Steganalisis Blind dengan Metode Convolutional Neural Network (CNN) Yedroudj- Net terhadap Tools Steganografi
DOI:
https://doi.org/10.25126/jtiik.2020703326Abstrak
Steganalisis digunakan untuk mendeteksi ada atau tidaknya file steganografi. Salah satu kategori steganalisis adalah blind steganalisis, yaitu cara untuk mendeteksi file rahasia tanpa mengetahui metode steganografi apa yang digunakan. Sebuah penelitian mengusulkan bahwa metode Convolutional Neural Networks (CNN) dapat mendeteksi file steganografi menggunakan metode terbaru dengan nilai probabilitas kesalahan rendah dibandingkan metode lain, yaitu CNN Yedroudj-net. Sebagai metode steganalisis Machine Learning terbaru, diperlukan eksperimen untuk mengetahui apakah Yedroudj-net dapat menjadi steganalisis untuk keluaran dari tools steganografi yang biasa digunakan. Mengetahui kinerja CNN Yedroudj-net sangat penting, untuk mengukur tingkat kemampuannya dalam hal steganalisis dari beberapa tools. Apalagi sejauh ini, kinerja Machine Learning masih diragukan dalam blind steganalisis. Ditambah beberapa penelitian sebelumnya hanya berfokus pada metode tertentu untuk membuktikan kinerja teknik yang diusulkan, termasuk Yedroudj-net. Penelitian ini akan menggunakan lima alat yang cukup baik dalam hal steganografi, yaitu Hide In Picture (HIP), OpenStego, SilentEye, Steg dan S-Tools, yang tidak diketahui secara pasti metode steganografi apa yang digunakan pada alat tersebut. Metode Yedroudj-net akan diimplementasikan dalam file steganografi dari output lima alat. Kemudian perbandingan dengan tools steganalisis lain, yaitu StegSpy. Hasil penelitian menunjukkan bahwa Yedroudj-net bisa mendeteksi keberadaan file steganografi. Namun, jika dibandingkan dengan StegSpy hasil gambar yang tidak terdeteksi lebih tinggi.
Abstract
Steganalysis is used to detect the presence or absence of steganograpy files. One category of steganalysis is blind steganalysis, which is a way to detect secret files without knowing what steganography method is used. A study proposes that the Convolutional Neural Networks (CNN) method can detect steganographic files using the latest method with a low error probability value compared to other methods, namely CNN Yedroudj-net. As the latest Machine Learning steganalysis method, an experiment is needed to find out whether Yedroudj-net can be a steganalysis for the output of commonly used steganography tools. Knowing the performance of CNN Yedroudj-net is very important, to measure the level of ability in terms of steganalysis from several tools. Especially so far, Machine Learning performance is still doubtful in blind steganalysis. Plus some previous research only focused on certain methods to prove the performance of the proposed technique, including Yedroudj-net. This research will use five tools that are good enough in terms of steganography, namely Hide In Picture (HIP), OpenStego, SilentEye, Steg and S-Tools, which is not known exactly what steganography methods are used on the tool. The Yedroudj-net method will be implemented in a steganographic file from the output of five tools. Then compare with other steganalysis tools, namely StegSpy. The results showed that Yedroudj-net could detect the presence of steganographic files. However, when compared with StegSpy the results of undetected images are higher.
Downloads
Referensi
ANUPAMA K. INGALE, NAGARAJ V.DHARWADKAR, P.K., 2016. Universal Steganalysis Using DWT and Entropy Features. International Conference on Signal and Information Processing (IConSIP), pp.1–5.
CHEDDAD, A., CONDELL, J., CURRAN, K. and MCKEVITT, P., 2012. A Comparative Analysis of Steganographic Tools. School of Computing and Intelligent Systems, pp.29–37.
CHEN, W., 2005. Study of Steganalysis Methods. A Thesis Submitted to the Faculty of New Jersey Institute of Technology in Partial Fulfillment of the Requirements for the Degree of Master of Science in Electrical Engineering.
CHOUDHARY, K., 2012. Image Steganography and Global Terrorism. IOSR Journal of Computer Engineering, 1(2), pp.34–48.
COUCHOT, J.-F., COUTURIER, R., GUYEUX, C. and SALOMON, M., 2016. Steganalysis via a Convolutional Neural Network using Large Convolution Filters for Embedding Process with Same Stego Key. [online] pp.1–24. Available at: <http://arxiv.org/abs/
07946>.
GE, H., HUANG, M. AND WANG, Q., 2011. Steganography and steganalysis based on digital image. Proceedings - 4th International Congress on Image and Signal Processing, CISP 2011, 1, pp.252–255.
GOLJAN, M., 2018. Blind detection of image rotation and angle estimation. IS and T International Symposium on Electronic Imaging Science and Technology, pp.1–10.
HAMID, N., YAHYA, A., AHMAD, R.B., NAJIM, D., KANAAN, L. AND PERLIS, K., 2013. Steganography in image files : A survey. 7(1), pp.35–55.
HIDAYAT, W., 2011. Mendeteksi Keberadaan Pesan Tersembunyi dalam Citra Digital dengan Blind Steganalysis. (Desember), pp.77–81.
KARAMPIDIS, K., KAVALLIERATOU, E. and PAPADOURAKIS, G., 2018. A review of image steganalysis techniques for digital forensics. Journal of Information Security and Applications, [online] 40, pp.217–235. Available at: <https://doi.org/10.1016/j.jisa.2018.04.005>.
KUNJIR, S.M., PATIL, S.D., JABEEN, S., BHOSALE, S. V and COLLEGE, D.Y.P.A.C.S., 2016. Review On Stenography Tools. International Research Journal of Engineering and Technology (IRJET), 03(10), pp.1223–1225.
PAMUNGKAS, F.G., HIDAYAT, B. and ANDINI, N., 2017. Implementasi Teknik Steganalisis Menggunakan Metode Improvement Difference Image Histogram. pp.1–7.
PIPKORN, D. and WEISBROT, P., 2012. Steganography - The Hidden Message. (Cs 534).
RANJAN, R. AND FORENSICS, C., 2016. Jpeg Image Steganalysis Using Machine. 14(2), pp.96–99.
SAJEDI, H., 2016. Steganalysis based on steganography pattern discovery. Journal of Information Security and Applications, [online] 30, pp.3–14. Available at: <http://dx.doi.org/10.1016/j.jisa.2016.04.001>.
SAMANTA, S., DUTTA, S. and SANYAL, G., 2016. A real time text steganalysis by using statistical method. Proceedings of 2nd IEEE International Conference on Engineering and Technology, ICETECH 2016, (March), pp.264–268.
TSANG, C.F. and FRIDRICH, J., 2018. Steganalyzing images of arbitrary size with CNNs. IS and T International Symposium on Electronic Imaging Science and Technology, pp.1–8.
XU, G., WU, H.Z. and SHI, Y.Q., 2016. Structural design of convolutional neural networks for steganalysis. IEEE Signal Processing Letters, 23(5), pp.708–712.
YE, J., NI, J. and YI, Y., 2017. Deep Learning Hierarchical Representations for Image Steganalysis. IEEE Transactions on Information Forensics and Security, 12(11), pp.2545–2557.
YEDROUDJ, M., COMBY, F., CHAUMONT, M., 2018. Yedrouj-Net : An efficient CNN for spatial steganalysis To cite this version : HAL Id : lirmm-01717550.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
