УДОСКОНАЛЕНИЙ ПІДХІД ДО ФОРМУВАННЯ СТЕГАНОКОНТЕЙНЕРІВ ІЗ ЗАСТОСУВАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ

Анотація

Роботу присвячено підвищенню стійкості стеганографічних систем до пасивних атак шляхом удосконалення підходу до формування стеганоконтейнерів. Актуальність дослідження зумовлена тим, що більшість наявних методів приховування даних використовують готові цифрові зображення, статистичні характеристики яких не враховують подальше вбудовування інформації. У результаті модифікація частотних коефіцієнтів може призводити до появи аномалій, що виявляються сучасними засобами стеганоаналізу. Особливо це стосується випадків, коли структура текстурних зон зображення є нерівномірною або має недостатній рівень інформаційної надлишковості.

У роботі запропоновано підхід, що передбачає попередній синтез зображення-контейнера із заданими властивостями з подальшим вбудовуванням у нього секретних даних. Для генерації адаптивних носіїв використано можливості системи штучного інтелекту Midjourney. Формування контейнера здійснюється на основі підготовлених запитів, які дозволяють керувати складністю текстури, рівнем деталізації, контрастністю та загальним характером частотного розподілу.

Такий підхід дає змогу отримувати зображення, структура яких є більш придатною для приховування інформації без суттєвого порушення природних статистичних закономірностей. Вбудовування даних реалізовано за методом Коха-Жао з використанням дискретного косинусного перетворення. Процес передбачає поділ зображення на блоки, перехід до частотної області та модифікацію відносної різниці середньочастотних коефіцієнтів. Вибір саме цієї області обумовлений компромісом між непомітністю змін і стійкістю до JPEG-компресії. При цьому враховуються особливості зорової системи людини, зокрема знижена чутливість до спотворень у текстурованих ділянках та ефекти просторового маскування.

Експериментальні дослідження включали порівняння запропонованого підходу з традиційним вбудовуванням у випадково обрані зображення. Оцінювання проводилося за показниками візуальної якості, аналізом піксельної структури та дослідженням частотних характеристик.

Отримані результати свідчать про зменшення статистичних відхилень і підвищення стійкості до пасивного виявлення за збереження прийнятного рівня візуальної якості.