Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

21 mars 2017

Sujet de thèse "Sécurité de l'Information - Stéganographie et/ou Stéganalyse d'Images Couleurs"


Catégorie : Doctorant


Sujet de Thèse: Sécurité de l'Information - Stéganographie et/ou Stéganalyse d'Images Couleurs.

 

L'objet de cette thèse portera à la fois sur l'insertion de messages indétectables dans des images numériques (principe de la stéganographie) ou sur la détection automatique de ceux-ci par l'analyse des statistiques des images observées (c'est le principe de la stéganalyse). La stéganographie cherche à insérer le maximum d'information dans un contenu tout en minimisant la distorsion statistique du contenu après insertion, la stéganalyse au contraire cherche à détecter la présence d'un message caché. Cette thèse portera, en fonction de l'intérêt du doctorant, sur la stéganographie, la stéganalyse ou les deux sujets.

Les contenus ici étudiés seront des images couleurs compressées, des contenus largement utilisées en pratique sur le web mais très peu étudiés par la communauté [4]. Les méthodes actuelles de stéganographietravaillent principalement sur des images en niveaux de gris ce qui empêche de prendre en compte la dépendance entre les 3 canaux couleurs. De récents travaux ont cependant montrés que l'utilisation de l'image brute (format RAW) pour générer l'image stéganographiée permet de diminuer sensiblement la détectabilité des images [2, 1]. La distribution statistique du bruit d'acquisition du capteur peut également être modélisée au niveau des pixels, des coefficients fréquentiels et des couleurs. Enfin, la dépendance spatiale et colorimétrique du signal inséré peut être prise en compte afin d'avoir des modifications qui soient cohérentes dans un voisinage spatio-colorimétrique donné. Cette dépendance pour être modélisée mathématiquement ou bien via la construction d'un modèle génératif adversariel reposant sur des réseaux de neurones (voir [3]).

Au niveau de la stéganalyse, l'objectif est d'extraire automatiquement via des méthodes ad-hoc ou automatisées (réseaux profonds) des caractéristiques qui sont statistiquement sensibles à l'insertion stéganographique. Plusieurs pistes seront envisagées, à savoir l'utilisation d'une information adjacente liée aux probabilités d'insertion [2] pour compléter les caractéristiques de co-occurences [5], l'utilisation des dépendances fortes qu'entraine le dématriçage couleur, ou encore l'extraction supervisée de caractéristiques via l'utilisation de réseaux de neurones profonds [6]. La création de carte de sensibilité (voir http://heatmapping.org) obtenue sur des réseaux de neurones permettra également de révéler les faiblesses de l'algorithme de stéganographie et potentiellement de l'améliorer.

Le doctorant devra avoir des compétences théoriques dans au moins d'un des domaines suivants: traitement du signal ou des images, sécurité de l'information, théorie du codage, apprentissage statistique.

Le financement est garanti et sera lié à un projet ANR financé par la DGA. Des collaborations avec le laboratoire GISPA-Lab (Grenoble), l'Université d'Oxford ou l'université technologique de Prague auront lieu dans le cadre de cette thèse.

Contact: Patrick Bas - Directeur de Recherche, CNRS
Email: patrick.bas@ec-lille.fr
Adresse: CRIStAL, UMR CNRS 9189, Ecole Centrale de Lille , Bureau C315

Références

  1. Bas, Patrick, "Steganography via Cover-Source Switching" (2016).
  2. Denemark, Tomáš and Sedighi, Vahid and Holub, Vojtěch and Cogranne, Rémi and Fridrich, Jessica, "Selection-Channel-Aware Rich Model for Steganalysis of Digital Images", in IEEE Workshop on Information Forensic and Security, Atlanta, GA (, 2014).
  3. Goodfellow, Ian and Pouget-Abadie, Jean and Mirza, Mehdi and Xu, Bing and Warde-Farley, David and Ozair, Sherjil and Courville,…, "Generative adversarial nets", in Advances in Neural Information Processing Systems (, 2014), pp. 2672--2680.
  4. Ker, Andrew D and Bas, Patrick and Böhme, Rainer and Cogranne, Rémi and Craver, Scott and Filler, Tomáš and F…, "Moving steganography and steganalysis from the laboratory into the real world", in Proceedings of the first ACM workshop on Information hiding and multimedia security (, 2013), pp. 45--58.
  5. Pevny, T. and Bas, P. and Fridrich, J., "Steganalysis by Subtractive Pixel Adjacency Matrix", Information Forensics and Security, IEEE Transactions on 5, 2 (2010), pp. 215 -224.
  6. Pibre, Lionel and Jérôme, Pasquet and Ienco, Dino and Chaumont, Marc, "Deep learning is a good steganalysis tool when embedding key is reused for different images, even if there is a cover source-mi…", ().

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2015.