Cálculo de la dispersión de píxeles en imágenes RGB para Esteganografía con base en la Teoría Fractal

• Autores: Héctor Ignacio Caballero Hernández
• Directores de la Tesis: Vianney Muñoz Jiménez (dir. tes.), Marco A. Ramos Corchado (codir. tes.), Marcelo Romero Huertas (codir. tes.)
• Lectura: En la Universidad Autónoma del Estado de México ( México ) en 2020
• Idioma: español
• Enlaces
  • Tesis en acceso abierto en: hdl.handle.net
• Resumen
  • español

    La esteganografía es una rama de las ciencias computacionales que estudia cómo transportar la información de forma oculta en objetos digitales llamados objetos portadores, tales como imágenes, vídeo, audio, entre otros. En la actualidad, los métodos de esteganografía modifican los componentes que forman la secuencia de datos en los objetos portadores desde una perspectiva espacial, frecuencial o la combinación espacial-frecuencial, con la finalidad de crear patrones que permitan incrustar mensajes como texto o incluso imágenes dentro de dichos objetos.

    La presente tesis aborda una nueva perspectiva sobre el transporte de información oculta en imágenes digitales con modelo de color RGB (Red Blue Green, por sus siglas en inglés) sin pérdida de información por compresión. El eje central de la investigación es presentar la combinación de esquemas de incrustación espacial y frecuencial para obtener altas cargas de datos incrustados, sin pérdida de datos al momento de recuperar la información, con la finalidad de proponer un método viable para esteganografía que destaque por su versatilidad para incrustar cualquier tipo de objeto digital, con estego-imágenes sin aparentes distorsiones visuales, y al mismo tiempo proveer un esquema de aseguramiento en la información para no comprometer el mensaje oculto.

    El método de esteganografía propuesto, denominado como VVRSM (Virtual Variable Redistribution Steganographic Method), presenta cuatro partes importantes. La primera parte se enfoca en el tratamiento del mensaje a incrustar, el cual sin importar que tipo de mensaje digital sea, es tratado como una cadena de texto mediante compresión por el algoritmo LZW (Lempel-Ziv-Welch, por sus siglas en inglés) y la técnica de codificación base 64. El mensaje que ha sido representado en base 64 es trasformado por un algoritmo espacial, el cual es de desarrollo propio, y aprovecha la dimensión fraccionaria para la generación de vectores variables encargados de distribuir de forma aleatoria los símbolos del alfabeto de la base en la cual esta codificado el mensaje. La codificación por vectores fractales incrementa la seguridad del mensaje incrustado.

    La segunda parte del método genera una redistribución virtual sobre la imagen de portada (receptora del mensaje) y permite cambiar la ubicación espacial de los píxeles, el resultado de la distribución espacial es una nueva imagen denominada como intermedia, y es la receptora del mensaje codificado, al finalizar la incrustación del mensaje los píxeles son nuevamente ubicados en su posición original. La tercera parte incrusta las reglas de recuperación del mensaje y el proceso inverso de la imagen intermedia. La cuarta parte aplica una máscara para eliminar los patrones de incrustación y logra disminuir la detección por estegoanálisis.

    Los resultados obtenidos en la base experimental permiten cumplir con los objetivos inicialmente planteados, desde el punto de vista de alta incrustación de datos, logrando cargas de datos superiores a 6 bpp, y evasión de estegoanálisis con cargas cercanas a 1.7 bpp, sin distorsiones en las estegoimágenes y sin pérdida de información al momento de recuperar el mensaje original. Las estegoimágenes son evaluadas por métricas de calidad, tales como: PSNR (Peak Signal Noise to Ratio), SNR (Signal Noise Ratio), MSE (Mean Square Error ), SSIM (Structural Similarity Index Metric), CC (Cross Correlation), entre otras.

  • English

    Steganography is a branch of Computer Science that studies how to transport information hidden in digital objects called cover objects, such as images, video and audio. Steganography algorithms modify the components that make up the data sequence in cover objects from a spatial, frequency or spatial-frequency combination, to create patterns that allow embedding messages like a text or even images within of such objects.

    The present thesis addresses a new perspective on the transport of hidden information in digital images with RGB (Red Blue Green) color model with a format without loss of data by compression.

    The central axis of the research is to present the combination of spatial and frequency embedding schemes to obtain high loads of embedded data. Further, without loss of data when retrieving information to propose a viable method for steganography that stands out for its versatility to embed any digital object. The new method preserves the high quality in the stego-images, and at the same time to provide an assurance scheme in the information so as not to compromise the hidden message.

    The proposed steganography method, called VVRSM (Virtual Variable Redistribution Steganographic Method), has four essential parts. The first part is focused on the treatment of the message to be embedded, which, regardless of what type of digital message it is, is treated as a text string through compression by the LZW (Lempel-Ziv-Welch) algorithm and base 64 encoding technique.

    The message in base 64 is transformed by a spatial algorithm which is its development, which takes advantage of the fractional dimension for the generation of variable vectors in charge of randomly distributing the symbols of the base alphabet in which the message is encrypted. Encoding by fractal vectors increases the security of the embedded message.

    The second method part consists of generating a virtual redistribution on the cover image (receiver of the message) which allows changing the spatial location of the pixels, the result of the spatial distribution is a new image called as intermediate. The intermediate image receives the encoded message, and at the end of embedding the message, the pixels are then placing in its original position. The third part consists of embedding the message retrieval rules and the inverse process of the intermediate image. The fourth part consists of applying a mask to eliminate insert patterns and achieve a decrease by detection of steganalysis.

    The results obtained on the experimental basis allow to know the objectives initially set, from high data embedding, achieving data loads greater than 6.0 bpp, and evasion of steganalysis with close loads 1.7 bpp, without distortions in the stego-images and without loss of information when recovering the original message. The stego-images are evaluated by quality metrics, such as: PSNR (Peak Signal Noise to Ratio), SNR (Signal Noise Ratio), MSE (Mean Square Error ), SSIM (Structural Similarity Index Metric), CC (Cross Correlation), among others.