--- /dev/null
+On considère le mode
+$f_l: \Bool^l \rightarrow \Bool^l$ t.q. le $i^{\textrm{ème}}$ composant
+est défini par
+\begin{equation}
+{f_l}(x)_i =
+\left\{
+\begin{array}{l}
+\overline{x_i} \textrm{ if $i$ is odd} \\
+x_i \oplus x_{i-1} \textrm{ if $i$ is even}
+\end{array}
+\right.
+\end{equation}\label{eq:fqq}
+
+Prouvons que la matrice de Markov associée est doublement stochastique.
+
+the Markov chain is stochastic by construction.
+
+Let us prove that its Markov chain is doubly stochastic by induction on the
+length $l$.
+For $l=1$ and $l=2$ the proof is obvious. Let us consider that the
+result is established until $l=2k$ for some $k \in \Nats$.
+
+Let us then firstly prove the doubly stochasticity for $l=2k+1$.
+Following notations introduced in~\cite{bcgr11:ip},
+Let $\textsc{giu}(f_{2k+1})^0$ and $\textsc{giu}(f_{2k+1})^1$ denote
+the subgraphs of $\textsc{giu}(f_{2k+1})$ induced by the subset $\Bool^{2k} \times\{0\}$
+and $\Bool^{2k} \times\{1\}$ of $\Bool^{2k+1}$ respectively.
+$\textsc{giu}(f_{2k+1})^0$ and $\textsc{giu}(f_{2k+1})^1$ are isomorphic to $\textsc{giu}(f_{2k})$.
+Furthermore, these two graphs are linked together only with arcs of the form
+$(x_1,\dots,x_{2k},0) \to (x_1,\dots,x_{2k},1)$ and
+$(x_1,\dots,x_{2k},1) \to (x_1,\dots,x_{2k},0)$.
+In $\textsc{giu}(f_{2k+1})$ the number of arcs whose extremity is $(x_1,\dots,x_{2k},0)$
+is the same than the number of arcs whose extremity is $(x_1,\dots,x_{2k})$
+augmented with 1, and similarly for $(x_1,\dots,x_{2k},1)$.
+By induction hypothesis, the Markov chain associated to $\textsc{giu}(f_{2k})$ is doubly stochastic. All the vertices $(x_1,\dots,x_{2k})$ have thus the same number of
+ingoing arcs and the proof is established for $l$ is $2k+1$.
+
+Let us then prove the doubly stochasticity for $l=2k+2$.
+The map $f_l$ is defined by
+$f_l(x)= (\overline{x_1},x_2 \oplus x_{1},\dots,\overline{x_{2k+1}},x_{2k+2} \oplus x_{2k+1})$.
+With previously defined notations, let us focus on
+$\textsc{giu}(f_{2k+2})^0$ and $\textsc{giu}(f_{2k+2})^1$ which are isomorphic to $\textsc{giu}(f_{2k+1})$.
+Among configurations of $\Bool^{2k+2}$, only four suffixes of length 2 can be
+obviously observed, namely, $00$, $10$, $11$ and $01$.
+Since
+$f_{2k+2}(\dots,0,0)_{2k+2}=0$, $f_{2k+2}(\dots,1,0)_{2k+2}=1$,
+$f_{2k+2}(\dots,1,1)_{2k+2}=0$ and $f_{2k+2}(\dots,0,1)_{2k+2}=1$, the number of
+arcs whose extremity is
+\begin{itemize}
+\item $(x_1,\dots,x_{2k},0,0)$
+ is the same than the one whose extremity is $(x_1,\dots,x_{2k},0)$ in $\textsc{giu}(f_{2k+1})$ augmented with 1 (loop over configurations $(x_1,\dots,x_{2k},0,0)$).
+\item $(x_1,\dots,x_{2k},1,0)$
+ is the same than the one whose extremity is $(x_1,\dots,x_{2k},0)$ in $\textsc{giu}(f_{2k+1})$ augmented with 1 (arc from configurations
+$(x_1,\dots,x_{2k},1,1)$ to configurations
+$(x_1,\dots,x_{2k},1,0)$)
+\item $(x_1,\dots,x_{2k},0,1)$
+ is the same than the one whose extremity is $(x_1,\dots,x_{2k},0)$ in $\textsc{giu}(f_{2k+1})$ augmented with 1 (loop over configurations $(x_1,\dots,x_{2k},0,1)$).
+\item $(x_1,\dots,x_{2k},1,1)$
+ is the same than the one whose extremity is $(x_1,\dots,x_{2k},1)$ in $\textsc{giu}(f_{2k+1})$ augmented with 1 (arc from configurations
+$(x_1,\dots,x_{2k},1,0)$ to configurations
+$(x_1,\dots,x_{2k},1,1)$).
+\end{itemize}
+Thus all the vertices $(x_1,\dots,x_{2k})$ have the same number of
+ingoing arcs and the proof is established for $l=2k+2$.
\JFC{Dire que c'est une synthèse du chapitre 22 de la thèse de Tof}
+This section has focused on security with regards to probabilistic behaviors.
+Next section studies it in the perspective of topological ones.
+
+
\section{Processus de marquage}
% est marquée, en particulier si l'image a été attaquée entre temps.
% On s'intéressera aux mesures de similarité entre $x$ et $z$.
-\section{Analyse de sécurité}\label{sec:security}
-
-
-
-
-As far as we know, Cachin~\cite{Cachin2004}
-produces the first fundamental work in information hiding security:
-in the context of steganography, the attempt of an attacker to distinguish
-between an innocent image and a stego-content is viewed as an hypothesis
-testing problem.
-Mittelholzer~\cite{Mittelholzer99} next proposed the first theoretical
-framework for analyzing the security of a watermarking scheme.
-Clarification between robustness and security
-and classifications of watermarking attacks
-have been firstly presented by Kalker~\cite{Kalker2001}.
-This work has been deepened by Furon \emph{et al.}~\cite{Furon2002}, who have translated Kerckhoffs' principle (Alice and Bob shall only rely on some previously shared secret for privacy), from cryptography to data hiding.
-
-More recently~\cite{Cayre2005,Perez06} classified the information hiding
-attacks into categories, according to the type of information the attacker (Eve)
-has access to:
-\begin{itemize}
-\item in Watermarked Only Attack (WOA) she only knows embedded contents $z$;
-\item in Known Message Attack (KMA) she knows pairs $(z,y)$ of embedded
- contents and corresponding messages;
-\item in Known Original Attack (KOA) she knows several pairs $(z,x)$
- of embedded contents and their corresponding original versions;
-\item in Constant-Message Attack (CMA) she observes several embedded
- contents $z^1$,\ldots,$z^k$ and only knows that the unknown
- hidden message $y$ is the same in all contents.
-\end{itemize}
-
-To the best of our knowledge,
-KMA, KOA, and CMA have not already been studied
-due to the lack of theoretical framework.
-In the opposite, security of data hiding against WOA can be evaluated,
-by using a probabilistic approach recalled below.
-
-
-
+\section{Analyse de sécurité (probabilistes)}\label{sec:watermarking:security:probas}
-\subsection{Stego-security}\label{sub:stegosecurity}
-%\input{stegosecurity}
+Récemment~\cite{Cayre2005,Perez06} ont proposé des classes de sécurité pour le
+marquage d'information. Parmis celles-ci, la stego-sécurité a été au centre
+des travaux puisqu'elle représente la classe la plus élevée dans le contexte où
+l'attaquant n'a accès qu'à l'hôte marqué $z$.
-In the Simmons' prisoner problem~\cite{Simmons83}, Alice and Bob are in jail and
-they want to, possibly, devise an escape plan by exchanging hidden messages in
-innocent-looking cover contents. These messages are to be conveyed to one
-another by a common warden named Eve, who eavesdrops all contents and can choose
-to interrupt the communication if they appear to be stego-contents.
+Cette définition probabiliste est rappelée ci-après.
+Soit $\mathds{K}$ un ensemble de clefs, $p(X)$ un modèle porbabiliste
+de $N_0$ hôtes, et $p(Y|K)$ le modèle probabiliste de $N_0$ contenus marqués avec la
+même clé $K$ et le même algorithme d'embarquement.
-Stego-security, defined in this well-known context, is the highest security
-class in Watermark-Only Attack setup, which occurs when Eve has only access to
-several marked contents~\cite{Cayre2008}.
-
-
-Let $\mathds{K}$ be the set of embedding keys, $p(X)$ the probabilistic model of
-$N_0$ initial host contents, and $p(Y|K)$ the probabilistic model of $N_0$
-marked contents s.t. each host content has been marked
-with the same key $K$ and the same embedding function.
-
-\begin{definition}[Stego-Security~\cite{Cayre2008}]
-\label{Def:Stego-security} The embedding function is \emph{stego-secure}
-if $\forall K \in \mathds{K}, p(Y|K)=p(X)$ is established.
+\begin{definition}[Stégo-Sécurité~\cite{Cayre2008}]
+\label{Def:Stego-security}
+La fonction d'embarquement is \emph{stégo-sécure}
+si la propriété $\forall K \in \mathds{K}, p(Y|K)=p(X)$ est établie.
\end{definition}
+Il a déjà été démontré~\cite{guyeuxphd,gfb10:ip}
+que l'algorithme de marquage dont le mode est la fonction
+négation est stégo-sécure.
+Un des intérêts de l'algorithme présenté ici est qu'il est paramétré par un mode.
+Lorsque celui-ci a les même propriétés que celles vues pour la création de PRNG (\textit{i.e.} graphe des itérations fortement connexes et matrice de Markov doublement
+stochastique), on a un marquage qui peut être rendu stego-secure à $\epsilon$ pret,
+ce que précise le théorème suivant:
+\begin{theorem}\label{th:stego}
+Soit $\epsilon$ un nombre positif,
+$l$ un nombre de LSBs,
+$X \sim \mathbf{U}\left(\mathbb{B}^l\right)$,
+un adapteur de stratégie uniformémement distribué indépendant de $X$
+$f_l$ un mode tel que
+$\textsc{giu}(f_l)$ est fortement connexe et la
+matrice de Markov associée à $f_l$ est doublement stochastique.
+Il existe un nombre $q$ d'itérations tel que
+$|p(Y|K)- p(X)| < \epsilon$.
+\end{theorem}
-%Let $\mathds{K}$ be the set of embedding keys, $p(X)$ the probabilistic model of
-%$N_0$ initial host contents, and $p(Y|K)$ the probabilistic model of $N_0$
-%marked contents s.t. each host content has been marked
-%with the same key $K$ and the same embedding function.
-
-%\begin{definition}[Stego-Security]
-%\label{Def:Stego-security} The embedding function is \emph{stego-secure}
-%if $\forall K \in \mathds{K}, p(Y|K)=p(X)$ is established.
-%\end{definition}
-
- Stego-security states that the knowledge of $K$ does not help to make the
- difference between $p(X)$ and $p(Y)$. This definition implies the following
- property:
- $$p(Y|K_1)= \cdots = p(Y|K_{N_k})=p(Y)=p(X)$$
- This property is equivalent to a zero Kullback-Leibler divergence, which is the
- accepted definition of the "perfect secrecy" in steganography~\cite{Cachin2004}.
-
-
-\subsection{The negation mode is stego-secure}
-To make this article self-contained, this section recalls theorems and proofs of stego-security for negation mode published in~\cite{gfb10:ip}.
-
-\begin{proposition} \emph{dhCI dissimulation} of Definition \ref{def:dhCI} with
-negation mode and CIIS strategy-adapter is stego-secure, whereas it is not the
-case when using CIDS strategy-adapter.
-\end{proposition}
-
-
-\begin{proof} On the one hand, let us suppose that $X \sim
-\mathbf{U}\left(\mathbb{B}^n\right)$ when using \linebreak CIIS$(K,\_,\_,l)$.
-We prove by a
-mathematical induction that $\forall t \in \mathds{N}, X^t \sim
-\mathbf{U}\left(\mathbb{B}^n\right)$.
-
-The base case is immediate, as $X^0 = X \sim
-\mathbf{U}\left(\mathbb{B}^n\right)$. Let us now suppose that the statement $X^t
-\sim \mathbf{U}\left(\mathbb{B}^n\right)$ holds until for some $t$.
-Let $e \in
-\mathbb{B}^n$ and \linebreak $\mathbf{B}_k=(0,\cdots,0,1,0,\cdots,0) \in
-\mathbb{B}^n$ (the digit $1$ is in position $k$).
-
-So
-$P\left(X^{t+1}=e\right)=\sum_{k=1}^n
-P\left(X^t=e\oplus\mathbf{B}_k,S^t=k\right)$ where
-$\oplus$ is again the bitwise exclusive or.
-These two events are independent when
-using CIIS strategy-adapter
-(contrary to CIDS, CIIS is not built by using $X$),
- thus:
-$$P\left(X^{t+1}=e\right)=\sum_{k=1}^n
-P\left(X^t=e\oplus\mathbf{B}_k\right) \times P\left(S^t=k\right).$$
-
-According to the
-inductive hypothesis: $P\left(X^{n+1}=e\right)=\frac{1}{2^n} \sum_{k=1}^n
-P\left(S^t=k\right)$. The set of events $\left \{ S^t=k \right \}$ for $k \in
-\llbracket 1;n \rrbracket$ is a partition of the universe of possible, so
-$\sum_{k=1}^n P\left(S^t=k\right)=1$. Finally,
-$P\left(X^{t+1}=e\right)=\frac{1}{2^n}$, which leads to $X^{t+1} \sim
-\mathbf{U}\left(\mathbb{B}^n\right)$. This result is true for all $t \in
-\mathds{N}$ and then for $t=l$.
-
-Since $P(Y|K)$ is $P(X^l)$ that is proven to be equal to $P(X)$,
-we thus have established that,
-$$\forall K \in [0;1], P(Y|K)=P(X^{l})=P(X).$$
-So dhCI dissimulation with CIIS
-strategy-adapter is stego-secure.
-
-On the other hand, due to the definition of CIDS, we have \linebreak
-$P(Y=(1,1,\cdots,1)|K)=0$.
-%\JFC{Pourquoi? Justifier davantage là ou dans la def de CIDS}
-So there is no uniform repartition for the stego-contents $Y|K$.
-\end{proof}
-
+\section{Analyse de sécurité (chaos)}\label{sec:watermarking:security:chaos}
+On rappelle uniquement la définition de chaos-sécurité
+introduite dans~\cite{guyeuxphd}.
-To sum up, Alice and Bob can counteract Eve's attacks in WOA setup, when using
-dhCI dissimulation with CIIS strategy-adapter. To our best knowledge, this is
-the second time an information hiding scheme has been proven to be stego-secure:
-the former was the spread-spectrum technique in natural marking
-configuration with $\eta$ parameter equal to 1 \cite{Cayre2008}.
+\begin{definition}[Chaos-sécurité]
+\label{DefinitionChaosSecure}
+Un schéma de marquage $S$ est chaos-sécure sur un espace topologique
+$(\mathcal{X},\tau)$
+si sa version itérative
+a un comprtement chaotique sur celui-ci.
+\end{definition}
+Tout repose ainsi sur la capacité que l'on a à produire des fonctions
+dont le graphe des itérations unaires sera fortement connexe.
+Ceci a déjà été traité au chapitre~\ref{chap:carachaos}.
+La seule complexité est l'adaptabilité de la fonction au nombre $l$ de LSBs.
+
+On considère par exemple le mode
+$f_l: \Bool^l \rightarrow \Bool^l$ t.q. le $i^{\textrm{ème}}$ composant
+est défini par
+\begin{equation}
+{f_l}(x)_i =
+\left\{
+\begin{array}{l}
+\overline{x_i} \textrm{ si $i$ est impair} \\
+x_i \oplus x_{i-1} \textrm{ si $i$ est pair}
+\end{array}
+\right.
+\end{equation}\label{eq:fqq}
+
+on peut déduire imédiatement du théorème~\ref{th:Adrien} (chap.~\ref{chap:carachaos})
+que le graphe $\textsc{giu}(f_l)$ est fortement connexe.
+La preuve de double-stochasiticité de la matrice associée
+à $f_l$ est donnée en annexes~\ref{anx:marquage:dblesto}.
+On dispose ainsi d'un nouvel algorithme de marquage $\epsilon$-stego-secure et
+chaos-sécure.
+
+\section{Applications aux domaines fréquentiels}
+Le schéma d'algorithme présenté dans ce chapitre a été appliqué au marquage d'images
+dans les coefficients DCT et les DWT.
+
+\subsection{Fonction de signification pour l'embarquement dans les DCT}
+
+On considère un hôte $x$ de taille $H \times L$ dans le domaine fréqentiel DCT.
+Dans chaque bloc de taille $8\times 8$, à chaque bit
+la fonction de signification $u$ associe
+\begin{itemize}
+\item 1 si c'est un bit appraissant dans la représentation binaire de la valeur d'un coefficient dont les coordonnées appartiennent à $\{(1,1),(2,1),(1,2)\}$,
+\item 1 si c'est un bit appraissant dans la représentation binaire de la valeur
+ d'un coefficient dont les
+ coordonnées appartiennent à $\{(3,1),(2,2),(1,3)\}$ et qui n'est pas un des trois
+ bits de poids faible de cette représentation,
+\item -1 si c'est un bit appraissant dans la représentation binaire
+de la valeur d'un coefficient dont les
+ coordonnées appartiennent à $\{(3,1),(2,2),(1,3)\}$ et qui est un des
+ des trois bits de poids faible de cette valeur,
+\item 0 sinon.
+\end{itemize}
+Le choix de l'importance de chaque coefficient est défini grâce aux seuils
+$(m,M)=(-0.5,0.5)$
+permetant d'engendrer les MSBs, LSBs, et bits passifs.
+\subsection{Fonction de signification pour l'embarquement dans les DWT}
-\subsection{A new class of $\varepsilon$-stego-secure schemes}
+On considère un hôte dnas le domaine des DWT. La fonction de signification
+se concentre sur les seconds niveaux de détail (\textit{i.e.}, LH2, HL2 et HH2).
+Pour chaque bit, on dit qu'il est peu significatif si c'est un des trois bits de
+poids faible d'un coefficient de LH2, HL2 ou de HH2.
+Formellement à chaque bit
+la fonction de signification $u$ associe
-Let us prove that,
-\begin{theorem}\label{th:stego}
-Let $\epsilon$ be positive,
-$l$ be any size of LSCs,
-$X \sim \mathbf{U}\left(\mathbb{B}^l\right)$,
-$f_l$ be an image mode s.t.
-$\Gamma(f_l)$ is strongly connected and
-the Markov matrix associated to $f_l$
-is doubly stochastic.
-In the instantiated \emph{dhCI dissimulation} algorithm
-with any uniformly distributed (u.d.) strategy-adapter
-that is independent from $X$,
-there exists some positive natural number $q$ s.t.
-$|p(X^q)- p(X)| < \epsilon$.
-\end{theorem}
+\begin{itemize}
+\item 1 si c'est un bit appraissant dans la représentation binaire de la valeur d'un coefficient de type LL2,
+\item 1 si c'est un bit appraissant dans la représentation binaire de la valeur d'un coefficient de type LH2, HL2, HH2 et qui n'est pas un des trois
+ bits de poids faible de cette représentation,
+\item 1 si c'est un bit appraissant dans la représentation binaire de la valeur d'un coefficient de type LH2, HL2, HH2 et qui est un des trois
+ bits de poids faible de cette représentation,
+\item 0 sinon.
+\end{itemize}
+Le choix de l'importance de chaque coefficient est encore défini grâce aux seuils
+$(m,M)=(-0.5,0.5)$
+permetant d'engendrer les MSBs, LSBs, et bits passifs.
+
+
+\subsection{Etude de robustesse}
+Cette partie synthétise une étude de robustesse de la démarche présentée ci-avant.
+Dans ce qui suit, {dwt}(neg),
+{dwt}(fl), {dct}(neg), {dct}(fl)
+correpondent respectivement aux embarquements en fréquenciel
+dans les domaines DWT et DCT
+avec le mode de négation et celui issu de la fonction $f_l$
+détaillé à l'équation~\ref{eq:fqq}.
+
+A chaque série d'expériences, un ensemble de 50 images est choisi aléatoirement
+de la base du concours BOSS~\cite{Boss10}. Chaque hôte est une image
+en $512\times 512$ en niveau de gris et la marque $y$ est une suite de
+4096 bits.
+La resistance à la robustesse est évaluée en appliquant successivement
+sur l'image marquée des attaques de découpage, de compression, de
+transformations géométriques.
+Si les différences entre $\hat{y}$ and $\varphi_m(z)$.
+sont en desous d'un seuil(que l'on définit),
+l'image est dite marquée (et non marquée dans le cas contraire).
+Cette différence exprimée en pourcentage est rappellée pour chacune des ataques
+à la figure~\ref{fig:atq:dhc}.
-\begin{proof}
-Let $\textit{deci}$ be the bijection between $\Bool^{l}$ and
-$\llbracket 0, 2^l-1 \rrbracket$ that associates the decimal value
-of any binary number in $\Bool^{l}$.
-The probability $p(X^t) = (p(X^t= e_0),\dots,p(X^t= e_{2^l-1}))$ for $e_j \in \Bool^{l}$ is thus equal to
-$(p(\textit{deci}(X^t)= 0,\dots,p(\textit{deci}(X^t)= 2^l-1))$ further denoted by $\pi^t$.
-Let $i \in \llbracket 0, 2^l -1 \rrbracket$,
-the probability $p(\textit{deci}(X^{t+1})= i)$ is
-\[
- \sum\limits^{2^l-1}_{j=0}
-\sum\limits^{l}_{k=1}
-p(\textit{deci}(X^{t}) = j , S^t = k , i =_k j , f_k(j) = i_k )
-\]
-\noindent
-where $ i =_k j $ is true iff the binary representations of
-$i$ and $j$ may only differ for the $k$-th element,
-and where
-$i_k$ abusively denotes, in this proof, the $k$-th element of the binary representation of
-$i$.
-
-Next, due to the proposition's hypotheses on the strategy,
-$p(\textit{deci}(X^t) = j , S^t = k , i =_k j, f_k(j) = i_k )$ is equal to
-$\frac{1}{l}.p(\textit{deci}(X^t) = j , i =_k j, f_k(j) = i_k)$.
-Finally, since $i =_k j$ and $f_k(j) = i_k$ are constant during the
-iterative process and thus does not depend on $X^t$, we have
-\[
-\pi^{t+1}_i = \sum\limits^{2^l-1}_{j=0}
-\pi^t_j.\frac{1}{l}
-\sum\limits^{l}_{k=1}
-p(i =_k j, f_k(j) = i_k ).
-\]
+\begin{figure}[ht]
+ \centering
+ \subfigure[Découpage]{
+ \includegraphics[width=0.5\textwidth]{atq-dec}\label{Fig:atq:dec:curves}
+ }
+ \subfigure[Compression JPEG]{
+ \includegraphics[width=0.45\textwidth]{atq-jpg}\label{Fig:atq:jpg:curves}
+ }
+ \subfigure[Compression JPEG 2000]{
+ \includegraphics[width=0.45\textwidth]{atq-jp2}\label{Fig:atq:jp2:curves}
+ }
+ \subfigure[Modification du contrast]{
+ % \includegraphics[width=0.45\textwidth]{atq-contrast.pdf}\label{Fig:atq:cont:curve}}
+ \includegraphics[width=0.45\textwidth]{atq-contrast}\label{Fig:atq:cont:curve}
+ }
+ \subfigure[Accentuation des bords]{
+ % \includegraphics[width=0.45\textwidth]{atq-flou.pdf}\label{Fig:atq:sh:curve}}
+ \includegraphics[width=0.45\textwidth]{atq-flou}\label{Fig:atq:sh:curve}
+ }
+ \subfigure[Rotation]{
+ % \includegraphics[width=0.45\textwidth]{atq-rot.pdf}\label{Fig:atq:rot:curve}}
+ \includegraphics[width=0.45\textwidth]{atq-rot}\label{Fig:atq:rot:curve}
+ }
+\caption{Illustration de la robustesse}\label{fig:atq:dhc}
+\end{figure}
-Since
-$\frac{1}{l}
-\sum\limits^{l}_{k=1}
-p(i =_k j, f_k(j) = i_k )
-$ is equal to $M_{ji}$ where $M$ is the Markov matrix associated to
- $f_l$ we thus have
-\[
-\pi^{t+1}_i = \sum\limits^{2^l-1}_{j=0}
-\pi^t_j. M_{ji} \textrm{ and thus }
-\pi^{t+1} = \pi^{t} M.
-\]
-% The calculus of $p(X^{t+1} = e)$ is thus equal to
-% $\pi^{t+1}_i$.
-
-First of all,
-since the graph $\Gamma(f)$ is strongly connected,
-then for all vertices $i$ and $j$, a path can
-be found to reach $j$ from $i$ in at most $2^l$ steps.
-There exists thus $k_{ij} \in \llbracket 1, 2^l \rrbracket$ s.t.
-${M}_{ij}^{k_{ij}}>0$.
-As all the multiples $l \times k_{ij}$ of $k_{ij}$ are such that
-${M}_{ij}^{l\times k_{ij}}>0$,
-we can conclude that, if
-$k$ is the least common multiple of $\{k_{ij} \big/ i,j \in \llbracket 1, 2^l \rrbracket \}$ thus
-$\forall i,j \in \llbracket 1, 2^l \rrbracket, {M}_{ij}^{k}>0$ and thus
-$M$ is a regular stochastic matrix.
-
-
-Let us now recall the following stochastic matrix theorem:
-\begin{theorem}[Stochastic Matrix]
- If $M$ is a regular stochastic matrix, then $M$
- has an unique stationary probability vector $\pi$. Moreover,
- if $\pi^0$ is any initial probability vector and
- $\pi^{t+1} = \pi^t.M $ for $t = 0, 1,\dots$ then the Markov chain $\pi^t$
- converges to $\pi$ as $t$ tends to infinity.
-\end{theorem}
+\subsection{Evaluation de l'embarquement}\label{sub:roc}
+Pour évaluer le seuil qui permet de dire avec la plus grande précision
+si une image est marquée ou non, nous avons appliqué la démarche suivante.
+A partir d'un ensemble de 100 images du challenge BOSS, les trois
+ensembles suivants sont construits: celui des images marquées $W$,
+celui contenant des imges marquées puis attaquée $\textit{WA}$,
+et celui des images uniquement attaquées $A$. Les attaques sont choisiés parmi
+celles données ci dessus.
-Thanks to this theorem, $M$
-has an unique stationary probability vector $\pi$.
-By hypothesis, since $M$ is doubly stochastic we have
-$(\frac{1}{2^l},\dots,\frac{1}{2^l}) = (\frac{1}{2^l},\dots,\frac{1}{2^l})M$
-and thus $\pi = (\frac{1}{2^l},\dots,\frac{1}{2^l})$.
-Due to the matrix theorem, there exists some
-$q$ s.t.
-$|\pi^q- \pi| < \epsilon$
-and the proof is established.
-Since $p(Y| K)$ is $p(X^q)$ the method is then $\epsilon$-stego-secure
-provided the strategy-adapter is uniformly distributed.
- \end{proof}
+Pour chaque entier $t$ entre 5 et 55
+et chaque image $x \in \textit{WA} \cup A$,
+on calcule la différence entre $\hat{y}$ et $\varphi_m(z)$.
+L'image est dite marquée si cette différence est en dessous du seuil $t$ considéré
+\begin{itemize}
+\item si elle est dite marquée et si $x$ appartient à $\textit{WA}$
+ c'est un vrai cas positif (TP);
+\item si elle est dite non marquée et si $x$ appartient cependant à $\textit{WA}$
+ c'est un faux cas négatif (FN);
+\item si elle est dite marquée et si $x$ appartient cependant à $\textit{A}$
+ c'est un faux cas positif (FP);
+\item enfin si elle est dite non marquée et si $x$ appartient à $\textit{A}$
+ c'est un vrai cas négatif (TN).
+\end{itemize}
-This section has focused on security with regards to probabilistic behaviors.
-Next section studies it in the perspective of topological ones.
+\begin{figure}[ht]
+\begin{center}
+\includegraphics[width=7cm]{ROC}
+\end{center}
+\caption{Courbes ROC de seuils de détection}\label{fig:roc:dwt}
+\end{figure}
+La courbe ROC construite à partir des points de coordonnées (TP,FP) issus
+de ces seuils est
+donnée à la figure~\ref{fig:roc:dwt}.
+Pour la fonction $f_l$ et pour la fonction négation respectivement,
+la détection est optimale pour le seuil de 45\% correspondant au point (0.01, 0.88)
+et pour le seuil de 46\% correspondant au point (0.04, 0.85)
+dans le domaine DWT.
+Pour les deux modes dans le domaine DCT,
+la détection est optimale pour le seuil de 44\%
+(correspondant aux points (0.05, 0.18) et (0.05, 0.28)).
+On peut alors donner des intervales de confiance pour les attaques évaluées.
+L'approche est résistante à:
+\begin{itemize}
+\item tous les découpages où le pourcentage est inférieur à 85\%;
+\item les compression dont le ratio est supérieur à 82\% dans le domaine
+ DWT et 67\% dans celui des DCT;
+\item les modifications du contraste lorsque le renforcement est dans
+ $[0.76,1.2]$ dans le domaine DWT et $[0.96,1.05]$ dans le domaine DCT;
+\item toutes les rotations dont l'angle est inférieur à 20 degrés dans le domaine DCT et
+ celles dont l'angle est inférieur à 13 degrés dans le domaine DWT.
+\end{itemize}
-%\subsection{Security in KMA, KOA and CMA setups}
-%\input{KMOA.tex}
