• 방송공학회논문지
• /
• 제24권2호
• /
• pp.315-328
• /
• 2019

영상 스테그아날리시스는 입력 영상을 스테가노그래피 알고리즘이 적용된 스테고 영상과 스테가노그래피 알고리즘이 적용되지 않은 커버 영상으로 분류하는 알고리즘이다. 기존에는 주로 수제 특징 기반의 스테그아날리시스를 연구하였다. 하지만 CNN 기반의 물체 인식이 큰 성과를 이루면서 최근 CNN 기반의 스테그아날리시스가 활발히 연구되고 있다. CNN 기반의 스테그아날리시스는 물체 인식과는 달리 커버 영상과 스테고 영상의 미세한 차이를 식별하기 위해서 전처리 필터를 필요로 한다. 그러므로, CNN 기반의 스테그아날리시스 연구들은 효과적인 전처리 필터와 네트워크 구조를 개발하는 데 초점을 두고 있다. 본 논문에서는 동일한 실험 조건에서 기존 연구들을 비교하고, 그 결과를 기반으로 전처리 필터와 네트워크 구조적인 차이에 의한 성능 변화를 분석한다.

• 한국멀티미디어학회논문지
• /
• 제24권4호
• /
• pp.550-557
• /
• 2021

Image steganalysis is a technique for detecting images with steganographic algorithms applied, called stego images. With state-of-the-art CNN-based steganalysis methods, we can detect stego images with high accuracy, but it is not possible to know which steganographic algorithm is used. Identifying stego images is essential for extracting embedded data. In this paper, as the first step for extracting data from stego images, we propose a hierarchical CNN structure for senary classification of steganographic algorithms. The hierarchical CNN structure consists of multiple CNN networks which are trained to classify each steganographic algorithm and performs binary or ternary classification. Thus, it classifies multiple steganogrphic algorithms hierarchically and stepwise, rather than classifying them at the same time. In experiments of comparing with several conventional methods, including those of classifying multiple steganographic algorithms at the same time, it is verified that using the hierarchical CNN structure can greatly improve the classification accuracy.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.249-251
• /
• 2019

본 논문에서는 CNN 기반 스테그아날리스 방법을 이용하여 입력 영상에 비밀 메시지가 삽입되었는지를 판별하고, 비밀 메시지가 삽입되었을 경우 WOW 와 UNIWARD 방법 중에 어떤 방법으로 삽입되었는지를 분류하고자 한다. 이를 위해 입력 영상으로부터 특징 정보를 추출하기 위해 사용되는 전처리(prepropcessing) 필터의 수가 분류 성능에 미치는 영향에 대해 분석한다. SRM 필터를 사용한 실험에서 필터의 수를 단순히 증가시키는 것은 성능 향상이 도움이 되지 않으며, 효과적인 필터를 선별해서 사용하는 것이 보다 우수한 성능을 가짐을 확인하였다.