Desarrollo de un algoritmo para detección de esteganografía LSB en imágenes digitales a color usando redes neuronales convolucionales.

Abstract

En el presente trabajo de investigación, se plantea el desarrollo de un algoritmo mediante redes neuronales convolucionales que permita la detección de esteganografía LSB en imágenes digitales a color, con el fin de coadyuvar a la detección eficiente, precisa y automatizada de esteganografía, mitigar posibles amenazas o ataques de terceros y proteger los sistemas de información y la infraestructura tecnológica de las organizaciones; teniendo en cuenta las limitaciones que se presentan para efectuar estegoanálisis y para detectar visualmente el ofuscamiento de datos o mensajes en las imágenes. El proyecto se lleva a cabo mediante la revisión del estado del arte de investigaciones previas en la detección de esteganografía LSB, seguido por la generación de un conjunto de datos para el entrenamiento y prueba del algoritmo, el diseño del algoritmo de Deep Learning mediante redes neuronales convolucionales y la validación del algoritmo mediante métricas de desempeño. Entre los modelos desarrollados para la detección de esteganografía en imágenes a color, las métricas más elevadas obtenidas fueron: F1 score de 66.00%, tiempo medio de estimación de 55.95 milisegundos y tiempo de entrenamiento de aproximadamente una hora con 15 minutos por epoch. Experimentos adicionales fueron propuestos, de los cuales uno de ellos alcanzó un F1 score de alrededor de 93.00% a partir de un modelo más interpretable y menos complejo en su arquitectura. In the present research work, the development of an algorithm using convolutional neural networks is proposed, which allows the detection of LSB steganography in color digital images, to contribute to the efficient, precise and automated detection of steganography, mitigate possible threats from third parties and protect the information systems and technological infrastructure of organizations; considering the limitations that are presented to make steganalysis, and to visually detect the obfuscation of data or messages in images. The project developed by reviewing the state of the art of previous investigations in the detection of LSB steganography, followed by the generation of a data set for the training and testing of the algorithm, the design of the Deep Learning algorithm through convolutional neural networks and validation using performance metrics. Between the developed algorithms for the detection of steganography in color images, the highest metrics were: F1 score of 66.00%, an average prediction time of 55.95 milliseconds and a training time of around one hour and 15 minutes per epoch. Additional experiments were proposed, of which one of them reached an F1 score of around 93.00% from an interpretable algorithm and less complex in its architecture.