Cтеганоанализ изображений, модифицированных алгоритмом Bit Plane Complexity Segmentation
Ключевые слова:
стеганоанализ, вектор признаков, BPCS-стеганография, предотвращение утечки данных, стеганографический канал, машинное обучение, машина опорных векторовАннотация
Введение: стеганографический алгоритм Bit Plane Complexity Segmentation (BPCS) позволяет осуществить вложение до 50 % от размера контейнера. Вследствие этого программное обеспечение на основе BPCS может быть выбрано внутренним нарушителем для передачи информации из закрытой корпоративной или ведомственной компьютерной сети. При этом современные системы предотвращения утечки данных не имеют функционала, связанного с обнаружением цифровой стеганографии, в том числе по причине отсутствия соответствующего методического, алгоритмического и программного обеспечения. Цель: адаптировать для анализа BPCS существующие стеганоаналитические алгоритмы, сформировать векторы признаков. Экспериментально проверить эффективность векторов признаков и получить их парето-оптимальные комбинации. Результаты: выполнен трасологический анализ алгоритма BPCS, разработан вектор признаков на основе гистограмм сложности битовых плоскостей, его эффективность подтверждена численным экспериментом с использованием регрессионной модели машинного обучения в среде MatLab. Для обеспечения воспроизводимости эксперимента датасеты и программный код представлены в Kaggle. На основе экспериментальных данных рассчитаны базовые метрики результативности машинного обучения комбинаций векторов признаков для BPCS-стеганоанализа. Получены оптимальные по Парето комбинации векторов признаков. Практическая значимость: показана зависимость ошибки регрессии для комбинаций векторов признаков различной размерности для BPCS-стеганоанализа. С помощью полученных оценок аналитик может варьировать достоверность/размерность векторов признаков в зависимости от доступных вычислительных мощностей и размера обучающего множества.
