ourapproach.tex

   1 The flowcharts given in Fig.~\ref{fig:sch} summarize our steganography scheme denoted as to
   2 STABYLO for STeganography with Canny, Bbs, binarY embedding at LOw cost.
   3 What follows successively details all the inner steps and flow inside
   4 the embedding stage (Fig.\ref{fig:sch:emb})
   5 and inside 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 Edge Based Image Steganography schemes
  46 already studied~\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10} differ
  47 how they select edge pixels, and
  48 how they modify these ones.
  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 There are  many techniques to  detect edges in  images. Main methods  are filter
  57 edge detection methods such as Sobel  or Canny filter, low order methods such as
  58 first order  and second order  methods, these methods  are based on  gradient or
  59 Laplace  operators and  fuzzy edge  methods, which  are based  on fuzzy  logic to
  60 highlight edges.
  61
  62 Of course, all the algorithms have  advantages and drawbacks which depend on the
  63 motivation  to  highlight  edges.   Unfortunately  unless testing  most  of  the
  64 algorithms, which  would require many  times, it is  quite difficult to  have an
  65 accurate idea on what would produce  such algorithm compared to another. That is
  66 why we have  chosen Canny algorithm which is well  known, fast and implementable
  67 on many  kinds of architecture, such  as FPGA, smartphone,  desktop machines and
  68 GPU. And of course, we do not pretend that this is the best solution.
  69
  70 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).
  71
  72
  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
  85 Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
  86 modifies the Canny algorithm
  87 parameters to get a sufficiently large set of edge bits: this
  88 one is practically enlarged untill its size is at least twice as many larger
  89 than the size of embedded message.
  90
  91 % Edge Based Image Steganography schemes
  92 % already studied~\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10,DBLP:conf/ih/PevnyFB10} differ
  93 % how they select edge pixels, and
  94 % how they modify these ones.
  95
  96 % First of all, let us discuss about compexity of edge detetction methods.
  97 % Let then $M$ and $N$ be the dimension of the original image.
  98 % According to~\cite{Hu:2007:HPE:1282866.1282944},
  99 % even if the fuzzy logic based edge detection methods~\cite{Tyan1993}
 100 % have promising results, its complexity is in $C_3 \times O(M \times N)$
 101 % whereas the complexity on the Canny method~\cite{Canny:1986:CAE:11274.11275}
 102 % is in $C_1 \times O(M \times N)$ where  $C_1 < C_3$.
 103 % \JFC{Verifier ceci...}
 104 % In experiments detailled in this article, the Canny method has been retained
 105 % but the whole approach can be updated to consider
 106 % the fuzzy logic edge detector.
 107
 108 % Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
 109 % modifies Canny parameters to get a sufficiently large set of edge bits: this
 110 % one is practically enlarged untill its size is at least twice as many larger
 111 % than the size of embedded message.
 112
 113
 114 \subsubsection{Security Considerations}
 115 Among methods of message encryption/decryption
 116 (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 117 we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 118 which is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} Pseudo Random Number Generator (PRNG)
 119 for security reasons.
 120 It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 121 has the cryptographically security property, \textit{i.e.},
 122 for any sequence $L$ of output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 123 there is no algorithm, whose time complexity is polynomial  in $L$, and
 124 which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 125 than $1/2$.
 126 Thus, even if the encrypted message would be extracted,
 127 it would thus be not possible to retrieve the original one in a
 128 polynomial time.
 129
 130
 131 %%RAPH: paragraphe en double :-)
 132
 133 %% \subsubsection{Security Considerations}
 134 %% Among methods of message encryption/decryption
 135 %% (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 136 %% we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 137 %% which is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} Pseudo Random Number Generator (PRNG)
 138 %% for security reasons.
 139 %% It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 140 %% has the cryptographically security property, \textit{i.e.},
 141 %% for any sequence $L$ of output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 142 %% there is no algorithm, whose time complexity is polynomial  in $L$, and
 143 %% which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 144 %% than $1/2$.
 145 %% Thus, even if the encrypted message would be extracted,
 146 %% it would thus be not possible to retrieve the original one in a
 147 %% polynomial time.
 148
 149
 150
 151
 152
 153 \subsubsection{Minimizing Distortion with Syndrome-Treillis Codes}
 154 \input{stc}
 155
 156
 157 \subsection{Data Extraction}
 158 Message extraction summarized in Fig.~\ref{fig:sch:ext} follows data embedding
 159 since there exists a reverse function for all its steps.
 160 First of all, the same edge detection is applied (on the 7 first bits) to get set,
 161 which is  sufficiently large with respect to the message size given as a key.
 162 Then the STC reverse algorithm is applied to retrieve the encrypted message.
 163 Finally, the Blum-Goldwasser decryption function is executed and the original
 164 message is extracted.