On the Possible Detectability of Image-in-Image Steganography

Diese Arbeit zeigt, dass Bild-in-Bild-Steganografie aufgrund ihrer charakteristischen Mischprozesse, die sich mittels unabhängiger Komponentenanalyse und Momentenanalyse leicht identifizieren lassen, eine hohe Anfälligkeit für Entdeckung aufweist und mit vorgeschlagenen sowie klassischen Methoden eine sehr hohe Detektionsgenauigkeit erreicht wird.

Das Wesentliche

Hier ist eine einfache Erklärung der wissenschaftlichen Arbeit, als würden wir sie beim Kaffee besprechen, ohne Fachjargon.

Das große Bild: Bilder in Bildern verstecken

Stell dir vor, du hast ein harmloses Foto (das „Cover-Bild"), zum Beispiel von einem Sonnenuntergang. Ein Hacker möchte nun ein geheimes Bild (das „Payload", also die Botschaft) darin verstecken. Aber nicht nur ein paar Buchstaben, sondern ein ganzes zweites Bild, das genauso groß ist wie das erste.

Das ist wie der Versuch, einen ganzen Ozean in eine einzige Teetasse zu pressen. Um das zu schaffen, nutzen moderne Methoden sogenannte „invertierbare neuronale Netze" (INN). Das sind spezielle KI-Modelle, die das Geheimbild so in das Sonnenuntergangs-Bild mischen, dass man es später wieder herauslösen kann – wie ein magischer Zaubertrick.

Die Autoren dieser Studie (Antoine Mallet und Patrick Bas) fragen sich: Ist dieser Zaubertrick wirklich unsichtbar? Oder kann ein Detektiv (ein „Steganalyst") das verraten?

Die Entdeckung: Der „Fingerabdruck" der Mischung

Die Forscher haben herausgefunden, dass diese Mischung nicht so sauber ist, wie die Erfinder hoffen.

Die Analogie: Der verräterische Cocktail
Stell dir vor, du mischst Orangensaft (Cover) und Apfelsaft (Geheimbild) zusammen. Ein guter Mixologe würde sagen: „Das ist jetzt einfach nur ein neuer Saft." Aber die Forscher sagen: „Nein, wenn man genau hinschaut, sieht man, dass sich die Moleküle nicht perfekt vermischt haben."

In der digitalen Welt passiert Folgendes:

1. Das Zerlegen: Die Forscher nehmen das verdächtige Bild und zerlegen es in seine Bausteine (ähnlich wie man ein Bild in verschiedene Frequenzen oder Schichten aufteilt, genannt „Wavelets").
2. Das Trennen: Sie nutzen eine mathematische Methode namens ICA (Unabhängige Komponenten-Analyse). Stell dir das wie einen sehr geschickten Detektiv vor, der in einem lauten Raum (dem Bild) zwei verschiedene Stimmen (Cover und Geheimbild) voneinander trennen kann, obwohl sie gleichzeitig sprechen.
3. Der Befund: Das Ergebnis ist, dass man die beiden Bilder fast wieder getrennt sehen kann. Das verrät, dass etwas passiert ist.

Die neue Detektiv-Methode: Der statistische Fingerabdruck

Wie beweist man nun, dass hier etwas versteckt ist, ohne das Geheimbild zu kennen?

Die Autoren haben einen cleveren, einfachen Trick entwickelt:

• Sie nehmen die getrennten „Stimmen" (die unabhängigen Komponenten).
• Sie schauen sich nicht den Inhalt an, sondern die Statistik dieser Daten.
• Sie messen vier Dinge für jede Komponente:
  1. Der Durchschnitt (Wie hell ist es im Mittel?)
  2. Die Streuung (Wie sehr schwankt es?)
  3. Die Schiefe (Ist die Verteilung schief?)
  4. Die Wölbung (Wie spitze ist die Verteilung?)

Die Analogie:
Stell dir vor, du hast zwei Haufen Sand.

• Haufen A ist reiner, natürlicher Sand (das normale Bild).
• Haufen B ist Sand, in den jemand winzige, unsichtbare Glasperlen gemischt hat (das versteckte Bild).
  Wenn du nur den Sand ansiehst, siehst du keinen Unterschied. Aber wenn du die Gewichtsverteilung der Körner genau analysierst (die Statistik), fällt dir auf: Haufen B hat eine seltsame Verteilung, weil die Glasperlen anders sind als Sandkörner.

Die Forscher haben genau das gemacht. Sie haben diese vier statistischen Werte als „Fingerabdruck" genommen und einem Computer (einem SVM-Klassifikator) beigebracht, den Unterschied zu erkennen.

Die Ergebnisse: Ein Schock für die Sicherheit

Die Ergebnisse waren eindeutig und beunruhigend für die Erfinder dieser Versteck-Methoden:

1. Die neue Methode funktioniert: Mit nur diesen acht statistischen Werten (die vier Werte für zwei getrennte Komponenten) konnte der Computer in bis zu 84,6 % der Fälle erkennen, ob ein Bild versteckte Informationen enthielt. Das ist für eine so einfache Methode sehr beeindruckend.
2. Die alte Methode ist noch besser: Als die Forscher die Bilder mit klassischen, sehr komplexen Detektionsmethoden (SRM) prüften, lag die Trefferquote bei über 99 %. Das bedeutet: Diese Bilder-in-Bildern-Verstecke sind extrem leicht zu entlarven.

Warum ist das so? (Das große Problem)

Die Studie zeigt zwei Hauptfehler in diesen modernen Versteck-Methoden:

• Kein Schlüssel: Bei echten Geheimnissen brauchst du einen Schlüssel, um sie zu öffnen. Diese KI-Modelle haben aber oft keinen geheimen Schlüssel. Jeder, der das Modell kennt, kann das Geheimbild einfach herauslösen. Das ist wie ein Safe, bei dem die Tür offen steht, solange man weiß, wie der Mechanismus funktioniert.
• Die Mischung ist zu offensichtlich: Die Art und Weise, wie die KI das Geheimbild in das Cover-Bild presst, hinterlässt mathematische Spuren, die sich nicht einfach wegzaubern lassen. Es ist, als würde man versuchen, Tinte in Wasser zu verstecken, aber die Tinte verändert die Oberflächenspannung des Wassers so, dass man es sofort sieht.

Fazit

Die Botschaft der Autoren ist klar: Aktuelle Methoden, ganze Bilder in anderen Bildern zu verstecken, sind nicht sicher. Sie sind wie ein durchsichtiger Briefumschlag, auf dem mit unsichtbarer Tinte geschrieben steht: „Hier ist ein Geheimnis!"

Die Forscher hoffen, dass diese Entdeckung dazu führt, dass zukünftige Entwickler sicherere Systeme bauen – vielleicht mit echten Schlüsseln und besseren Methoden, die keine statistischen Fingerabdrücke hinterlassen. Bis dahin sind diese Bilder-in-Bildern-Verstecke für jeden gut ausgebildeten Detektiv leicht zu knacken.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des Papers „ON THE POSSIBLE DETECTABILITY OF IMAGE-IN-IMAGE STEGANOGRAPHY" von Antoine Mallet und Patrick Bas auf Deutsch:

1. Problemstellung

Das Paper untersucht die Sicherheit und Detektierbarkeit von Bild-in-Bild-Steganographie (Image-in-Image Steganography). Im Gegensatz zu klassischer Steganographie, bei der eine kleine Bitfolge in ein Trägerbild eingebettet wird, zielt dieses Paradigma darauf ab, ein ganzes Bild (Payload) in ein anderes Bild gleicher Größe (Cover) zu verstecken. Dies führt zu extrem hohen Einbettungsraten.

Die Autoren konzentrieren sich insbesondere auf moderne Ansätze, die auf invertierbaren neuronalen Netzen (INNs) basieren (z. B. HiNet, PRIS, DeepMIH). Ein zentrales Sicherheitsproblem, das identifiziert wird, ist die oft fehlende Verwendung eines geheimen Schlüssels (Keyless Extraction). Viele dieser Modelle sind so konstruiert, dass das versteckte Bild auch ohne Schlüssel oder mit einem Null-Vektor als Rauschen rekonstruiert werden kann. Die Frage ist, ob diese hochkapazitiven Schemata statistisch von einem Angreifer (Steganalyst) erkannt werden können.

2. Methodik

Die vorgeschlagene Steganalyse-Methode ist neuartig, interpretierbar und basiert auf einer Kombination aus Signalverarbeitung und statistischer Analyse. Der Ablauf lässt sich in folgende Schritte unterteilen:

• Diskrete Wavelet-Transformation (DWT): Das Eingabebild wird in verschiedene Frequenzbänder zerlegt (LL, LH, HL, HH). Die Analyse zeigt, dass die Einbettungsänderungen durch INNs nicht zufällig sind, sondern signifikante Informationen aus den niedrigen Frequenzbändern des Payload-Bildes tragen.
• Hauptkomponentenanalyse (PCA): Um die relevantesten Signale für die Trennung zu isolieren, wird eine PCA auf die 12 Wavelet-Sub-Bänder (4 pro Farbkanal) angewendet.
  • Hypothese: Die dominanten PCA-Komponenten repräsentieren den Inhalt des Cover-Bildes.
  • Hypothese: Die weniger signifikanten (kleinen) PCA-Komponenten enthalten die durch die Einbettung eingeführten Modifikationen (das Payload).
  • Ergebnis: Die Autoren zeigen, dass die Verwendung der kleinsten PCA-Komponenten (z. B. Komponenten 9 und 11) für die nachfolgende Trennung effektiver ist als die Verwendung aller Komponenten.
• Unabhängigkeitskomponentenanalyse (ICA): Auf den ausgewählten PCA-Komponenten wird eine ICA (speziell der FastICA-Algorithmus) angewendet. Da das Stego-Bild als lineare Mischung von Cover- und Payload-Signalen betrachtet werden kann, ermöglicht die ICA die Blind Source Separation (Trennung der Quellen).
  • Das Ziel ist es, zwei unabhängige Komponenten ($c_1, c_2$) zu extrahieren, die semantisch dem Cover- und dem Payload-Bild entsprechen.
• Merkmalsextraktion: Anstatt komplexe Deep-Learning-Modelle zu trainieren, werden einfache statistische Momente der Koeffizientenverteilungen der extrahierten unabhängigen Komponenten berechnet:
  • Mittelwert ($\mu$)
  • Standardabweichung ($\sigma$)
  • Schiefe ($\gamma$)
  • Kurtosis ($\kappa$)
  • Dies ergibt einen 8-dimensionalen Merkmalsvektor (4 Momente $\times$ 2 Komponenten).
• Klassifikation: Ein Support Vector Machine (SVM) mit RBF-Kernel wird auf diesen Merkmalsvektor trainiert, um zwischen Cover- und Stego-Bildern zu unterscheiden.

3. Wichtige Beiträge

• Nachweis des Mischprozesses: Die Autoren zeigen, dass INN-basierte Steganographie einen Mischprozess erzeugt, der durch ICA identifizierbar ist. Die Einbettungsänderungen sind stark mit den niedrigen Frequenzbändern des Payloads korreliert.
• Interpretierbare Steganalyse: Im Gegensatz zu „Black-Box"-Ansätzen bietet die vorgeschlagene Methode eine hohe Interpretierbarkeit. Sie nutzt die physikalische Eigenschaft der Signalzerlegung (Wavelets) und statistische Eigenschaften (Momente), um die Unterscheidung zu treffen.
• Schwachstelle bei schlüssellosen Systemen: Das Paper unterstreicht, dass die Abwesenheit eines geheimen Schlüssels in vielen INN-Architekturen (z. B. HiNet) eine massive Sicherheitslücke darstellt, da die Architektur selbst die Entschlüsselung ermöglicht.
• Vergleich mit klassischen Methoden: Es wird gezeigt, dass selbst klassische Steganalyse-Methoden (SRM + SVM) diese Schemata extrem gut erkennen können.

4. Ergebnisse

Die Experimente wurden auf fünf verschiedenen Bild-in-Bild-Steganographie-Modellen durchgeführt (HiNet, PRIS, DeepMIH, Baluja, Weng et al.) unter Verwendung des COCO-Datensatzes.

• Leistung der vorgeschlagenen Methode:
  • Die Methode erreicht hohe Genauigkeiten bei INN-basierten Schemata.
  • PRIS: 84,62 % Genauigkeit.
  • HiNet: 80,31 % Genauigkeit.
  • DeepMIH: 82,58 % Genauigkeit.
  • Bei nicht-INN-Methoden (die Pixel direkt verarbeiten) sind die Ergebnisse niedriger (z. B. Baluja: 61,83 %), was die Spezifität der Methode für Wavelet-basierte Mischungen unterstreicht.
• Leistung klassischer Steganalyse (SRM + SVM):
  • Die klassischen Methoden sind noch effektiver und erreichen bei INN-basierten Modellen über 99 % Genauigkeit (z. B. HiNet: 99,02 %, PRIS: 99,96 %).
  • Dies beweist, dass diese Steganographie-Schemata für moderne Steganalysten extrem anfällig sind.

5. Bedeutung und Fazit

Das Paper liefert einen starken Beweis dafür, dass aktuelle Bild-in-Bild-Steganographie-Schemata, insbesondere die auf INNs basierenden, hochgradig unsicher sind.

• Vulnerabilität: Die Kombination aus fehlenden Schlüsseln und der Art und Weise, wie die Signale gemischt werden, macht sie sowohl für spezialisierte (ICA-basierte) als auch für allgemeine (SRM-basierte) Angriffe leicht detektierbar.
• Zukünftige Richtungen: Die Autoren fordern die Entwicklung sichererer Schemata. Als erste Schritte werden die Einführung eines geheimen Schlüssels in den Einbettungs- und Extraktionsprozess sowie die Optimierung der Modelle unter Berücksichtigung von Detektierbarkeitsmetriken vorgeschlagen.

Zusammenfassend demonstriert die Arbeit, dass die hohe Kapazität dieser neuen Steganographie-Methoden derzeit auf Kosten der Sicherheit geht und dass einfache, interpretierbare statistische Methoden ausreichen, um sie zu brechen.