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 which depend on the
  65 motivation  to  highlight  edges.   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 architecture, such  as FPGA, smartphone,  desktop machines and
  70 GPU. 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
  74
  75 % First of all, let us discuss about compexity of edge detetction methods.
  76 % Let then $M$ and $N$ be the dimension of the original image.
  77 % According to~\cite{Hu:2007:HPE:1282866.1282944},
  78 % even if the fuzzy logic based edge detection methods~\cite{Tyan1993}
  79 % have promising results, its complexity is in $C_3 \times O(M \times N)$
  80 % whereas the complexity on the Canny method~\cite{Canny:1986:CAE:11274.11275}
  81 % is in $C_1 \times O(M \times N)$ where  $C_1 < C_3$.
  82 % \JFC{Verifier ceci...}
  83 % In experiments detailled in this article, the Canny method has been retained
  84 % but the whole approach can be updated to consider
  85 % the fuzzy logic edge detector.
  86
  87 Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
  88 modifies the Canny algorithm
  89 parameters to get a sufficiently large set of edge bits: this
  90 one is practically enlarged until its size is at least twice as many larger
  91 than the size of embedded message.
  92
  93 % Edge Based Image Steganography schemes
  94 % already studied~\cite{Luo:2010:EAI:1824719.1824720,DBLP:journals/eswa/ChenCL10,DBLP:conf/ih/PevnyFB10} differ
  95 % how they select edge pixels, and
  96 % how they modify these ones.
  97
  98 % First of all, let us discuss about compexity of edge detetction methods.
  99 % Let then $M$ and $N$ be the dimension of the original image.
 100 % According to~\cite{Hu:2007:HPE:1282866.1282944},
 101 % even if the fuzzy logic based edge detection methods~\cite{Tyan1993}
 102 % have promising results, its complexity is in $C_3 \times O(M \times N)$
 103 % whereas the complexity on the Canny method~\cite{Canny:1986:CAE:11274.11275}
 104 % is in $C_1 \times O(M \times N)$ where  $C_1 < C_3$.
 105 % \JFC{Verifier ceci...}
 106 % In experiments detailled in this article, the Canny method has been retained
 107 % but the whole approach can be updated to consider
 108 % the fuzzy logic edge detector.
 109
 110 % Next, following~\cite{Luo:2010:EAI:1824719.1824720}, our scheme automatically
 111 % modifies Canny parameters to get a sufficiently large set of edge bits: this
 112 % one is practically enlarged untill its size is at least twice as many larger
 113 % than the size of embedded message.
 114
 115
 116 \subsubsection{Security Considerations}
 117 Among methods of message encryption/decryption
 118 (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 119 we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 120 which is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} Pseudo Random Number Generator (PRNG)
 121 for security reasons.
 122 It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 123 has the cryptographically security property, \textit{i.e.},
 124 for any sequence $L$ of output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 125 there is no algorithm, whose time complexity is polynomial  in $L$, and
 126 which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 127 than $1/2$.
 128 Thus, even if the encrypted message would be extracted,
 129 it would thus be not possible to retrieve the original one in a
 130 polynomial time.
 131
 132
 133 %%RAPH: paragraphe en double :-)
 134
 135 %% \subsubsection{Security Considerations}
 136 %% Among methods of message encryption/decryption
 137 %% (see~\cite{DBLP:journals/ejisec/FontaineG07} for a survey)
 138 %% we implement the Blum-Goldwasser cryptosystem~\cite{Blum:1985:EPP:19478.19501}
 139 %% which is based on the Blum Blum Shub~\cite{DBLP:conf/crypto/ShubBB82} Pseudo Random Number Generator (PRNG)
 140 %% for security reasons.
 141 %% It has been indeed proven~\cite{DBLP:conf/crypto/ShubBB82} that this PRNG
 142 %% has the cryptographically security property, \textit{i.e.},
 143 %% for any sequence $L$ of output bits $x_i$, $x_{i+1}$, \ldots, $x_{i+L-1}$,
 144 %% there is no algorithm, whose time complexity is polynomial  in $L$, and
 145 %% which allows to find $x_{i-1}$ and $x_{i+L}$ with a probability greater
 146 %% than $1/2$.
 147 %% Thus, even if the encrypted message would be extracted,
 148 %% it would thus be not possible to retrieve the original one in a
 149 %% polynomial time.
 150
 151
 152
 153
 154
 155 \subsubsection{Minimizing Distortion with Syndrome-Treillis Codes}
 156 \input{stc}
 157
 158
 159 \subsection{Data Extraction}
 160 Message extraction summarized in Fig.~\ref{fig:sch:ext} follows data embedding
 161 since there exists a reverse function for all its steps.
 162 First of all, the same edge detection is applied (on the 7 first bits) to get set,
 163 which is  sufficiently large with respect to the message size given as a key.
 164 Then the STC reverse algorithm is applied to retrieve the encrypted message.
 165 Finally, the Blum-Goldwasser decryption function is executed and the original
 166 message is extracted.