Exploiting Adversarial Embeddings for Better Steganography

Bernard, Solène; Pevný, Tomáš; Bas, Patrick; Klein, John

Type de document :

Communication dans un congrès avec actes

DOI :

10.1145/3335203.3335737

Titre :

Exploiting Adversarial Embeddings for Better Steganography

Auteur(s) :

Bernard, Solène [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Pevný, Tomáš [Auteur]
Czech Technical University in Prague [CTU]
Bas, Patrick [Auteur]

Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Klein, John [Auteur]

Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

Titre de la manifestation scientifique :

IH-MMSec

Ville :

Paris

Pays :

France

Date de début de la manifestation scientifique :

2019-07-03

Titre de la revue :

IH&MMSec'19 Proceedings of the ACM Workshop on Information Hiding and Multimedia Security

Mot(s)-clé(s) en anglais :

steganography
adversarial attacks
security
game-theory

Discipline(s) HAL :

Sciences de l'ingénieur [physics]/Traitement du signal et de l'image [eess.SP]

Résumé en anglais : [en]

This work proposes a protocol to iteratively build a distortion function for adaptive steganography while increasing its practical security after each iteration. It relies on prior art on targeted attacks and iterative ...
Lire la suite >This work proposes a protocol to iteratively build a distortion function for adaptive steganography while increasing its practical security after each iteration. It relies on prior art on targeted attacks and iterative design of steganalysis schemes. It combines targeted attacks on a given detector with a min max strategy, which dynamically selects the most difficult stego content associated with the best classifier at each iteration. We theoretically prove the convergence, which is confirmed by the practical results. Applied on J-Uniward this new protocol increases P err from 7% to 20% estimated by Xu-Net, and from 10% to 23% for a non-targeted steganalysis by a linear classifier with GFR features. CCS CONCEPTS • Security and privacy → Domain-specific security and privacy architectures;Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet ANR :

Outils pour la détection de manipulation d'images numériques.
Utilisation de grandes bases d'images hétérogènes en stéganalyse pour se rapprocher d'un contexte opérationnel

Collections :