C(H[k]) =

و نشان داد شده که براي يک تابع مشخصهي نويز F?[k](در رابطهي 8) غيرصعودي، مقدار مرکز جرم تابع مشخصهي بافتنگار تصوير پاک نسبت به مقدار آن براي تصوير نهاننگاري شده بزرگتر خواهد بود، يعني:
C(Hc[k]) ? C(Hs[k])
بنابر اين يک مشخصه مناسب براي تشخيـص تصاوير نهاننگاري شده از تصاويـر پاک بدسـت ميآيد که همـان مرکز جرم تـابع مشخصهي بافتنگار ياHCF CoM است. اکنون بايد ديد کدام سيستمهاي نهاننگاري قابل مدل شدن به صورت نويز جمعي هستند و تابع مشخصهي نويز آنها تابعي غيرصعودي است. در [37] نشان داده شده است که روش نهاننگاري جايگزيني بيت با کمترين ارزش، روش حوزهي تبديل DCT ارائه شده توسطAlturki و نيز روش نهاننگاري طيف گسترده بر روي تصاوير يا SSIS، قابل مدل شدن به صورت نويز جمعي بر سيگنال تصوير هستند و تابع مشخصهي نويز آنها نيز تابعي غير صعودي است. به اين ترتيب بررسي روش تحليل بر روي سه سيستم نهاننگاري ذکر شده صورت گرفته و نتايج جدول(3-1) حاصل شده است:

تصوير پاک
روش نهاننگاري طيف گسترده
روش حوزهي DCT
روش جايگزيني بيت با کمترين ارزش
تعداد آزمايش
20000
20000
20000
20000
تعداد تشخيص
1024
626
1635
0
درصد نتايج
94.88%
96.87%
91.83%
100%
جدول(3-1): نتايج روش Harmsen
5-3- مقايسه روشهاي تحليل
در بخش 4-3- روشهاي شناخته شده تحليل نهاننگاري معرفي و بررسي شدند. همانطور که ملاحظه شد، در اغلب اين روشها از مشخصات آماري سيگنال مشکوک در اختيار، براي پي بردن به حضور پيام مخفي شده در آن استفاده ميشود. در جدول(3-2) خلاصهاي از معرفيهاي صورت گرفته در بخش 4-3 ارائه شده است که امکان مقايسهي بين اين روشهاي تحليل را مهيا ميکند. بيشتر اين روشها براي تحليل يک الگوريتم نهاننگاري خاص و در بعضي موارد براي تحليل يک دسته از الگـوريتمها قابل استفادهاند.

رديف
روش تحليل
سال ارائه
ارائه دهنده
مرتبه فراگيري
مولفههاي آماري و خواص سيگنال مورد استفاده
1
جفت مقدارها
1999
Westfeld & Pfitzmann
براي تحليل روش جايگذاري بيت با کمترين ارزش در حوزه مکان يا حوزه تبديل(دنبالهي مرتب)
آمارهي مرتبه اول(بافتنگار تصوير)
2
Chi-Square
2000
Westfeld & Pfitzmann
براي تحليل روش جايگذاري بيت با کمترين ارزش در حوزه تبديل(دنبالهي مرتب)
آمارهي مرتبه اول(بافتنگار تصوير)
3
RQP
2000
Fridrich et al.
براي تحليل روش نهاننگاري جايگزيني بيت با کمترين ارزش در تصاوير رنگي در حوزه مکان
فراواني رنگهاي تنها در تصوير
4
Extended Chi-Square
2001
Provos
براي تحليـل روش نهاننگـاري جايگـذاري در بيتهاي با کمترين ارزش که بايتها به صورت تصادفي انتخاب شدهاند
آمارهي مرتبه اول(بافتنگار تصوير)
5
RS
2001
Fridrich et al.
براي تحليل روش نهاننگاري جايگزيني بيت با کمترين ارزش درهر حوزهاي
آمارههاي مرتبه بالا با درنظرگرفتن مکان پيکسل در ماتريس تصوير
6
Provos
2001
Provos & Honeyman
قابليت تحليل نرمافزارهاي نهاننگاري Invisible ،JPHide ، J-Steg،F5 ،OutGuess ، Secrets و Camouflage
آزمون همانندي
7
Dumitrescu 2002
2002
Dumitrescu et al.
براي تحليل روش نهاننگاري جايگزيني بيت با کمترين ارزش در حوزه مکان و مستقل از نوع سيگنال
فراواني گروههاي خاصي از زوج پيکسلها
8
Blockiness
2002
Fridrich et al.
براي تحليل الگوريتم OutGuess
ناپيوستگي موجود در مرزهاي قطعههاي 8×8 پيکسلي تصوير
9
Avcibas
2003
Avcibas et al.
روش تحليل فراگير براي سيگنال تصوير
استفاده ازمقياسهاي کيفيت تصوير
10
Harmsen
2003
Harmsen
براي تحليل روشهاي نهاننگاري با قابليت مدلسازي به صورت نويز جمعي (LSB،SSIS ، DCTو…)
استفاده از بافتنگار تصوير و اثر نويز جمعي بر نهاننگـاري بافتنگار
جدول(3-2): مقايسه روشهاي تحليل در يک نگاه
6-3- راههاي مقابله با روشهاي تحليل
همانگونه که در زيربخش 3-1-3-2-2 بيان شد، چنانچه در نهاننگاري خواص آماري سيگنال پوشش را که تحليلگر براي تحليل به کار ميبرد حفظ کنيم، تحليلگر توانايي تشخيص تصاوير نهاننگاري شده از تصاوير پاک را نخواهد داشت. براي برخي از آمارهها نظير واريانس، حفظ دقيق آن در سيگنال ضرورت ندارد. کافي است که واريانس تصوير نهاننگاري شده کمتر از واريانس تصوير پوشش باشد. در اين بخش به بررسي چند روش مقابله با تحليلهاي آماري ميپردازيم.
روش اول روشي اسـت که در مجموعهي الـگوريتمهـاي پايبند الـگو قرار ميگـيرد. اين روش نهاننگاري توسط Sallee ارائه شده است[38]. اين روش ميکوشد تا خواص آماري يک تصوير را پيش از نهانسازي مدل کند و اين خواص را در هنگام قرار دادن اطلاعات در تصوير حفظ کند. در اين روش ضرايب DCTرا به دو بخش تقسيم ميکنند، سپس مولفههاي غيرقابل ملاحظه را با بيتهاي کدشدهي پيام سري جايگزين ميکنند. ابتدا آمارههاي کناري ضرايب فرکانس بالاي DCT(غير صفر) را با يک تابع چگالي پارامتر مدل ميکنند. با اين هدف، يک بافتنگار با دقت کـم براي هر کانـال فرکانسي به دست ميآورند، با تعيين پارامترهاي مدل، آن را به هر بافتنگار تطبيق ميدهند. Sallee مقدار آفست در هريک از فراوانيهاي بافتنگار را به عنوان يک سمبل مشخص نموده، احتمال اين سمبل را با توجه به فرکانس نسبي همهي سمبلها محاسبه ميکند.
در دل اين عمل نهانسازي، يک کدبردار محاسباتي غير وفقي قرار دارد که سيگنال پيام را به عنوان ورودي دريافت نموده، با توجه به احتمـالات سمبل اندازهگـيري شـده، عمـل کدبرداري را انجام ميدهد. پيام کد شده با تعيين آفستهاي جديد براي هر ضريب، نهانسازي ميشود. به عبارت ديگر، ضرايب در هريک از فراوانيهاي بافتنگار به گونهاي تغيير ميکند که بافتنگار و احتمالات سمبلها حفظ شوند. استخراج پيام نيز مشابه با نهانسازي آن است، يعني پارامترهاي مدل براي اندازهگيري احتمالات سمبلها و بازيابي پيام نهانسازي شده تعيين ميشوند. توجه کنيد که پارامترهاي مدل و احتمالات سمبلها در گيرنده و فرستنده يکساناند.
روش ديگري که بررسي ميشود، روش موسوم به PQ است که توسط Fridrich و همکارانش ارائه شده است[39]. در اين روش پيام در تصوير پوشش که دوباره فشردهسازي ميشود، قرار داده ميشود. يعني اگر تصوير پوشش يک تصوير JPEG باشد با ضريب کيفيت پايينتر دوباره فشرده ميشود، به طوري که فقط ضرايب DCT انتخاب شدهاي که ميتوانند به يک فراواني ديگر با خطاي کمتر از مقداري از پيش تعيين شده، کوانتيزه شوند، تغيير داده ميشوند. دشواري مسأله در تعيين ضرايبي است که بايد براي نهانسازي پيام استفاده شوند، به طوري که گيرنده نيز بتواند ضرايب حامل پيام را تعيين نمايد.

فصل چهارم تحليل آشكارپذيري روش نهاننگاري Mod4 در تصاوير Jpeg

1-4- مقدمه
مسئله آشكارپذيري از مسائل مهمي است كه در زمينههاي مختلفي از جمله: پنهاننگاري، واترماركينگ و رمزنگاري و . . . داراي كاربردهاي بسزايي ميباشد. همچنين اين موضوع يكي از بخشهاي اصلي در پنهان نگاري به شمار ميرود، كه در آن روش پنهان نگاري بايستي توسط روشهاي آشكارپذيري موجود قابل تشخيص نبوده و بتواند اطلاعات را مخفي نگه دارد.
محققان در حوزة تحليل آشكارپذيري، ‌بيشتر به سوي ارائه روشهاي همهجانبه و جامع آشكارپذيري روي آوردهاند. اين روشها نوعي مسـأله طبقهبندي محسـوب ميشوند كه در آنـها سعي ميشود بردار وي‍ژگي منـاسبي از تصويـر استخـراج شود كه به بهتـرين شكل ممكن قـادر باشد اثر پنهاننگاري(اعوجاج ايجاد شده) را مستقل از روش و الگوريتم پنهاننگاري بازنمايي كند. مهمترين وي‍ژگي اين روشهاي آشكارپذيري اين است كه براساس شناسايي مشخصات آماري تصاوير دو گروه طبيعي و پنهاننگار، قادر است تصاوير پنهاننگاري شده با روشهاي ناديده را نيز تا حدي تشخيص دهند و اين براي يك تحليلگر بسيار ارزشمند است. علّت اين امر آن است كه هر روش پنهاننگاري با توجّه به تغييري كه در تصوير اعمال ميكند، بردار وي‍ژگـي استخراج شده را به سوي ناحيهاي از فضاي ويژگي منحرف ميكند كه جداي از ناحية متناظر با تصاوير طبيعي است. بطور كلي ميتوان گفت ويژگي مناسب براي آشكارپذيري، ويژگي است كه دو شرط مهم را برآورده كند:
1- نسبت به پنهان نگاري حساس باشد.
2- نسبت به محتواي خود سيگنال حامل نسبتاً غير حساس باشد.
با توجّه به دو نكتة فوق، مشخص ميشود بهترين ويژگيهايي كه قادر هستند هر دو شرط فوق را در آشكارپذيري تصاوير برآورده كنند، ويژگيهايي است كه از تفاضل مشخّصات آماري خود تصوير پوششي با مشخصات آماري تصوير پنهاننگار حاصل شده باشد.
به طور كلي از آنجا كه انرژي سيگنال حامل(در اينجا تصوير پوششي) خيلي بزرگتر از سيگنال پنهاني(پيغام) است، تشخيص تغييرات جزئي ايجاد شده در تصوير پنهاننگار كار سادهاي نيست. تغييرات ناشي از پنهاننگاري نسبت به تفاضل تصوير پنهاننگار و تصوير پوششي حساستر است تا خود تصوير پوششي. بنابراين بسيار مطلوب خواهد بود اگر بتوانيم تصوير پوششي اصلي(حامل) را در دست داشت باشيم و سپس با محاسبه تفاوت بين آن و تصوير پنهاننگاري شده به ويژگي حساس مورد نظر خود دست يابيم.
امّا مسأله اصلي اين است كه تحليلگر به طور معمول به تصوير پوششي اوليه دسترسي ندارد. از اينرو دست به تخمين رسانه پوششي ميزند. يكي از مهمترين و مشهور ترين روشهاي تخمين تصوير پوششي JPEG، روشي است كه توسط فريدريش و همكاران وي[43,44,45,46] معرفي شده و در اصطلاح كاليبراسيون نام دارد. اين روش مشخصات آماري مرتبه اول تصوير پوششي را با دقت بسيار خوبي تخمين ميزند. توضيحات بيشتر راجع به كاليبراسيون در ادامه ارائه خواهد شد.
علاوه بر دو نكته كلي مطرح شده راجع به ويژگيهاي مناسب براي نهانكاوي، مسأله ديگر در تعريف و انتخاب ويژگي، بررسي اثر الگوريتمهاي مختلف پنهاننگاري روي تصوير است. شناسايي اين اثرات و سپس تلاش براي كمّي سازي آنها ميتوان منجر به تعريف ويژگيهاي مؤثر گردد.
در مورد تصاوير JPEG، پنهاننگاري عمدتاً در ضرايب DCT‌ كوانتيزه شده انجام ميشود. انواع ايدههاي پنهاننگاري در حوزة ضرايب DCT به نوعي، مقادير اين ضرايب را تحت تأثير قرار ميدهند. در برخي از موارد مانند روشهاي جايگذاري در LSB، الگوي اين تغييرات تقريباً قابل پيشبيني است و مبناي حملاتي مانند تست x2 قرار ميگيرد. اما در موارد ديگري كه روشهاي پنهاننگاري امنتري مورد استفاده قرار گرفته ميشود(مانند الگوريتمهاي تطبيق LSB و نيز F5)، پيشبيني اين تغييرات چندان كار سادهاي نيست و لازم است رويكـرد ديگري براي حمله به آن اتخـاذ گردد. همچنين خاطر نشـان ميسازيم كه پنهاننگاري در پيكسلهاي تصوير JPEG‌ بسيار نا امن است و در ظرفيتهاي بسيار پايين هم به راحتي قابل كشف است و به طـور معمول در اين حـوزه در تصاوير JPEG‌ پنهاننگاري انجـام نميشود. بااين حال روش پيشنهادي ما در اين تحقيق، قادر است اين موارد را به خوبي تشخيص دهد.
2-4- آماده سازي دادهها
1-2-4- داده‌ها و محدوديتهاي تصاوير
از آنجا كه عملكرد نرمافزار شبيهسازي و خوانـدن تصوير براساس تابـع jpeg_read.dll ميباشد و اين تابع محدوديتهاي در حجم و تا حدودي بر سايز تصـاوير دارد لذا روي قابليتهاي نرمافزار تاثير ميگذارد و يكي از محدويتهاي تصاوير حجم و سايز تصاوير مورد استفاده ميباشد.
2-2-4- اطلاعات تصاوير
اين نرمافزار طوري تهيه و شبيهسازي شده است كه هيچگونه به روشنايي، شلوغ و خلوت بودن تصوير بستگي ندارد و

دسته بندی : No category

دیدگاهتان را بنویسید