ourapproach.tex

   1 The flowcharts given in Fig.~\ref{fig:sch} summarize our steganography scheme denoted by
   2 STABYLO, which stands for STeganography with Canny, Bbs, binarY embedding at LOw cost.
   3 What follows successively details all the inner steps and flows inside
   4 both the embedding stage (Fig.~\ref{fig:sch:emb})
   5 and the extraction one (Fig.~\ref{fig:sch:ext}).
   6
   7
   8 \begin{figure*}[t]
   9   \begin{center}
  10     \subfloat[Data Embedding.]{
  11       \begin{minipage}{0.49\textwidth}
  12         \begin{center}
  13           \includegraphics[width=5cm]{emb.pdf}
  14           %\includegraphics[width=5cm]{emb.ps}
  15         \end{center}
  16       \end{minipage}
  17       \label{fig:sch:emb}
  18     }%\hfill
  19     \subfloat[Data Extraction.]{
  20       \begin{minipage}{0.49\textwidth}
  21         \begin{center}
  22           \includegraphics[width=5cm]{rec.pdf}
  23           %\includegraphics[width=5cm]{rec.ps}
  24         \end{center}
  25       \end{minipage}
  26       \label{fig:sch:ext}
  27     }%\hfill
  28   \end{center}
  29   \caption{The STABYLO Scheme.}
  30   \label{fig:sch}
  31 \end{figure*}
  32
  33
  34
  35
  36 \subsection{Data Embedding}
  37 This section describes the main three steps of the STABYLO data embedding
  38 scheme.
  39
  40
  41
  42 \subsubsection{Edge Based Image Steganography}
  43
  44
  45 The edge based image steganography schemes
  46 already presented (\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10}) differ
  47 in how carefully they select edge pixels, and
  48 how they modify them.
  49
  50 Image Quality: Edge Image Steganography
  51 \JFC{Raphael, les fuzzy edge detection sont souvent utilisés.
  52   il faudrait comparer les approches en terme de nombre de bits retournés,
  53   en terme de complexité. } \cite{KF11}
  54 \RC{Ben, à voir car on peut choisir le nombre de pixel avec Canny. Supposons que les fuzzy edge soient retourne un peu plus de points, on sera probablement plus détectable...  Finalement on devrait surement vendre notre truc en : on a choisi cet algo car il est performant en vitesse/qualité. Mais on peut aussi en utilisé d'autres :-)}
  55
  56 Many techniques have been proposed in the literature to  detect
  57 edges in  images.
  58 The most common ones are filter
  59 edge detection methods such as Sobel  or Canny filters, low order methods such as
  60 first order  and second order ones. These methods  are based on  gradient or
  61 Laplace  operators and  fuzzy edge  methods, which  are based  on fuzzy  logic to
  62 highlight edges.
  63
  64 Of course, all the algorithms have  advantages and drawbacks that depend on the
  65 motivations behind that edges detection.   Unfortunately  unless testing  most  of  the
  66 algorithms, which  would require many  times, it is  quite difficult to  have an
  67 accurate idea on what would produce  such algorithm compared to another. That is
  68 why we have  chosen Canny algorithm, which is well  known, fast, and implementable
  69 on many  kinds of architectures like FPGAs, smartphones,  desktop machines, and
  70 GPUs. And of course, we do not pretend that this is the best solution.
  71
  72 In order to be able to compute the same set of edge pixels, we suggest to consider all the bits of the image (cover or stego) without the LSB. With an 8 bits image, only the 7 first bits are considered. In our flowcharts, this is represented by ``LSB(7 bits Edge Detection)''.
  73 % First of all, let us discuss about compexity of edge detetction methods.
  74 % Let then $M$ and $N$ be the dimension of the original image.
  75 % According to~\cite{Hu:2007:HPE:1282866.1282944},
  76 % even if the fuzzy logic based edge detection methods~\cite{Tyan1993}
  77 % have promising results, its complexity is in $C_3 \times O(M \times N)$
  78 % whereas the complexity on the Canny method~\cite{Canny:1986:CAE:11274.11275}
  79 % is in $C_1 \times O(M \times N)$ where  $C_1 < C_3$.
  80 % \JFC{Verifier ceci...}
  81 % In experiments detailled in this article, the Canny method has been retained
  82 % but the whole approach can be updated to consider
  83 % the fuzzy logic edge detector.
  84 Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
  85 modifies the Canny algorithm
  86 parameters to get a sufficiently large set of edge bits: this
  87 one is practically enlarged until its size is at least twice as large
  88 as the size of the embedded message.
  89
  90 % Edge Based Image Steganography schemes
  91 % already studied~\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10,DBLP:conf/ih/PevnyFB10} differ
  92 % how they select edge pixels, and
  93 % how they modify these ones.
  94
  95 % First of all, let us discuss about compexity of edge detetction methods.
  96 % Let then $M$ and $N$ be the dimension of the original image.
  97 % According to~\cite{Hu:2007:HPE:1282866.1282944},
  98 % even if the fuzzy logic based edge detection methods~\cite{Tyan1993}
  99 % have promising results, its complexity is in $C_3 \times O(M \times N)$
 100 % whereas the complexity on the Canny method~\cite{Canny:1986:CAE:11274.11275}
 101 % is in $C_1 \times O(M \times N)$ where  $C_1 < C_3$.
 102 % \JFC{Verifier ceci...}
 103 % In experiments detailled in this article, the Canny method has been retained
 104 % but the whole approach can be updated to consider
 105 % the fuzzy logic edge detector.
 106
 107 % Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
 108 % modifies Canny parameters to get a sufficiently large set of edge bits: this
 109 % one is practically enlarged untill its size is at least twice as many larger
 110 % than the size of embedded message.
 111
 112
 113 \subsubsection{Security Considerations}
 114 Among methods of message encryption/decryption
 115 (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 116 we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 117 that is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} pseudorandom number generator (PRNG)
 118 for security reasons.
 119 It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 120 has the cryptographically security property, \textit{i.e.},
 121 for any sequence of $L$ output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 122 there is no algorithm, whose time complexity is polynomial  in $L$, and
 123 which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 124 than $1/2$.
 125 Equivalent formulations of such a property can
 126 be found. They all lead to the fact that,
 127 even if the encrypted message is extracted,
 128 it is impossible to retrieve the original one in
 129 polynomial time.
 130
 131
 132 %%RAPH: paragraphe en double :-)
 133
 134 %% \subsubsection{Security Considerations}
 135 %% Among methods of message encryption/decryption
 136 %% (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 137 %% we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 138 %% which is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} Pseudo Random Number Generator (PRNG)
 139 %% for security reasons.
 140 %% It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 141 %% has the cryptographically security property, \textit{i.e.},
 142 %% for any sequence $L$ of output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 143 %% there is no algorithm, whose time complexity is polynomial  in $L$, and
 144 %% which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 145 %% than $1/2$.
 146 %% Thus, even if the encrypted message would be extracted,
 147 %% it would thus be not possible to retrieve the original one in a
 148 %% polynomial time.
 149
 150
 151
 152
 153
 154 \subsubsection{Minimizing Distortion with Syndrome-Treillis Codes}
 155 \input{stc}
 156
 157
 158 \subsection{Data Extraction}
 159 Message extraction summarized in Fig.~\ref{fig:sch:ext} follows data embedding
 160 since there exists a reverse function for all its steps.
 161 First of all, the same edge detection is applied (on the 7 first bits) to get set,
 162 which is  sufficiently large with respect to the message size given as a key.
 163 Then the STC reverse algorithm is applied to retrieve the encrypted message.
 164 Finally, the Blum-Goldwasser decryption function is executed and the original
 165 message is extracted.