:
Entrenamiento IA 1. Creación de analiz. steg. Imag.
Test IA 2. Analizar Imágenes
 Windows
 Java
 GUI
10

11. 1: Creación de Estegoanalizadores
Generación Herramientas Extracción de Entrenamiento y
de Conjuntos Esteganográficas Medidas Test
2: Estegoanálisis de Imágenes
Estegoanalizador de
Imágenes
11

12. 12

13. Generación Herramientas Extracción de Entrenamiento y
de Conjuntos Esteganográficas Medidas Test
13

14. Disco Duro Seleccionar
Imágenes Imágenes
del Disco
Duro deshacer
XML
filtrado recursiva Añadir
Guardar el
Imágenes al
Nuevo
Nuevo
Conjunto
Conjunto
FORMATOS IMÁGENES: BMP, JPG o JPEG, GIF Y PNG
14

15. Configuración Ejecución
XML Herramientas (Parelelizable) XML Imág.
BMP, JPG, GIF, PNG
PNG
OpenStego
BMP
BMP
Hide4PGP
GIF
GIF
GifShuffle
BMP, GIF, JPG
JPG
F5
BMP, JPG
BMP, JPG
Steghide
BMP
BMP
Blindside
BMP, JPG, GIF, PNG
PNG
Vecna
15

16. Selección de
Medidas
XML 98 Medidas de la
Fichero
Aleatoriedad Marcado del Instancias
Conjunto Extracción (ARFF)
como de
70 Medidas contenedor
Estadísticas Medidas
de
Información
Oculta o No.
23 Medidas
XML
Estegoanalíticas
5 Medidas de
Características
de la Imagen
WEKA: Waikato Environment for Knowledge Analysis 16

17. Disco Duro Seleccionar
Ficheros Ficheros
ARFF del Instancias
Disco Duro (ARFF)
Normalizar
Aleatorizar XML
Selección de Guardar el
Atributos Nuevo
Experimento
Selección de
Clasificadores
% División
Validación Cruzada
17

18. XML
Ejecución Resultados
Experimento
(Train)
Modelos
Paralelizable
18

19. Modelos
Seleccionar Ejecución Resultados
Fichero Modelo
Modelo y (Test)
ARFF Predicciones
Fichero Normalizar
Instancias
(ARFF)
19

20. Estegoanalizador de
Imágenes
20

21. MEJOR RESULTADO
EXPERIMENTACIÓN
Disco Duro Imágenes Ejecución Listado
Buscar
Estegoanalizador Imágenes
Imágenes
Sospechosas
del Disco
Duro
recursiva
21

22.  Introducción
 Conceptos básicos
 Objetivos
 Estado del arte
 JUBSAC
 Marco único
 Componentes
 Vídeos
 Experimentación
 Conclusiones y líneas futuras
22

23. ANALIZADOR DE IMÁGENES
 2000 Imágenes JPG (sin información oculta): 70% Train y 30% Test
 Ocultación con Vecna
 Extracción de medidas
 Aleatorias
 Estadísticas
 Estegoanalíticas
 Todas
 Entrenamiento del 70%:
 12 Clasificadores
 Evaluación del 30%
23

24. Medidas Aleatorias
INSTANCIAS INSTANCIAS ERROR
TIEMPO MEDIA FALSOS
CLASIFICADOR % ACIERTOS CORRECTAMENTE INCORRECTAMENTE ABSOLUTO
EJECUCIÓN POSITIVOS
CLASIFICADAS CLASIFICADAS MEDIO
NaiveBayes 2s 100% 1200 0 0 0
Logistic 2s 100% 1200 0 0 0
MultilayerPerceptron 3s 100% 1200 0 0.0004 0
RBFNetwork 2s 100% 1200 0 0 0
SMO 2s 100% 1200 0 0 0
VotedPerceptron 2s 100% 1200 0 0 0
IB1 30s 100% 1200 0 0 0
IBk 17s 100% 1200 0 0.0005 0
KStar 19m,52s 100% 1200 0 0 0
LWL 6m,56s 99.9167% 1199 1 0.0008 0.001
J48 2s 100% 1200 0 0 0
REPTree 2s 100% 1200 0 0 0
100% de aciertos, para Vecna 24

25.  Introducción
 Conceptos básicos
 Objetivos
 Estado del arte
 JUBSAC
 Marco único
 Componentes
 Vídeos
 Experimentación
 Conclusiones y líneas futuras
25

26.  Marco único
 Investigación
 Crear nuevos estegoanalizadores
 Medir robustez herram. esteganográficas
 Analizar imágenes
 Vecna atacado con éxito por 1ª vez
 Interfaz amigable
 Ampliable
26

27.  Traducción al inglés
 Experimentos mayores (≈40000 imágenes )
 Publicación (licencia)
 Nuevas medidas
 Nuevas herram. esteganográficas
 Nuevos clasificadores
 Nuevos formatos
 Nuevos sistemas operativos
 Paralelización de todas las tareas
27

28. 28

29. 29