intro.tex

   1
   2 This work considers digital images as covers and it is based on
   3 spatial least significant-bit (LSB) replacement.
   4 In this data hiding scheme, a subset of all the LSBs of the cover image is modified
   5 with a secret bit stream depending on a key, the cover, and the message to embed.
   6 This well studied steganographic approach  never decreases (resp. increases)
   7 pixel with even value (resp. odd value), and thus it may break the
   8 structural symmetry of the host image.
   9 Such structural alterations can be detected by
  10 well designed statistical investigations, leading to known steganalysis methods~\cite{DBLP:journals/tsp/DumitrescuWW03,DBLP:conf/mmsec/FridrichGD01,Dumitrescu:2005:LSB:1073170.1073176}.
  11
  12 This drawback is avoided in LSB matching (LSBM) where
  13 the $+1$ or $-1$ is randomly added to the cover pixel LSB value
  14 only if this one does not match the secret bit.
  15 Since probabilities of increasing or decreasing the pixel value are the same, statistical approaches
  16 cannot be applied here to discover stego-images in LSBM.
  17 The most accurate detectors for this matching are universal steganalysers such as~\cite{LHS08,DBLP:conf/ih/2005,FK12},
  18 which classify images thanks to extracted features from neighboring elements of noise residual.
  19
  20
  21 LSB matching revisited (LSBMR) has been recently introduced in~\cite{Mielikainen06}.
  22 For a given pair of pixels, in which the LSB
  23 of the first pixel carries one bit of secret message, and the relationship
  24 (odd–even combination) of the two pixel values carries
  25 another bit of secret message.
  26 \CG{Je pige pas cette phrase, et je comprends pas l'explication du LSBMR :/}
  27
  28
  29 In such a way, the modification
  30 rate of pixels can decrease from 0.5 to 0.375 bits/pixel
  31 (bpp) in the case of a maximum embedding rate, meaning fewer
  32 changes in the cover image at the same payload compared to
  33 LSB replacement and LSBM. It is also shown in~\cite{Mielikainen06} that such a new
  34 scheme can avoid the LSB replacement style asymmetry, and
  35 thus it should make the detection slightly more difficult than in the
  36 LSBM approach. % based on our experiments
  37
  38
  39
  40
  41
  42 Instead of (efficiently) modifying LSBs, there is also a need to select pixels whose value
  43 modification minimizes a distortion function.
  44 This distortion may be computed thanks to feature vectors that are embedded for instance in steganalysers
  45 referenced above.
  46 Highly Undetectable steGO (HUGO) method~\cite{DBLP:conf/ih/PevnyFB10} is one of the most efficient instance of such a scheme.
  47 It takes into account SPAM features (whose size is larger than $10^7$) to avoid overfitting a particular
  48 steganalyser. Thus a distortion measure for each pixel is individually determined as the sum of differences between
  49 features of SPAM computed from the cover and from the stego images.
  50 Thanks to this feature set, HUGO allows to embed $7\times$ longer messages with the same level of
  51 indetectability than LSB matching.
  52 However, this improvement is time consuming, mainly due to the distortion function
  53 computation.
  54
  55
  56 There remains a large place between random selection of LSB and feature based modification of pixel values.
  57 We argue that modifying edge pixels is an acceptable compromise.
  58 Edges form the outline of an object: they are the boundary between overlapping objects or between an object
  59 and the background. A small modification of pixel value in the stego image should not be harmful to the image quality:
  60 in cover image, edge pixels already break its continuity  and thus already contain large variation with neighboring
  61 pixels. In other words, minor changes in regular area are more dramatic than larger modifications in edge ones.
  62 Our proposal is thus to embed message bits into edge shapes while preserving other smooth regions.
  63
  64 Edge based steganographic schemes have been already studied in~\cite{Luo:2010:EAI:1824719.1824720} and \cite{DBLP:journals/eswa/ChenCL10}.
  65 In the former, the authors show how to select sharper edge regions with respect
  66 to a given embedding rate: the larger the number of bits to be embedded, the coarser
  67 the edge regions are.
  68 Then the data hiding algorithm is achieved by applying LSBMR on pixels of these regions.
  69 The authors show that their proposed method is more efficient than all the LSB, LSBM, and LSBMR approaches
  70 thanks to extensive experiments.
  71 However, it has been shown that the distinguish error with LSB embedding is lower than
  72 the one with some binary embedding~\cite{DBLP:journals/tifs/FillerJF11}.
  73 We thus propose to take benefit of these optimized embedding, provided they are not too time consuming.
  74 In the latter, an hybrid edge detector is presented followed by an ad hoc
  75 embedding approach.
  76 The Edge detection is computed by combining fuzzy logic~\cite{Tyan1993}
  77 and Canny~\cite{Canny:1986:CAE:11274.11275} approaches. The goal of this combination
  78 is to enlarge the set of modified bits to increase the payload of the data hiding scheme.
  79
  80
  81 One can notice that all the previously referenced
  82 schemes~\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10,DBLP:conf/ih/PevnyFB10}
  83 produce stego contents
  84 by only considering the payload, not the type of image signal: the higher the payload is,
  85 the better the approach is said to be.
  86 Contrarily, we argue that some images should not be taken as a cover because of the nature of their signal.
  87 Consider for instance a uniformly black image: a very tiny modification of its pixels can be easily detectable.
  88 The approach we propose is thus to provide a self adaptive algorithm with a high payload, which depends on the
  89 cover signal.
  90
  91 For some applications it might be interesting to have a reversible procedure to compute the same edge detection pixel set for the cover and the stego image. For this, we propose to apply the edge detection algorithm not on all the bits of the image, but to exclude the LSBs.
  92
  93
  94 \JFC{Christophe : énoncer la problématique du besoin de crypto et de ``cryptographiquement sûr'',  les algo déjà cassés....
  95 l'efficacité d'un encodage/décodage ...}
  96 To deal with security issues, message is encrypted...
  97
  98 In this research work, we thus propose to combine tried and
  99 tested techniques of signal theory (the adaptive edge detection), coding (the binary embedding), and cryptography
 100 (encryption of the hidden message) to compute an efficient steganographic
 101 scheme, which takes into consideration the cover image
 102 and that can be executed on small devices.
 103
 104 The remainder of this document is organized as follows.
 105 Section~\ref{sec:ourapproach} presents the details of our steganographic scheme.
 106 Section~\ref{sec:experiments} shows experiments on image quality, steganalytic evaluation, complexity of our approach
 107 and compares it to state of the art steganographic schemes.
 108 Finally, concluding notes and future work are given in Section~\ref{sec:concl}.
 109
 110
 111
 112
 113