Improved deep hiding : extraction algorithm to enhance payload capacity and security level of hidden information

Dissertant

Ali, Marwah Ahmad Abd Allah

Thesis advisor

al-Imam, Namir Nazim
al-Azzawi, Ali F.

University

Philadelphia University

Faculty

Faculty of Information Technology

Department

Department of Computer Science

University Country

Jordan

Degree

Master

Degree Date

2019

Arabic Abstract

أصبحت خوارزميات إخفاء البيانات أسلوبا مهما لمنع المستخدمين غير القانونيين من الاتصال ببيانات سرية.

في هذه الرسالة، تم تطوير خوارزمية الإخفاء / الاستخراج العميق ( IDHEA ) للبيانات السرية في الصور الملونة من اجل توسيع سعة الحمولة للبيانات و تقليل الوقت.

تستند هذه الخوارزمية الى خوارزمية LSB المعدلة MLS حيث تقوم بتوزيع البيانات السرية بشكل عشوائي على صورة الغلاف و استبدال عدد البنات لكل بايت تصل إلى أربعة بنات و نجعل من الصعب الوصول إلى البيانات المخفية بواسطة مستخدمين غير مصرح لهم.

الغلاف تعتمد خوارزمية DHEA المقترحة على الاخفاء العشوائي من خاتل عدة مستويات من الصور الملونة، يتم زيادة حجم الملونة من مستوى الأخر ويكون حجم صورة الغاتف في المستوى الأول صغيرا و زيادة حجم الصورة بشكل تدريجي او مفاجئ وفقا لمعامل التوسيع.

بالإضافة الى ذلك، تم تطبيق نهج التوزيع العشوائي المناسب لاختيار البكسل المناسب الإخفاء البيانات السرية في كل مستوى.

تتضمن الخوارزمية على ضغط الصور بدون فقدان على أساس خوارزميات ترميز طول التشغيل و Gzip لتمكين من إخفاء ال stego الناتجة في المستوى التالي.

تم تطبيق ( Advanced Encryption Standard ( ABS خوارزمية التشفير الديناميكية على كل المستويات لزيادة الأمان و العمل ضد المهاجمين.

تم تطبيق فعالية خوارزمية IDHEA المقترحة على مستويات غير محدودة الإرباك المهاجمين و ضغط سلسلة عميقة من الصور في صورة واحدة.

يتم حساب متوسط الخطأ المربع ( MSE ) بين الصورة stego و صورة الغاتف cover نسبة الإشارة إلى الضوضاء ( SNR ) و تحسب أيضا إشارة الذروة إلى نسبة الضوضاء ( PSNR ).

تمت مناقشة النتائج التجريبية فيما يتعلق بمقاييس الأداء المختلفة؛ لقد أثبتت هذه المقاييس فعالية خوارزميات الاخفاء / الاستخلاص العميق المحسنة المقترحة ( IDHEA ) من حيث قدرتها على التضمين لعدد من المستويات غير معروفة.

تم تنفيذ مقارنات بين النهج المقترح و الأعمال الأخرى، حيث تظهر نتائج المقاييس أن الخوارزمية المقترحة أفضل من خوارزميات MDLSB و LSB و تعمل ضد الهجمات الإحصائية و الهجمات المرئية.

بالإضافة إلى ذلك، توصلت النتائج إلى ان هناك عدم القدرة في الادراك حتى إذا كانت الصورة الظاهرة تحتوي على كمية كبيرة من البيانات تصل إلى 12 بت لكل بكسل.

بالإضافة إلى ذلك، من المعروف أن الخوارزمية المقترحة يمكن أن تدمج البيانات السرية بشكل فعال مع جودة بصرية أفضل وتعمل تحت نماذج صور غنية للتأكيد أن النهج الحالي مقاوم للهجمات.

English Abstract

Data-hiding by using steganography algorithm becomes a significant technique to prevent illegal users from contacting secret data.

In this thesis, Deep Hiding/extraction (IDHEA) algorithm has been improved to hide secret data in color images, enhance payload capacity and reduce time complexity as much as possible.

This algorithm is based on modified LSB (MLSB).

It distributes secret data randomly on cover-image and replaces the number of bit per byte (Nbpb) up to 4 bits and makes it hard to access hidden data by unauthorized users.

The proposed IDHEA algorithm specifies number of levels randomly; each level uses a color image and from a level to the next one, the image size is expanded.

We start with a small size of the cover-image and increase the size gradually or suddenly according to the enlargement ratio.

In addition, the appropriate randomization approach is implemented for pixel selection to hide secret data at each level.

Lossless image compression based on run-length encoding algorithm and Gzip to enable the size of hiding at the next level.

The Advanced Encryption Standard (AES) is applied at each level to increase security and protection against attackers.

Thus, the effectiveness of the proposed IDHEA algorithm has been applied at unlimited levels to confuse attackers, and compress a deep sequence of images in one image.

The main square error (MSE), the signal to noise ratio (SNR), and the peak signal to noise ratio (PSNR) are calculated to check the performance of the proposed algorithm.

The experimental results are discussed regarding different performance measures; these metrics are demonstrated the effectiveness of the proposed algorithm in terms of its embedding capacity and imperceptible level.

Comparisons between the proposed approach and the other works have been implemented, and they appear that the proposed algorithm is better than the MDLSB & LSB algorithms and it is working against statistical and visual attacks.

Furthermore, the results confirm that the stego-image with high imperceptibility has been reached even if the stego-image holds a large amount of data that reach twelve bits per pixels (12-bpp) at certain pixels.

In addition, it is confirmed that the proposed algorithm can embed secret data efficiently with better visual quality.

The development of proper algorithmic solution for a given class of problems requires a deep understanding of some optimization algorithms and this process is time consuming.

In this study, we investigate the hyper-heuristic methodology which is a high-level search methodology that operates on search space of heuristic/meta-heuristic algorithms.

Hyper-Heuristic aims at finding the most suitable algorithmic solution for a given class of problems.

Hyper-heuristic is classified into two major classes: selective and generative hyper-heuristic.

Our focus is on generative hyper-heuristic, especially on generative hyper-heuristic that operates on the meta-heuristic components of Particle Swarm Optimization (PSO) and Real-Coded Genetic Algorithm (RCGA).

The study uses a modified Tree-based Grammar-guided Genetic Programming (TG3P), in order to generate adaptive hybrid PSO and RCGA solvers for continuous global optimization problems.

We compared our results with two prominent PSO algorithms, and the results show that our proposed hyper-heuristic has very competitive efficiency.

Main Subjects

Information Technology and Computer Science

Topics

• Algorithms
• Cryptography

No. of Pages

68

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-955857