CC BY
31
10.36724/2409-5419-2021-13-1-80-91
СКРЫТИЕ ИНФОРМАЦИИ В АУДИОСИГНАЛАХ С ИСПОЛЬЗОВАНИЕМ ДЕТЕРМИНИРОВАННОГО ХАОСА
ШЕЛУХИН Олег Иванович1
РЫБАКОВ Сергей Юрьевич2
МАГОМЕДОВА Дженнет Исламутдинова3
Сведения об авторах:
д.т.н., профессор, заведующий кафедрой Московского Технического университета связи и информатики, г. Москва, Россия, sheluhln@mall.ru
2магистр Московского Технического университета связи и информатики, г. Москва, Россия, svolkov.97@gmall.com
3ассистент Московского Технического университета связи и информатики, г. Москва, Россия, jlmagomedova@gmall.com
АННОТАЦИЯ
В настоящие время открытие детерминированного хаоса является одним из важных предметов исследований в различных областях науки. В данной работе детерминированный хаос рассматривается как некоторая последовательность с определенными свойствами, которую используют для передачи информационного сигнала в стегано-графической системе. Анализируется эффективность алгоритма стеганографического встраивания и извлечения цифровой информации в аудиоконтейнеры методом расширения спектра с использованием хаотических сигналов. Метод расширения спектра характеризуется наличием большого количества ошибок на приемной стороне при использовании в классическом варианте, без исходного незаполненного контейнера, т.е. отсутствовала возможность слепого извлечения. Ошибки, возникающие при передаче аудиосигнала по каналу связи, приводили к невозможности корректного извлечения встраиваемой информации. Предлагается использовать алгоритм, повышающий эффективность извлечения информационного сигнала на приемной стороне. Эффективность предложенного алгоритма оценивается величиной вносимых в ауди-оконтейнер искажений, а также достоверностью извлечения встраиваемой информации характеризуемой величиной вероятности ошибки. Показано, что для извлечения встраиваемых данных с высокой достоверностью из аудиоконтейнеров следует использовать алгоритм адаптивной фильтрации - трешолдинг с применением дискретного вейвлет преобразования. Проведено исследование по определению наилучшей фильтрации с применением различных ортогональных материнских вейвлетов (Хаар, Добеши и Симлет), при разном уровне разложения сигнала. В ходе данного исследования были даны рекомендации по использованию материнских вейвлетов и было отдано предпочтение вейвлетам Добеши и Симлет. Сформулированы требования к численным значениям параметров встраивания и параметрам генераторов хаотических процессов, используемым для расширения спектра.
КЛЮЧЕВЫЕ СЛОВА: метод расширения спектра; детерминированный хаос; корреляционный прием; дискретное вейвлет преобразование; трешолдинг.
Для цитирования: Шелухин О.И., Рыбаков С.Ю., Магомедова Д.И. Скрытие информации в аудиосигналах с использованием детерминированного хаоса // Наукоемкие технологии в космических исследованиях Земли. 2021. Т. 13. № 1. С. 80-91. doi: 10.36724/2409-5419-2021-13-1-80-91
Введение
Исследования в области теории хаоса нашли своё применение во многих областях науки, в таких как: теории связи и информации, теория электрических цепей, экономике, биологии, социологии.
Теория хаоса на сегодняшний момент может считаться относительно новой областью знаний, применение [1] хаотических систем в приборах в настоящий момент времени может быть подтверждено на следующих примерах:
- обработка информации с применением хаотических процессоров [2];
- распознавание слабых периодических сигналов на фоне сильных шумов [1];
- увеличении точности измерений [1];
- построение радаров с применением хаотических сигналов [3];
Тем не менее, использование хаотических систем в стеганографии ещё не было реализовано.
Хаотическая система — это динамическая система, которая имеет долговременное апериодическое поведение и демонстрирует чувствительность к значениям начальных условий. Под чувствительностью к значениям начальных условий будем понимать следующее, что две несовпадающие, но очень близкие точки фазового пространства имеют траектории, которые с течением времени существенно отдаляются друг от друга.
Если на генератор хаоса, который работает в хаотическом режиме, действует внешнее случайное воздействие, то от этого вид установившегося колебания существенно не измениться. Напротив, внешнее воздействие определённой частоты может привести к бифуркации и в системе будет наблюдаться установившийся режим. Этот режим при внешних случайных воздействиях будет устойчив к ним. Порог обнаружения находится в самой динамике хаотической системы. При помощи механизма схожего с явлением случайного резонанса достигается улучшение отношения сигнал/ помеха. Способность нелинейной динамической системы (генератора хаоса) находиться в устойчивом динамическом режиме на фоне сильных внешних помех должна помочь решить задачу повышения помехоустойчивости передачи (встраивания) цифровой информации на фоне сигнала контейнера (аудиосигнала).
Под хаотической стеганографической системой будем понимать совокупность средств и методов детерминированного хаоса, которые используются с целью формирования скрытого (незаметного) канала передачи информации [7,11,12]. Его целью является не ограничение или регламентирование доступа к сигналу (файлу-контейнеру), а в значительной степени гарантия того, что встроенные данные останутся незамеченными и неподлежащими восстановлению [4].
Наиболее эффективно компьютерная стеганография используется для решения следующих задач:
- защита конфиденциальной информации от несанкционированного доступа;
- защита авторского права на интеллектуальную собственность;
- создание скрытых от законного пользователя каналов утечки информации.
Целью статьи является оценка эффективности алгоритма стеганографического скрытия цифровой информации в аудиоконтейнеры методом расширения спектра с использованием хаотических сигналов.
Алгоритм встраивания водяных знаков
в аудиосигналы на основе теории
детерминированного хаоса
Стеганографические методы скрытия информации в аудиоконтейнере основаны на особенностях слуховой системы человека, обусловленных слабой восприимчивостью слуха человека к малым изменениям амплитуды при встраивании в него дополнительного информационного сигнала [4, 7]. В качестве подобного информационного сигнала будем рассматривать двоичную псевдослучайную последовательность, встраиваемую в аудиосигнал аудио (11); ' = 1, N} = ; I = 1, N} с помощью вспомогательной хаотической непрерывнозначной последовательности {Ххаос ); I = 1, N} = {Хх^; I = 1, Щ. Алгоритм встраивания будем описывать соотношением:
у(1) (I,) + ах
хаос
, = ЦЧ; j = 1Д
где а — масштабирующий коэффициент, величина которого выбирается исходя из требований незаметности (скрытности) встраивания информационной последовательности в аудиоконтейнер; N — количество дискретных отсчетов аудио сигнала; К — количество бит встраиваемой ПСП; Тб — длительность одного бита встраиваемой N
ПСП; М =--количество дискретных выборок аудио-
К
сигнала приходящееся на один бит встраиваемой ПСП;
Т
Дt = ti - ^ , = —- период дискретизации аудиосигнала.
М
Для удобства будем в дальнейшем пользоваться также следующими обозначениями ПСП6 = ПСП6 к,, так что соотношение (1) может быть переписано в виде:
у,- = Sa,i + аХх^ ПШ6,Л;; , = ; у = . (2)
В качестве ПСПбк,е{0,1} — используется псевдослучайная битовая последовательность, а в качестве шумовой последовательности — непрерывный хаотический процесс.
Хаотический процесс {Хх,г; г = 1, N} характеризуется наличием периодичности в своей структуре. Траектория таких процессов имеет свойство воспроизводится, так что при повторном задании начального состояния динамической системы воспроизводится одна и та же траектория вне зависимости от ее сложности [6, 12]. Хаосом в отличие от обычного шума можно управлять и даже прогнозировать его значения на короткие промежутки времени.
Свойства дискретных генераторов хаоса определяются видом функции отображения и значениями управляющих параметров [9, 10]. Хаотическое колебание можно генерировать, например, используя разностное уравнение. В качестве генератора хаоса (ГХ), формирующего хаотическую последовательность, будем использовать динамическую систему, описываемую разностным уравнением:
ХхМ1 = ^ Хх>1 ехр(-р! Хх2,,.}; / = . (3)
Здесь Хр Р1 — параметры, задающие тип колебаний в динамической системе.
Будем рассматривать хаотическую последовательность со следующими статистическими характеристика-
1 N-1
ми: математическое ожидание т = — ^ Ххп = 0; и дис-
1 N-1 N п=0
персия D = —Т (ХХуП - т)2 = 2.
Я п=0
Распределение детерминированной хаотической последовательности ЩХх) представлено на рис. 1.
Для подбора параметров Х1 и Р1, задающих тип колебаний будем использовать бифуркационные диаграммы, отражающие поведение динамической системы в зависимости от значения этих параметров, как это иллюстрируется на рис. 2 и 3. Под бифуркацией понимается изменение вида движения в нелинейной динамической системе при относительно малых изменениях параметров, описывающих данную систему [5]. Выбрав параметр X в области
Рис. 1. Плотность распределения хаотической последовательности
Рис. 2. Бифуркационная диаграмма по параметру X при в = 1, и начальных значениях х = 0,2 и х0 = -0,2
Рис. 3. Бифуркационная диаграмма по параметру в в области хаоса
Хе[-8: -4,5] или Хе[4,5: 8], получим хаотическое колебание с требуемыми свойствами. В случае выбора параметра в интервале Хе [-4: 4], будем получать колебания с циклически повторяющимися значениями.
Параметр в выступает в роли масштабирующего коэффициента. Чем меньше параметр в, тем больше будет размах амплитуд выходной хаотической последовательности. С увеличением величины параметра в размах амплитуд генерируемых колебаний уменьшается.
При извлечении встроенной ПСП на приемной стороне должны одновременно решаться две задачи [8].
Задача 1. Оценка с высоким качеством аудиосигнала 51 а,г из наблюдаемой реализации заполненного аудиокон-тейнера (2).
Задача 2. Выделение с высокой достоверностью информационной последовательности встроенной в аудиосигнал и оценка достоверности скрытной передачи ПСП.
Структурная схема предлагаемого алгоритма выделения аудиосигнала и встроенной ПСП представлена на рис. 4.
*
На рис. 4 под у, понимается огрубленная копия аудиосигнала, выделяемая из входной последовательности {у); г = 1, N} рассмотренным ниже способом. Генератор хаотической последовательности {X*г; г = 1, Щ} на приемной стороне описывается уравнением аналогичным (2) с параметрами Х2, в2.
Как видно из представленной схемы процесс выделения встроенной в аудиосигнал ПСП осуществляется следующим образом. При отсутствии воздействия (режим паузы) на систему хаотических колебаний или при воздействии только одного аудиосигнала корреляционная функция В (т) принимает значения близкие к нулю.
При воздействии хаотических колебаний {X*г; г = 1, N} даже при неполной компенсации огрубленной копии аудиосигнала корреляционная функция В (т) на входе ПУ принимает значения близкие к максимуму.
Рис. 4. Структурная схема алгоритма извлечения ПСП из аудиоконтейнера: ГСС — генератор синхросигнала; ПУ — пороговое устройство
Алгоритм формирования огрубленной копии сигнала
Одним из важных звеньев рассматриваемого алгоритма выделения встроенной ПСП является формирование огрубленной оценки аудио сигнала по наблюдаемой реализации у^ ). Получение подобной оценки предлагается реализовать с помощью прямого (ПДВП) и обратного (ОДВП) дискретного вейвлет преобразования и дополнительного порогового устройства(ПУ), как это показано на рис. 5.
| Формирование огрубленной копии сигнала;
1, N } ; ahd{ : Vi
ПДВП ПУ ОДВП
!
Рис. 5. Структурная схема блока формирования огрубленной копии аудиосигнала
В соответствии с представленной схемой, процедура очистки сигнала у(/.) от шума с целью формирования огрубленной копии аудиосигнала состоит из трех этапов:
1. Декомпозиция. Выбирается тип материнского вейвлета и производится вейвлет-разложение входного сигнала до уровня разложения Р.
2. Детализация. Для каждого уровня разложения от 1 до Р производится пороговая обработка детализирующих коэффициентов.
3. Реконструкция. После осуществления пороговой обработки производится вейвлет-реконструкция огрубленной копии входного сигнала.
Рассмотрим этапы более детально.
Как известно любую последовательность дискретных отсчетов анализируемого процесса у(^), при конечном числе уровней разложения Р, можно представить в виде упорядоченной совокупности коэффициентов разложения по системе масштабирующих функций и вейвлет-функций:
2М-М М 2М-М
У(Ь ) = X °т,к Фт,к ) + Х X <к¥т,к (Н )> (4)
к =1 т=1 к=1
т, к е I,
где ФткУ) — базисная масштабирующая функция; ут, Щ) — базисная вейвлет-функция; ат йтк — аппроксимирующие и детализирующие коэффициенты; т, к — параметры масштаба и сдвига в пространстве целых чисел I.
Для адаптации соотношения (4) к обработке сигнала в реальном времени фиксируем длительность бита ПСП размером М отсчетов.
Выполняя дискретное вейвлет преобразование для выборок внутри выбранного окна, размер которого равен
длительности бита в М отсчетов, в каждый момент времени t,, будем получать на некотором масштабном уровне ] набор коэффициентов аппроксимации {а1х, а^, а3х, ..., а^,} и детализации й?3х, ..., dш,}t Причем количество
коэффициентов п на уровне] в окне М будет определяться выражение п = М121'.
Таким образом, в соответствии с положениями вейвлет-анализа временной ряд y(t) может быть представлен в виде
У (t) = Уу (t) +1 Dj (t),
j=1
(5)
n0 , 20-1
где yJ (t) = ^ aJ k9J k (t) —функция начальной аппрокси-
k=0
мации, соответствующая масштабу J(J < Jmax),
aJ ,k y(t), ф J — масштабный коэффициент аппроксимации, равный скалярному произведению исходного ряда y(t) и масштабной функции «самого грубого» масштаба J, смещенной на к единиц масштаба вправо от начала координат;
J-1
2
Dj (t) = 2 у J ,k (t) — функция детализации j-го масштаба,
k=0
dJ ,k ={ y(t), ¥ j,k) — вейвлет-коэффициент детализации масштаба j, равный скалярному произведению исходного ряда y(t) и вейвлета масштаба j, смещенного на к единиц масштаба вправо от начала координат. Здесь n0 = 2Jmax ,(n0 < N), а Jmax = [log2N]— максимальное число масштабов разложения; [log2N] — целая часть числа.
Как показано на рис. 6 коэффициенты аппроксимации вейвлет декомпозиции представляют собой сглаженный сигнал, полученный путем аппроксимации, в то время как коэффициенты детализации имеют вид шумовых колебаний.
Подобные составляющие могут быть удалены с использованием процедуры обнуления или пересчета коэффициентов детализации, значения которых меньше по сравнению со значением порога.
На рис. 7 показана развернутая процедура очистки сигнала y(t) от шума. Как видно преобразованный сигнал (3) подвергается дополнительной пороговой процедуре названной трешолдингом (thresholding) в «окне обработки» размером M перед поступлением на окно анализа.
Известным инструментом «очистки» сигнала от высокочастотных компонент (шумов) является трешолдинг. Следующие виды трешолдинга получили наибольшее распространение.
При «жестком» трешолдинге все коэффициенты, превышающие некоторый порог, считаются принадлежащими к «оригинальному» сигналу, а остальные относят к шуму и обнуляют:
Рис. 6. Разложение фрагмента сигнала на вейвлет-коэффициенты
Рис. 7. Развернутая процедура очистки сигнала y(t.) от шума
f (dm,k ) =
dm.k , dm.k
>T
0,
dm.k
(6)
где т — пороговое значение.
Жесткий трешолдинг устанавливает определенный пороговый уровень для каждой последовательности ДВС и заменяет на 0 все компоненты последовательности меньше этого порога. Такой подход, совмещенный с адаптивным алгоритмом выбора порога, позволяет успешно удалять шумы без какой-либо дополнительной информации о сигнале.
«Мягкий» трешолдинг, при котором из коэффициентов детализации, превышающих установленный порог, вычитается его значение:
f (dm,k ) =
(|dm.k | -T)sign(dm,k ,) dm.k >T
dmk
(7)
где sign(J ,) — оператор взятия знака,
Процесс формирования огрубленной копии сигнала путем очистки от посторонних шумов и шумов вейвлет-преобразования с помощью «жесткого» трешолдинга» иллюстрируется на рис. 8.
При выборе «жесткого» трешолдинга, с учетом того, что Хх 1 = 0, можно считать аХ < т. Так что можно записать у' = , где = Sa,i + А,.
Здесь А, — погрешность восстановления огрубленной копии аудиосигнала после трешолдинга.
Алгоритм формирования оценки элементов ПСП
В соответствии со схемой, представленной на рис. 4 полученная на предыдущем этапе, огрубленная копия аудиосигнала вычитается из принятого фрагмента в соответствии с алгоритмом
Xx,i = У, - y* = y - = Sa,i + ancn6jJjiXx i - Si =А,
(8)
- ancn6j,i Xx,i;
Рис. 8. Создание огрубленной копии аудиосигнала на разных уровнях вейвлет-разложения сигнала
- Sa,i Sa,i;
(9)
Полученная разница подается на коррелятор, где для каждого фрагмента полученной разницы вычисляется корреляционная функция:
1 m * — B] (m) = 77 ^ Xx, ],! Xx,J ,i+m =
i=1
(10)
= 771 (Ai +ancn6,jXx,j ,i+m )X*j ,i = J(m) + AB|X (m)
i=i
JxV
где {X* 1; I = 1, N — опорная последовательность хаотического сигнала на приемной стороне; В(т) — корреляционная функция хаотического сигнала длительностью М; АВ (т) — погрешность вычисления корреляционной функции обусловленная погрешностями вычисления огрубленной копии аудиосигнала.
Решение об наличии -элемента ПСП в наблюдаемом фрагменте зашумленного аудиосигнала принимается путем сравнения текущего значения статистики Врп = М) с пороговым уровнем.
ncn6J(t) =
[1, при Bj (m = М)>U )0, при B: (m = М)<U
пор
пор
(11)
Пороговое значение ипор определяется допустимым процентом ложных срабатываний в соответствии с выбранным критерием путем анализа решающей статистики на интервале обучения:
C = f w(Bj (m) | ПСП j = 0)dBj
(12)
где w( Bj (т)|ПСП j = 0) — функция плотности распределения вероятности j-ой корреляционной функции при условии, что ПСП j = 0 отсутствует; C—допустимый процент ложных срабатываний.
Результаты встраивания и извлечения
Для оценки качества аудиоконтейнера после встраивания в него ПСП использовались метрики MSE и SNR.
MSE (Mean Square Error) — среднеквадратичная ошибка, одна из простых метрик для оценивания отклонения значений амплитуд заполненного от исходного аудиоконтейнера.
MSE = 1 £ (Sa (l) - y (l ))2 L i=i
(13)
где L — длина аудиоконтейнера; Sa(l) — l-ое значение амплитуды «пустого» аудиоконтейнера; y(l) — l-ое значение амплитуды заполненного аудиоконтейнера.
SNR (Signal to Noise Ratio) — отношение сигнал/ шум, выражается в децибелах.
L s (l)2
SNR = 10 lg I-^-2
i=1 (Sa (l) - y(l ))2
(14)
Зависимости указанных метрик для аудиоконтейне-ров после встраивания в них ПСП с использованием раз-
u
личного типа используемых материнских вейвлетов (Хаар, Добеши 4 и Симлет 4) при использовании одноуровнего разложения (Р = 1) в трешолдинге.
В ходе тестирования использовались два ауди-оконтейнера, характеристики которых представлены в табл. Для тестирования и получения характеристик MSE, SNR и ВЕЯ были заданы следующие параметры М= 1000; N = 1 000 000 и К = 1000.
Как видно из представленных зависимостей (рис. 9) предпочтение для формирования огрубленной копии аудиосигнала следует отдать материнским вейвлетам Добеши
и Симлет. При выборе параметра встраивания а в формуле (1) в интервале от 101.. ,10-2 качество аудиоконтейнера после встраивания в него ПСП лежит в допустимых пределах как для аудио, так и для речи.
Качество встраивания и извлечения ПСП оценивалось величиной BER (Bit Error Rate) — битовой ошибки, равной отношению количества ошибок к общему количеству бит.
BER =
No
К
(15)
где N — количество неправильно детектированных бит.
Характеристика аудио стегоконтейнеров
Тип аудио Речь Музыка. Классическая композиция
Длительность 3 мин. 22 сек. 2 мин. 48 сек.
Частота дискретизации 8 кГц 44,1 кГц
Количество каналов 1 2
Формат wav wav
Рис. 9. Зависимость MSE и SNR от масштабирующего коэффициента а, при использовании разных типов вейвлетов в трешолдинге
Зависимости BER от показателя а для разных типов материнских вейвлетов представлены на рис. 10—11.
Как видно из представленных зависимостей предпочтение для извлечения ПСП с высокой достоверностью из аудиоконтейнеров следует отдать материнским вейвлетам Добеши и Симлет. При выборе параметра встраивания а больше, чем 10-3 вероятность ошибки составляет менее 10-3.
Из полученных зависимостей видно, что длина встраиваемой хаотической последовательности при N > 500 незначительно влияет на качество извлечения.
Важное место в анализе работоспособности предло-
женного алгоритма встраивания занимает вопрос выбора параметров генерации хаотических процессов на передающей Х1 и Р1 и приемной стороне Х2, Р2 и величины их рассогласования АХ = (Х1 - Х2)/ Хг
Как видно из представленных на рис. 12 зависимостей BER от масштабирующего коэффициента а, при различной расстройке параметров Х1 и Р1 на приемной и Х2, Р2. на передающей стороне для обеспечения вероятности ошибки менее 10-3 следует выбирать параметр а больше чем 2^10-3 и обеспечивать расхождение параметров АХ генераторов хаоса на передающей и приемной сторонке менее 0,15.
Рис. 10. Зависимость BER от масштабирующего показателя а при разном уровне разложения (Р = 1,2,3) в трешолдинге при использовании материнского вейвлета Добеши 4: а) Р = 1 для аудио; б) Р = 2 для аудио; в) Р = 3 для аудио; г) Р = 1 для речи; д) Р = 2 для речи; е) Р = 3 для речи
----- а
л
в
Л л \. \ 1 \ е \ % \ Ч г
10"3 2*10"3 Э*10"3 4*10 -' 5*10"3 6Ч0 3 ?*Ю"3 8Ч0"39*И>"3 Ю"2
9
Рис. 11. Зависимость BER от масштабирующего показателя а,при разном типе вейвлета в трешолдинге при Р = 1: а) Хаар для аудио; б) Добеши 4 для аудио; в) Симлет 4 для аудио; г) Хаар для речи; д) Добеши 4 для речи; е) Симлет 4 для речи
Рис. 12. Зависимость BER от масштабирующего коэффициента а, при разной расстройке параметров на приемной и передающей стороне: а) АХ = 0; в; = в2 = 1; б) АХ = 0,15; в! = 1; в2 = 0,8; в) АХ = 0,1; в1 = 1; в2 = 0,8; г) АХ = 0,2; в1 = 1; в2 = 0,8
Заключение
Проведенные исследования показали, что использование детерминированного хаоса в стеганографических целях позволяет осуществить скрытное встраивание данных в аудиосигналы.
Показано, что для извлечения ПСП с высокой достоверностью из аудиоконтейнеров предпочтение следует отдать материнским вейвлетам Добеши и Симлет.
При выборе параметра встраивания а > 10-3 вероятность ошибки BER < 10-3. Длина встраиваемой хаотической последовательности при N > 500 незначительно влияет на качество извлечения.
Для обеспечения требуемой достоверности извлечения, встроенной ПСП необходимо обеспечить расхождение параметров АХ генераторов хаоса на передающей и приемной стороне менее 0,15.
Литература
1. Андриевский Б. Р., Фрадков А. Л. Управление хаосом: методы и приложения. II. Приложения // Автоматика и телемеханика. 2004. № 4. С. 3-34.
2. He Bin, Yang Canjun, Zhou Yin-sheng, Chen Ying. Using chaos to improve measurement // Journal of Zhejiang University. 2002. Vol. 3. No. 1. Pp. 47-51.
3. Weinberg G. V, Alexopoulos A. Examples of a Class of Chaotic Radar Signals // Science Report. Edinburgh, Australia: Defense Science and Technology Organization. 2005. 37 p.
4. Абазина Е. С., Ерунов А. А. Цифровая стеганография: состояние и перспективы // Системы управления, связи и безопасности. 2016. № 2. C. 182-201.
5. Капранов М. В., Томашевский А. И. Система скрытной связи с использованием корреляционного приема и синхронного хаотического отклика // Электромагнитные волны и электрические системы. 2003. Т. 8. № 3. С. 35.
6. Tayel M., Shawky H., Hafez A. A New Chaos Steganography Algorithm for Hiding Multimedia Data // ICACT2012. 2012. Pp. 208-212.
7. RachmawantoE.H., SetiadiD.R. I. M., Sari C. A., AndonoP.N., Farooq O., Pradita N. Spread Embedding Technique in LSB Image Steganography based on Chaos Theory // 2019 International Seminar on Application for Technology of Information and Communication (iSeman-tic), Semarang, Indonesia. 2019. Pp. 1-6.
8. KadhimA. A., Jalal A. S.A. The use of spread spectrum to improve information hiding in images // 2008 Mosharaka International Conference on Communications, Computers and Applications. 2008. Pp. 32-36.
9. Krishnaveni N, Periyasamy S. Image Steganography using LSB Embedding with Chaos // Int. J. Pure Appl. 2018. Vol. 118. No. 8. Pp. 505-509.
10. Shehab J. N., Abdulkadhim H.A. Image Steganography Based on Least Significant Bit (LSB) and 4-Dimensional Lu and Liu Chaotic System // International Conference on Advanced Science and Engineering (ICOASE). 2018. Pp. 274-279.
11. Hussain A., Bora P. Novel Watermarking Technique Using Encryption Steganography, Chaotic Logistic Map and Multiple Embedding // Procedia Computer Science. 2020. Pp. 2105-2114.
12. Dogan A new data hiding method based on chaos embedded genetic algorithm for color image // Artif Intell Rev. 2016. Pp. 129-143.
13. Tanwar R., Singh K., Zamani M., Verma A., Kumar P. An Optimized Approach for Secure Data Transmission Using Spread Spectrum Audio Steganography, Chaos Theory, and Social Impact Theory Optimizer // Journal of Computer Networks and Communications. 2019. Vol. 2019. Pp. 1-11.
14. Kadhim O., Hussain Z. Information Hiding using Chaotic-Address Steganography // Journal of Computer Science. 2018. No. 14(9). Pp. 1247-1266.
15. Abod Z., Ismael H., Abdullah A. Chaos-Based Speech Steganography and Quantum One Time Pad // Journal of Engineering and Applied Sciences. 2018. Vol. 13. Pp. 739-745.
ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
AUDIO STEGANOGRAPHY METHOD USING DETERMINED CHAOS
OLEG I. SHELUHIN
Moscow, Russia, sheluhin@maN.ru
SERGEJ Y. RYBAKOV
Moscow, Russia, svolkov.97@gmail.com
KEYWORDS: spread spectrum method; deterministic chaos; correlation technique; discrete wavelet transform; thresholding; ste-ganographic system.
DZHENNET I. MAGOMEDOVA
Moscow, Russia, jimagomedova@gmail.com
ABSTRACT
At present, the discovery of deterministic chaos is one of the significant subjects of research in various fields of science. In this work, deterministic chaos considered as a sequence with specific properties, which is used to transmit information in a stegosystem. The efficiency of the algorithm for steganographic embedding and extraction of digital information into audio containers by the method of spreading the spectrum using chaotic signals is analyzed. The spread spectrum method is characterized by the presence of a large number of errors on the receiving side when used in the classical version, without the original audio, i.e. there was no possibility of blind extraction. Errors arising when transmitting an audio signal over a communication channel made it impossible to extract the embedded information correctly. It proposed to use an algorithm that increases the efficiency of information signal extraction on the receiving side. The efficiency of the method is estimated by the amount of distortion in the original audio and by the reliability of extracted information, which is characterized by the value of the error probability. It showed that to extract embedded data with high reliability from stegoau-dio, one should use an adaptive filtering algorithm - thresholding using discrete wavelet transform (DWT). The best filtering method, using various orthogonal mother wavelets (Haar, Daubechies, and Symlet) at different levels of signal decomposition, was determined. In the course of this study, recommendations were made on the use of mother wavelets, and was given preference to Daubechies and Symlet wavelets. Requirements for the numerical values of the embedding parameters and the parameters of the generators of chaotic processes used to expand the spectrum formulated.
REFERENCES
1. Andrievskii B. R., Fradkov A. L. Control of Chaos: Methods and Applications. II. Applications. Avtomatika i telemekhanika. 2004. No.4. Pp. 3-34. (In Rus)
2. He Bin, Yang Canjun, Zhou Yin-sheng, Chen Ying Using chaos to improve measurement precision. Journal of Zhejiang University. 2002. Vol. 3. No. 1. Pp. 47-51.
3. Weinberg G.V., Alexopoulos A. Examples of a Class of Chaotic Radar Signals. Science Report. Edinburgh, Australia: Defense Science and Technology Organization. 2005. 37 p.
4. Abazina E. S., Erunov A. A. Digital steganography: state and prospects. Sistemy upravleniya, svyazi i bezopasnosti. 2016. No. 2. Pp. 182-201. (In Rus)
5. Kapranov M. V. Tomashevskij A. I. A covert communication system using a correlation technique and a synchronous chaotic response. Electromagnetic waves and electrical systems. 2003. Vol. 8. No. 3. Pp. 35. (In Rus)
6. Tayel M., Shawky H., Hafez A. A New Chaos Steganography Algorithm for Hiding Multimedia Data. ICACT2012. 2012. Pp. 208-212.
7. Rachmawanto E. H., Setiadi D. R. I. M., Sari C. A., Andono P. N., Fa-rooq O., Pradita N. Spread Embedding Technique in LSB Image Steganography based on Chaos Theory. 2019 International Seminar on Application for Technology of Information and Communication (iSe-mantic), Semarang, Indonesia. 2019. Pp. 1-6.
8. Kadhim A. A., Jalal A. S. A. The use of spread spectrum to improve information hiding in images. 2008 Mosharaka International Conference on Communications, Computers and Applications. 2008. Pp. 32-36.
9. Krishnaveni N., Periyasamy S. Image Steganography using LSB Embedding with Chaos. Int. J. Pure Appl. 2018. Vol. 118. No. 8. Pp. 505-509.
10. Shehab J. N., Abdulkadhim H. A. Image Steganography Based on Least Significant Bit (LSB) and 4-Dimensional Lu and Liu Chaotic System. International Conference on Advanced Science and Engineering (ICOASE). 2018. Pp. 274-279.
11. Hussain A., Bora P. Novel Watermarking Technique Using Encryption Steganography, Chaotic Logistic Map and Multiple Embedding. Procedia Computer Science. 2020. Pp. 2105-2114.
12. Dogan §. A new data hiding method based on chaos embedded genetic algorithm for color image. Artif Intell Rev. 2016. Pp. 129-143.
13. Tanwar R., Singh K., Zamani M, Verma A., Kumar P. An Optimized Approach for Secure Data Transmission Using Spread Spectrum
Audio Steganography, Chaos Theory, and Social Impact Theory Optimizer. Journal of Computer Networks and Communications. 2019. Vol. 2019. Pp. 1-11.
14. Kadhim O., Hussain Z. Information Hiding using Chaotic-Address Steganography. Journal of Computer Science. 2018. No.14 (9). Pp. 1247-1266.
15. Abod Z, Ismael H., Abdullah A. Chaos-Based Speech Steganography and Quantum One Time Pad. Journal of Engineering and Applied Sciences. 2018. Vol.13. Pp. 739-745.
INFORMATION ABOUT AUTHORS:
Sheluhin O. I., PhD, Full Professor, Head of Department Information Security of the Moscow Technical University of Communications and Informatics.
Rybakov S. Y. Postgraduate student of the Moscow Technical University of Communications and Informatics, Department of Information Security.
Magomedova D. I., Assistant of the Moscow Technical University of Communications and Informatics.
For citation: Sheluhin O. I., Rybakov S. Y., Magomedova D. I. Audio steganography method using determined chaos. H&ES Research. 2021. Vol. 13. No. 1. Pp. 80-91. doi: 10.36724/2409-5419-2021-13-1-80-91 (In Rus)
^ НПЦИРС
Научно-производственный центр Информационных региональных систем
► npcirs.ru
Закрытое акционерное общество "Научно-производственный центр информационных региональных систем" является предприятием, разрабатывающим автоматизированные системы специального назначения.
Основными направлениями нашей деятельности являются:
- проектирование, создание и ремонт автомат из ир о ванны* систем управления и их составных частей, систем обработки данных, программного обеспечения, информационных систем для государственных организаций и коммерческих компаний;
■ разработка общесистемного и прикладного ПО. внедрение и сопровождение информационных систем;
■ защита информации в системах управления, локальных вычислительных сетях, программно-аппаратных комплексах, телекоммуникационных системах:
- производство и поставка технических средств, в офисном и защищенном исполнении;
■ создание, внедрение и сопровождение оперативных и учетных систем любой сложности;
■ анализ автоматизированных систем на предмет разработки к ним классификаторов и нормативно-справочной информации;
- разработка проектов и создание глобальных, корпоративных, локальных теле коммуникационных систем и структурированных кабельных сетей.
Создаваемые предприятием средства (комплексы средств автоматизации, программные и программно-информационные комплексы, информационные изделия) эксплуатируются в различных государственных органах: в органах военного управления Министерства обороны РФ, а гакже на предприятиях, в организациях, в органах местного самоуправления субъектов РФ, занимающихся воинским учетом.
Научные исследования в сфере КНСИ позволяют нам качественно анализировать автоматизированные системы и разрабатывать к ним классификаторы и нормативно-справочную информацию.
