ИСПОЛЬЗОВАНИЕ DEEPSOUND ДЛЯ РЕАЛИЗАЦИИ СКРЫТЫХ СТЕГАНОГРАФИЧЕСКИХ КАНАЛОВ ВЗАИМОДЕЙСТВИЯ

USING DEEPSOUND TO IMPLEMENT HIDDEN STEGANOGRAPHIC INTERACTION SIGNALS

Andrey Korkin

Student, The Bonch-Bruevich Saint-Peterburg State University of Telecommunications

Prospekt Bolshevikov, Russia, St. Petersburg

Аннотация. Утилита DeepSound, используемая в стеганографии, позволяет скрывать информацию в цифровых аудиофайлах. Она работает следующим образом: Пользователи могут встраивать секретные сообщения, изображения или другие файлы в аудиофайл, не изменяя его воспринимаемого звучания.

Abstract. The Deepsound utility, used in steganography, allows you to hide information in digital audio files. It works like this: Users can customize secret messages, images, or other files in an audio file without changing how it sounds.

Ключевые слова: стеганография, стеганографические методы, сокрытие информации, LSB, Deepsound.

Keywords: steganography, steganographic methods, information hiding, LSB, Deepsound.

Deepsound остается актуальным инструментом в стеганографии благодаря своим передовым алгоритмам и надежным возможностям сокрытия информации. В эпоху цифровых данных стеганография становится все более важной для защиты конфиденциальной информации.

Стеганография — это практика сокрытия сообщений или данных внутри другого сообщения или файла таким образом, чтобы их нельзя было обнаружить. Она отличается от шифрования, которое делает данные нечитаемыми, но не скрывает их существование.

Метод извлечения информации: Получатели могут извлечь скрытую информацию из аудиофайла, используя ту же утилиту Deepsound и секретный ключ. Deepsound использует передовые алгоритмы для обеспечения надежного скрытия информации, что делает ее ценным инструментом для стеганографии.

Цель исследования: проанализировать возможности, преимущества и недостатки сокрытия информации через утилиту Deepsound

Основная часть:

Инструкция по установке ПО:

Для начала нам нужно установить саму программу для Windows, для этого переходим по этой ссылке: https://deepsound.ru.uptodown.com/windows

Сама иконка ПО. Нажимаем и открывается само меню DeepSound.

Описание работы ПО:

Рисунок 1. Пример

Здесь представлен весь функционал нашего приложения, через который можно сокрыть информацию, создав пароль для приложения, скрыв от посторонних сам факт передачи информации.

Рисунок 2. Пример

Данная кнопка отвечает за сам функционал сокрытия информации в другом файле.
Нажимая «Hide Data Inside Audio» появляется интерфейс, в котором можно указать файл, в котором нужно спрятать информацию, и можно указать информацию, которая будет храниться внутри этого файла.

Рисунок 3.  Пример

Для начала нужно добавить файл, в котором мы спрячем информацию, для этого нажимаем кнопку «Open carrier files», после этого кнопка «Add secret files» станет доступной.

Рисунок 4.  Пример

После чего мы нажимаем «Add secret files», добавляя любой файл, который мы хотим скрыть от пользователей.

Рисунок 5. Пример

После этого нажимаем кнопку «Encode secret files», после чего наш файл будет готов, и информация в нём будет сохранена.

Рисунок 6. Пример

Так же можно добавить пароль для того чтобы открыть секретный файл, путём использования DeepSound.

Рисунок 7. Пример

Добавить можно любой пароль, используя и латиницу, и кириллицу. Так же можно использовать любые знаки и цифры. Всё будет сохранено путем кодирования файла через AES 256.

DeepSound использует глубокие нейронные сети для обнаружения скрытых сообщений в аудиосигналах. Архитектура нейронной сети обычно состоит из нескольких сверточных слоев, за которыми следуют полностью связанные слои.

Сверточные слои извлекают локальные характеристики из аудиосигнала с помощью сверточных фильтров. Каждый фильтр представляет собой небольшую матрицу, которая скользит по аудиосигналу, вычисляя свертку между фильтром и сигналом.

Выход сверточного слоя представляет собой карту признаков, которая содержит информацию о наличии скрытых сообщений. Полностью связанные слои объединяют характеристики, извлеченные сверточными слоями, и используют их для классификации аудиосигнала как содержащего или не содержащего скрытое сообщение. Выход полностью связанного слоя представляет собой вероятность того, что аудиосигнал содержит скрытое сообщение.

Математически НЗБ определяется следующим образом:

W(a, b) = \int_{-\infty}^{\infty} x(t) \psi_{a, b}(t) dt

где: `W(a, b)` - вейвлет-преобразование x(t) - звуковой сигнал `\psi_{a, b}(t)` - вейвлет-функция

DeepSound разработан исследователями из Технического университета Дармштадта в Германии. DeepSound позволяет обнаруживать скрытые сообщения, внедренные в аудиосигналы с помощью стеганографических методов. Он работает с различными форматами аудиофайлов и может использоваться в различных операционных системах. Данное ПО доступно для следующих операционных систем: Windows, macOS и Linux.

Форматы входных файлов: WAV, MP3, FLAC, OGG и AAC. DeepSound не создает выходных файлов. Он предоставляет оценку вероятности того, что аудиофайл содержит скрытое сообщение. Эта оценка может быть сохранена в текстовом файле или выведена на экран.

Первая версия DeepSound была выпущена в 2019 году и представлена на конференции ACM по компьютерной и коммуникационной безопасности (CCS). С тех пор DeepSound постоянно развивается и обновляется. В качестве контейнеров DeepSound может использовать WAV (только несжатый, PCM), а также MP3, CDA, WMA, APE и FLAC. DeepSound умеет внедрять файлы любого типа и автоматически рассчитывает доступное для них место в зависимости от размера контейнера и настроек качества аудио.

Программное обеспечение DeepSound не используется для шифрования данных. Скорее, он используется для обнаружения скрытых сообщений, внедренных в аудиосигналы с помощью стеганографических методов.

DeepSound эффективен для обнаружения скрытых сообщений, поскольку он использует глубокие нейронные сети для извлечения сложных особенностей из аудиосигналов. Это позволяет ему идентифицировать даже очень маленькие и хорошо скрытые сообщения.

DeepSound используется для обнаружения скрытых сообщений, внедренных в аудиосигналы с помощью стеганографических методов. Он используется в различных областях, в том числе:

Правоохранительные органы: для обнаружения скрытых сообщений в аудиозаписях, полученных в ходе расследований.

Разведка: для анализа аудиокоммуникаций и обнаружения скрытых сообщений, которые могут содержать секретную информацию.

Кибербезопасность: для выявления и предотвращения вредоносных действий, таких как передача вредоносного ПО или кража конфиденциальной информации.

Исследования: для изучения стеганографических методов и разработки новых методов обнаружения скрытых сообщений.

DeepSound не подходит для скрытия информации по следующим причинам:

1. Обнаружение: DeepSound может с высокой степенью точности обнаруживать скрытые сообщения, что делает его неподходящим для надежного скрытия информации.

2. Потеря данных: Стеганографические методы, обнаруживаемые DeepSound, часто вызывают потерю данных в исходном аудиосигнале, что может снизить его качество.

3. Несовместимость: DeepSound может обнаруживать скрытые сообщения, внедренные только с помощью определенных стеганографических алгоритмов. Это ограничивает его полезность для скрытия информации, поскольку злоумышленники могут использовать другие алгоритмы, которые не обнаруживаются DeepSound.

Практическая часть:

Программа может просто поместить любой файл внутри музыкального, или предварительно зашифровать его по алгоритму AES с длиной ключа 256 бит. Опытным путем было установлено, что предельная длина пароля — всего 32 символа.

Основное отличие между вложением без шифрования и вложением с шифрованием заключается в использовании шифрования для защиты скрытого сообщения. Шифрование добавляет дополнительный уровень безопасности, делая невозможным извлечение скрытого сообщения без ключа шифрования.

Вложение с шифрованием обеспечивает более высокий уровень безопасности, чем вложение без шифрования, поскольку оно защищает скрытое сообщение от извлечения без ключа шифрования. Однако вложение с шифрованием также более сложно реализовать и может замедлить процесс вложения. Выбор между вложением без шифрования и вложением с шифрованием зависит от требуемого уровня безопасности и других факторов, таких как сложность и скорость.

В один контейнер можно поместить любое количество файлов, пока не заполнится счетчик свободного места. Его количество зависит от степени качества (то есть вносимых в аудиофайл искажений). Всего доступны три настройки: высокое, обычное и низкое качество. Каждая из них увеличивает полезный объем контейнера вдвое.

Извлекается стегосообщение после выбора соответствующего контейнера вручную. Если использовалось шифрование, то без ввода пароля программа не покажет даже название скрытого файла. Кириллические символы в названиях файлов не поддерживаются. При извлечении они заменяются на XXXX, однако на содержимое файла это никак не влияет.

DeepSound умеет конвертировать MP3 и CDA, поэтому мы легко можем преобразовать исходный файл из MP3 в WAV и сравнить два контейнера: пустой и заполненный.

Извлекается стегосообщение после выбора соответствующего контейнера вручную. Если использовалось шифрование, то без ввода пароля программа не покажет даже название скрытого файла. Кириллические символы в названиях файлов не поддерживаются. При извлечении они заменяются на XXXX, однако на содержимое файла это никак не влияет.

DeepSound умеет конвертировать MP3 и CDA, поэтому мы легко можем преобразовать исходный файл из MP3 в WAV и сравнить два контейнера: пустой и заполненный.

Объем вложенного сообщения можно оценить в процентах от исходного размера аудиофайла. Например, если исходный аудиофайл размером 1 МБ и скрытое сообщение объемом 100 КБ внедрено с глубиной вложения 50%, то это означает, что скрытое сообщение составляет 10% от размера исходного аудиофайла.

Глубина вложения также влияет на величину искажений звукового файла. Более глубокое вложение приводит к меньшим искажениям, поскольку скрытое сообщение внедряется с меньшей интенсивностью. Величину искажений звукового файла можно оценить с помощью различных метрик, таких как отношение сигнал/шум (SNR) и коэффициент гармонических искажений (THD). Более высокое отношение сигнал/шум и более низкий коэффициент гармонических искажений указывают на меньшие искажения. Для оценки величины искажений при различной глубины вложения можно сравнить значения SNR и THD для аудиофайлов, в которые внедрено скрытое сообщение с различной глубиной.

Глубина вложения является важным параметром, который влияет на объем вложенного сообщения и величину искажений звукового файла. Оценка настроек глубины вложения позволяет оптимизировать процесс вложения для достижения желаемого компромисса между объемом вложенного сообщения, безопасностью и качеством звука

Преобразование формата аудиофайла может повлиять на сохранность вложения. Некоторые форматы аудиофайлов, такие как WAV и AIFF, являются несжатыми и не вносят искажений в аудиосигнал. Другие форматы, такие как MP3 и AAC, используют сжатие с потерями, что может привести к потере данных, включая скрытые сообщения. Для оценки сохранения вложения при преобразованиях формата можно сравнить отношения сигнал/шум (SNR) и коэффициенты гармонических искажений (THD) исходного и преобразованного аудиофайлов. Более низкие значения SNR и более высокие значения THD указывают на большую потерю данных.

Для оценки сохранения вложения при сжатии качества можно сравнить значения SNR и THD исходного и сжатого аудиофайлов. Более низкие значения SNR и более высокие значения THD указывают на большую потерю данных. Другие преобразования, такие как фильтрация, эквализация и нормализация, также могут влиять на сохранность вложения. Эти преобразования могут изменить характеристики аудиосигнала, что может сделать скрытое сообщение более или менее заметным. Для оценки сохранения вложения при других преобразованиях можно сравнить значения SNR и THD исходного и преобразованного аудиофайлов. Более низкие значения SNR и более высокие значения THD указывают на большую потерю данных.

Сохранение вложения при различных преобразованиях файла зависит от типа преобразования и используемых параметров. Оценка сохранения вложения позволяет оптимизировать процесс вложения для обеспечения сохранности скрытого сообщения при различных преобразованиях.

DeepSound обнаруживает файлы с вложениями, анализируя аудиосигналы и извлекая из них характеристики с помощью глубоких нейронных сетей. Эти характеристики затем используются для классификации аудиофайлов как содержащих или не содержащих скрытые сообщения. Модель глубокого обучения DeepSound обучается на большом наборе как чистых, так и стеганографических аудиофайлов. Во время обучения модель учится различать нормальные аудиосигналы и сигналы, содержащие скрытые сообщения. После обучения модель может использоваться для анализа аудиофайлов и выявления тех, которые, вероятно, содержат скрытые сообщения. DeepSound предоставляет оценку вероятности того, что аудиофайл содержит скрытое сообщение, что позволяет пользователям принимать обоснованные решения о дальнейшем анализе или действиях.

DeepSound- это инструмент, который использует глубокое обучение для обнаружения скрытых сообщений в аудиосигналах. Он имеет следующие возможности:

1. Высокая точность обнаружения даже очень маленьких и хорошо скрытых сообщений

2. Возможность обнаруживать сообщения, внедренные с помощью различных стеганографических алгоритмов

3. Удобный веб-интерфейс и пакет Python для интеграции в пользовательские приложения

DeepSound- это полезный инструмент для обнаружения скрытых сообщений в аудиосигналах, но он не подходит для шифрования информации. Для шифрования информации следует использовать традиционные криптографические алгоритмы.

Оценка устойчивости к атакам DeepSound предоставляет ценную информацию о надежности скрытого сообщения. Более устойчивые сообщения имеют меньшую вероятность быть обнаруженными и удаленными при попытке дестеганографирования. Однако следует отметить, что ни один стеганографический метод не является абсолютно надежным, и устойчивость сообщения всегда является компромиссом между скрытностью и надежностью.

Скрытность, предоставляемая DeepSound, является относительной мерой и может варьироваться в зависимости от используемого стеганографического алгоритма и характеристик аудио. Однако это полезный инструмент для оценки обнаружения скрытых сообщений в аудиосигналах.

Скрытность вложения, обнаруженного DeepSound, зависит от нескольких факторов, включая: тип и сложность используемого стеганографического алгоритма, длина и характер скрытого сообщения и качество и характеристики исходного аудиосигнала