コンテンツ適応型LSBステガノグラフィー：顕著性融合、ACO分散、およびアブレーションスタディを伴うハイブリッド暗号化

科学分野:

• コンピュータサイエンス
• 情報セキュリティ
• デジタル画像処理

背景:

• 画像ステガノグラフィーは、不可知性、埋め込み容量、およびセキュリティのバランスをとるという課題に直面しています。
• 既存の方法は、視覚的な歪みと統計的な検出可能性に苦労することがよくあります。
• デジタル画像内にデータを安全かつ不可視で埋め込むための高度な技術が必要です。

研究 の 目的:

• コンテンツ適応型最小 signifikanビット（LSB）ステガノグラフィーフレームワークを提案すること。
• 隠しデータの不可知性、埋め込み容量、および機密性を強化すること。
• 統計的および深層学習ベースのステガナリシスに対する耐性を向上させること。

主な方法:

• 視覚的な歪みを最小限に抑えるために、低感度画像領域での顕著性誘導埋め込みを利用しました。
• 埋め込みインデックスのクラスタリングを防ぐために、アリコロニー最適化（ACO）ベースの空間分散を実装しました。
• Advanced Encryption Standard-Galois/Counter Mode（AES-GCM）およびRSA-Optimal Asymmetric Encryption Padding（RSA-OAEP）を使用したハイブリッド暗号化を統合しました。
• 再現可能な抽出のためにRSA導出シードを使用した埋め込みインデックスの決定論的再生成を保証しました。

主要な成果:

• ピーク信号対雑音比（PSNR）値が59.7〜64.5 dB、構造的類似性指標（SSIM）が0.999以上で、ほぼロスレスの不可知性を達成しました。
• 埋め込み容量（Bits Per Pixel - BPP）が変化しても、視覚品質への影響を最小限に抑え、安定したレート歪み動作を示しました。
• 畳み込みニューラルネットワーク（CNN）ベースのステガナライザーに対してランダムレベルの検出可能性を示し、高いセキュリティを示唆しています。

結論:

• 提案されたフレームワークは、画像ステガノグラフィーにおける不可知性、容量、およびセキュリティの効果的なバランスをとります。
• ACOベースの分散によるコンテンツ適応型LSB埋め込みは、優れた不可視性と検出不可能性を提供します。
• ハイブリッド暗号化と決定論的なインデックス再生成により、機密性と信頼性の高いデータ抽出が保証されます。