Steganalysis Using Wavelet Transform

Abstract

Techniques and applications forinformation hiding have becomeincreasingly more sophisticated andwidespread. With high-resolution digitalimages as carriers, detecting the presenceof hidden messages has also becomeconsiderably more difficult. It is sometimespossible, nevertheless, to detect (but notnecessarily decipher) the presence ofembedded messages. The basic approachtaken here works by finding predictablehigher-order statistics of "natural" imageswithin a multi-scale decomposition, andthen showing that embedded messagesalter these statistics.The decomposition of images usingbasis functions that are localized in spatialposition, orientation, and scale (such aswavelets) has proven extremely useful in arange of applications. One reason for this isthat such decompositions exhibit statisticalregularities that can be exploited.The proposed algorithm consist ofthree stages: Image feature extraction (IFE)stage, training stage, and testing stage. InIFE the image decomposes to four levelwavelet. Set of statistics (mean, skewness,and kurtosis for each subband) is collectedfrom this decomposition. Thesecond set of statistics collected isbased on the errors in an optimal linearpredictor of coefficient magnitude. In thispredictor, the subband coefficients arecorrelated to their spatial, orientation andscale neighbors.The steganalysis technique was testedon samples of images processed with mostcommercial steganographic softwareproducts.التقنيات والتطبيقات لإخفاء المعلومات أصبحا جداً متطورةَ وواسعةا الانتشار. وباستعمال الصور الرقميةِ ذات درجة الوضوح العاليةِ كناقل، معرفة وجود معلومات مخفيةِ أصبحَ أكثر صعوبة إلى حدً كبير أيضاً. على الرغم من هذا فمن المحتملُ أحياناً معرفة (ليس بلضرورة أن تفك شفرة المعلومات) وجود معلومات مخفية. الفكرة الرئيسية في هذه الخوارزمية هو إيجاد إحصائياتِ الطلب الأعلى المتوقعةِ من الصور "الطبيعيةِ" ضمن تحليل متعدد المقياس، وبعد ذلك تبيين أن المعلومات المخفية في الصور الطبيعية تغير هذه الإحصائيات. إن تحليل الصور التي تَستعملُ دوال اساسية محلية في الموقع المكاني والتوجيه والمقياس (مثال على ذلك: تحليل المويجه) أثبتَ انها مفيدَ جداً في عدة تطبيقاتِ. أحد الأسباب لهذا بأن مثل هذا التحليل يبدي انتظام إحصائي الذي يُيمكنُ أن يُستَغلَّ. إنّ الخوارزمية المُقترَحة تَتضمنُ ثلاث مراحل: مرحلة استخلاص ميزات الصورة (IFE)، مرحلة التدريب، ومرحلة الاختبار. في مرحلة استخلاص ميزات الصورةُ إلى المستوى الرابع باستخدام تحليل المويجة. مجموعة الإحصائيات (mean، skewness، وkurtosis لكلَ subband) جمعت من هذا التحليل. إنَ المجموعة الثانية للإحصائيات تستند على الأخطاء في المتوقع الخطيَ المثالي لمقدار المعامل في هذا التحليل. في هذا المتوقع فأن المعاملات تَربط مع جيرانهم في المكان والتوجيه والمقياسَ. تقنية الكشف المقترحة اختبرت على عينات الصور عولجت بأكثر طرق الإخفاء التجارية