پنهان شناسی روش های تطبیقی در حوزه مکان
چکیده
در تعدادی از الگوریتم های پنهان نگاری موجود، ظرفیت جاسازی هر پیکسل از تصویر ثابت و مستقل از محتوای تصویر است. در این روش ها توزیع داده در تصویر معمولا به صورت تصادفی و بدون توجه به نوع ناحیه انتخاب شده انجام می شود. اما با توجه به ویژگی های سیستم بینایی انسان، نواحی لبه تصویر قابلیت تحمل تغییرات بیشتری را دارند و برای جاسازی داده مناسب تر هستند. از طرف دیگر، نمی توان در نواحی یکنواخت تصویر تغییرات زیادی ایجاد کرد و باید تا حدامکان از جاسازی داده در آنها اجتناب شود. روش هایی که براساس این ویژگی، داده موردنظر را در تصویر جاسازی می کنند، روش های تطبیقی نامیده می شوند. روش های تطبیقی بسیاری تا به حال معرفی شده است. اگرچه به ظاهر هر کدام از آنها الگوریتم های خاص متفاوتی برای جاسازی داده استفاده می کردند، اما ما قصد داریم ساختار یکسانی برای تمام آنها ارائه کنیم . مزیت اصلی تعریف این ساختار، امکان استفاده از آن برای طراحی یک روش تطبیقی جدید است. هدف اصلی در این رساله پنهان شناسی روش های تطبیقی است، به عبارت دیگر در هر دو حوزه پنهان نگاری و پنهان شکنی به بررسی روش های تطبیقی می پردازیم. بنابراین در گام اول به بررسی روش های تطبیقی موجود پرداخته شده است و ساختاری جامع برای آنها ارائه شده است. بعلاوه براساس این ساختار، پارامترهای موثر در امنیت روشهای تطبیقی شناسایی شده است و مدل کلی برای اندازه گیری سطح امنیت یک روش تطبیقی پیشنهاد می گردد. اکثر روش های تطبیقی موجود از روش lsb-f به عنوان روش جاسازی استفاده کرده اند. زیرا حداکثر تعداد بیت هایی از بستر انتخاب شده که با استفاده از این روش تغییر می کنند، از پیش مشخص است و بدین ترتیب طراحی یک روش تطبیقی ساده تر می باشد. اما با توجه به شکننده بودن روش lsb-f، روش های تطبیقی که از آن استفاده می کنند امنیت کمتری دارند. برای اثبات این ادعا یکی از روشهای تطبیقی مطرح که تا کنون حمله موفقی برای آن طراحی نشده است انتخاب گردید. گام دوم این رساله، کشف نقاط ضعف روش تطبیقی مذکور و پیشنهاد الگوریتمی برای شکست این روش است. علاوه بر کشف تصاویر استگو حاصل از این روش، قصد داریم درصد جاسازی انجام شده در هر تصویر را نیز تخمین بزنیم. روش های تطبیقی موجود نقاط ضعف دیگری نیز دارند. برای اطمینان از صحت فرضیات پنهان شناسی ارائه شده در این رساله با توجه به اشکالات روش های تطبیقی موجود، در ادامه روش تطبیقی جدیدی برمبنای lsb-m ارائه می شود که در آن این نقاط ضعف برطرف شده باشد. در این روش پیشنهادی مفهوم همسایگی به صورت کامل رعایت شده است و در مورد یک پیکسل با توجه به نواحی اطراف آن تصمیم گیری می شود. در مراحل تست نشان می دهیم که روش مذکور، بهبودهایی نسبت به قویترین روش های مبتنی بر lsb-m موجود و بهترین روش های تطبیقی موجود دارد.