تحلیل پنهان نگاری در فرمت های رایج تصویری

با توجه به کاربرد روز افزون پنهان نگاری، شناسایی روش های حمله به رسانه های مشکوک برای تشخیص تصاویر پنهان نگار و تفکیک آنها از تصاویر طبیعی تحلیل پنهان نگاری، به امری اجتناب ناپذیر تبدیل شده است. روش های مختلف تحلیل بر اساس سنجش مشخصات آماری گوناگون تصویر سعی دارند تفاوت بین تصاویر طبیعی و پنهان نگار را بازنمایی و کمی کنند. سپس بر اساس این تفاوت ها و معمولاً به کمک روش های هوشمند و تعلیم سیستم های طبقه بندی کننده مناسب مدلی برای تفکیک تصاویر پنهان نگار از تصاویر طبیعی به دست می آورند. در این تحقیق، سیستم نسبتاً جامعی برای تحلیل پنهان نگاری معرفی خواهد شد که برای 9 فرمت تصویری BMP ، JPG ، TIF ، GIF ، PGM ، PNG ، MNG ، SWF و JPEG2000 با در نظر گرفتن انواع روش های پنهان نگاری قابل اعمال به هر یک، روش های تحلیل بهینه ای را اعمال می نماید. اجزاء تصمیم گیرنده سیستم عبارتند از تعدادی طبقه بندی کننده SVM که برای هر فرمت تصویری روی تعداد مشخصی از ویژگی های آماری تعلیم دیده اند. وقتی یک تصویر مجهول وارد این سیستم تحلیل گر می شود، تصمیم گیری راجع به آن در ساختاری سلسله مراتبی بر اساس رأی این طبقه بندی کننده ها انجام می گیرد. تعلیم و آزمایش ها روی پایگاه داده ای با بیش از 640000 تصویر انجام شده و دقت تشخیص صحیح، به طور متوسط برای روش های پنهان نگاری و نرخ های جاسازی مختلف، بیش از 85 % و خطای تشخیص غیرصحیح کمتر از 10 % به دست آمده است. این مقادیر در مقایسه با روش های رقیب، کاملاً قابل توجه بوده و در عین حال سیستم پیشنهادی به لحاظ قابلیت تعمیم دهی، از روش های سایر محققین برتر است.

کلیدواژه ها:

تحلیل کور ، تشخیص پیامهای مخفی ، حمله آماری ، اطلاعات پنهان ، پنهان نگاری