Esteganografia de imagem segura KL-sense

Neste artigo, propomos um método de ocultação de dados computacionalmente eficiente que alcança o critério de segurança de Cachin: zero divergência Kullback–Liebler (KL). Para preservar as propriedades estatísticas do meio de cobertura, trocamos pixels em vez de modificá-los para ocultar informações. Analisamos teoricamente a segurança do método proposto a partir de várias perspectivas. Limites superiores da divergência KL das estatísticas de segunda ordem; A relação entre distorções no domínio DCT e posições de inserção no domínio espacial; O limite superior da entropia condicional no domínio DCT. Em seguida, submetemos nosso método esteganográfico proposto a vários algoritmos de esteganálise prática: Ataques baseados em histograma; Um algoritmo de esteganálise universal baseado em estatísticas de ordem superior; Uma nova esteganálise baseada em aprendizado especificamente para este algoritmo de ocultação. Resultados experimentais mostram que nosso método de ocultação de dados pode prevenir esses métodos de detecção estatística, quando a taxa de inserção é menor ou igual a 10%.