Artificial Intelligence Applied on Cryptoanalysis Aimed on Revealing Weaknesses of Modern Cryptology and Computer Security

Ing. Jiří HOLOŠKA

Doctoral thesis

Anotácia:

Tato disertační práce je zaměřena na odhalování informací ukrytých do multimediálních souborů, především do obrázků. Informace (zprávy) byly ukryty pomocí steganografických metod, které jsou doplňkovou metodou kryptografie. Steganografie společně s kryptografií zvyšují výslednou bezpečnost přenášené zprávy, tj. snižují možnost kompromitace přenášených informací. Staré metody stegoanalýzy jsou postavené na statistickém útoku na změny v koeficientech diskrétní kosinové transformace (DCT). Tyto lineárně klasifikační metody mají ovšem dobře prokazatelný problém při klasifikaci blízko hranice jednotlivých skupin. To má často za následek nepřesné nebo mylné zařazení testovaného vzorku do špatné skupiny (false positive classification). Nejčastěji je to zařazení nosného (nemodifikovaného) souboru do skupiny stego souborů. Hlavním cílem této disertační práce je minimalizovat nebo úplně eliminovat tyto nepřesnosti s využitím umělých neuronových sítí. Tato práce se zabývá detekční metodou založenou na metodách umělých neuronových sítích v několika různých topologiích. Při ověřovacích testech se podařilo dosáhnout téměř stoprocentní úspěšnosti detekce a tím získat slibný základ pro tvorbu samostatné aplikace pro stegoanalýzu.

Abstract:

The thesis is focused on revealing of hidden information presence in multimedia files, mainly in pictures. This hidden information (messages) was coded in by means of steganography which is an additional method of cryptography. Steganography causes a better security for messages and the detection of such a message is uneasy. Old fashioned detection methods are based on statistical attack upon discrete cosine transformation (DCT) coefficients. These linear clasification methods have been proved to have limitation on clasification close to detection border. This often leads to a false positive clasification result. Mostly it is a clasiffication of cover files into stego files group. Main goal of this research is clasification by means of neural networks aimed to reduce false positive classification results to minimum. Therefore artificial neural network was used in several structures as a detection method in the thesis. Compared to older methods results showed almost 100% success in detection in this case therefore artificial neural network are promising for future design of a universal detector.

Kľúčové slová

Steganografie, staganoanalýza, JPEG, DCT, huffmanovo kódování, statistická analýza huffmanova kódování, neuronový sítě, umělá inteligence

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 15. 9. 2011

Zverejniť od: 15. 9. 2011

Obhajoba závěrečné práce

• Obhajoba proběhla 29. 2. 2012

Tomas Bata University in Zlín

Faculty of Applied Informatics

Doctoral programme / odbor:
Engineering Informatics / Engineering Informatics