Steganalysis of color images for low payload detection

Other Title(s)

تحليل الإخفاء للصور الملونة لكشف الخزن المنخفض

Dissertant

al-Mansir, Rinad Mukhlid

Thesis advisor

al-Jarrah, Muzaffar

University

Middle East University

Faculty

Faculty of Information Technology

Department

Computer Science Department

University Country

Jordan

Degree

Master

Degree Date

2019

Arabic Abstract

إخفاء المعلومات هو علم وتكنولوجيا الاحفاء المعلومات السرية بداخل عدة اشكال من وسائل الاعلام الرقمية مثل الفيديو الصوتيات و الصور.

اما تحليل عطاء علم الاحفاء هو علم و تكنولوجيا تهدف الى كليف احفاء المعلومات داخل وسائل الاعلام الرقمية التي قد صتخدم الاعراض غير مشروعة البحث المقدم في هذه الاطروحة يعرض نموذج تحلیل عطاء الإحفاء الذي يستخدم الملامح الإحصائية و نهج التعلم الألي للكشف عن وجود البيانات المخفية في الصور الملونة .RGE يحلل البحث خصائص صورة RGB من نوع PPM كوحدة مركبة.

تتألف مجموعة الخصائص من 120 خاصية لكل قناة و التي تتضمن ميزات مصفوفة مستوى الرمادي الاساسية و الممتدة (GLCM ) للارتباط و التباين و التجانس و الطاقة محسوبة لحالات النايت الكاملة و نصف الباينات 3 يت، 2 بت و1 يت.

يتم تطبيق الميزات على القنوات الفردية، و يتم دمج ميزات القناة الواحدة في مجموعات صور ثلاثية القنوات.

حوازمية التصحيف المستخدمة في هذا البحث التصنيف الشاكي مي خوارزمية ماكنة متجه الدعم ( SVM ).

ثم استخدام مجموعة البيانات عامة في هذا البحث و التي تكون من 10,000 صورة غير مضغوطة من نوع PPM ، كما تم إنشاء سبع مجموعات من صور الستيجو باستخدام 10,000 صورة من الصور النظيفة، و التي تم تضمينها مع بيانات سرية عدوانية في : سب الحمولة من 0.01 إلى 0.5 بت لكل قناه، باستخدام تقنية إحفاء المعلومات LSE-1.

بالنسبة لمرحلة التصنيف، هم اختيار مجموعة من 5000 صورة نظيفة بشكل عشوائي وهم اختيار 5000 صورة يشكل هوائي لكل نسبة حمولة.

و قد تم العمل التجريبي على 5000 صورة مختارة بشكل عشوائي من صور النظيفة و الصور المتصمة للإحفاء (جو) لجميع الحمولات.

و أظهرت نتائج تحليل الخوارزمية، باستخدام خوارزمية ماكنة متجه الدعم ( SVM )، قيم دقة للكفيف تتراوح من 56.15 لـ 0.01 بنت لكل قضاء إلى 191.00 لـ 0،5 بت لكل قباء.

و أظهرت النتائج أن النموذج قد حقق الكتمانا إيجابية (TP) أعلى من السلبية الحقيقية (TN) في معظم نسب الحمولات، مما يشير إلى أن النموذج أكثر قاطية في الكشف من الصور الثابتة (السيجو)، و هو العرض من Steganalysis.

تم استخدام 2016 MATLAB في مفيد أجزاء تحليل و تصحيف الصور الخاصة بالنموذج المقترح.

English Abstract

Steganography, the science of embedding secret data in an appropriate cover object such as video, audio, network, and images.

Steganalysis, aims to detect the presence of hidden data inside the cover object, is a countermeasure against information hiding techniques that can be used for illegitimate purposes.

The work in this thesis introduces a steganalysis model that uses statistical texture features and the machine learning approach to detect the presence of hidden data in RGB color images.

The work analyzes features of an RGB image in PPM format as a composite unit.

The feature set used in this study consists of 120 features per color channel, which includes the basic and extended Gray Level Co-Occurrence Matrix (GLCM) features of correlation, contrast, homogeneity and energy, calculated for full bytes, half-bytes, 3-bit, 2-bit, and 1-bit fragments.

The features are applied to single channels, and the single channel features are merged into three-channel image feature sets.

The machine learning binary classifier that is selected for this work is the Support Vector Machine (SVM) algorithm.

A public dataset of 10,000 uncompressed PPM clean images is used, and seven stego image datasets of 10,000 images each were created from the clean images, which were embedded with random secret data at payload ratios from 0.01 to 0.5 bit per channel, using 1LSB steganography technique.

For the classification phase, a set of 5000 clean images were randomly selected and 5000 stego images were randomly selected for each payload ratio.

The steganalysis results, using the Support Vector Machine, showed detection accuracy values ranging from 56.18% for 0.01 bit per channel to 91.00% for 0.5 bit per channel.

The results showed that the model achieved higher true positive detection than true negative in most of the payload’s ratios, indicating that the model is more effective in detecting stego images, which is the purpose of steganalysis.

MATLAB 2016a was used in the implementation of the image analysis and classification parts of the proposed model.

Main Subjects

Information Technology and Computer Science

Topics

• Cryptography

No. of Pages

62

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-899297