Ausarbeitung
Ausarbeitung
Ausarbeitung
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 MODEL BASED STEGANOGRAPHIE 8<br />
4 Model Based Steganographie<br />
Bei MBS liegt die Idee des perfekten Komprimierers zugrunde. Unter einem perfekten Komprimierer versteht<br />
man einen Komprimierer der alle Eigenschaften der realen Welt kennt, also intern ein perfektes Modell der<br />
realen Welt besitzt. Somit sind komprimierte Bilder lediglich eine willkührliche Aneinanderreihung von Bits.<br />
Darauf aufbauend kann man davon ausgehen, daß ein Dekomprimierer aus willkührlichen Daten immer ein<br />
ursprürliches Bild erstellen kann. Da er ebenfalls ein perfektes Modell der realen Welt besitzt.<br />
Da es allerdings keinen perfekten Komprimierer gibt, versucht die modelbasierte Stegonographie (MBS) ein<br />
nahezu perfektes Modell P zu nutzen um eine steganographische Nachricht in einen Träger einzubetten.<br />
Dabei werden für einen Menschen oder Maschine wahrnehmbare Eigenschaften des Trägers X det 1 genutzt<br />
um das Modell zu initialisieren. Vernachlässigbare Eigenschaften des Trägers X indet werden bei MBS unter<br />
Berücksichtigung des Modells mit Hilfe eines arithmetischen Dekodierers so verändert, daß sie die Nachricht<br />
enthalten. Ein Empfänger kann somit wieder das Modell mit Hilfe von X det initialisieren und die eingebettete<br />
Nachricht extrahieren.<br />
Die genaue Arbeitsweise von MBS ist in Abb.4 dargestellt.<br />
Cover<br />
X<br />
Model<br />
X<br />
det<br />
X<br />
indet<br />
P<br />
X i ndet | X det<br />
X X ’<br />
det<br />
indet<br />
Entropy<br />
Decoder<br />
X’<br />
Message<br />
M<br />
Abbildung 10: MBS<br />
Im Hinblick auf JPEG komprimierte Graphiken bedeutet dies, daß es eine Aufteilung von wahrnehmbaren<br />
und vernachlässigbaren Eigenschaften gibt.<br />
Wobei die vernachlässigbaren Eigenschaften einer JPEG komprimierten Graphik die Häufigkeit eines Frequenzkoeffizienten<br />
darstellt. Im folgenden werden die Häufigkeit eines bestimmten Frequenzkoeffizienten c als<br />
high precision bins h c bezeichnet.<br />
Dagegen stellen die wahrnehmbaren Eigenschaften eine Gruppe l c von, im Histogramm benachbarter, high<br />
precision bins dar.<br />
⎧<br />
⎪⎨ h 2c+1 + h 2c wenn c < 0<br />
l c = h 0 wenn c = 0<br />
⎪⎩<br />
h 2c−1 + h 2c wenn c > 0<br />
1 In dem Artikel von Rainer Böhme und Andreas Westfeld [BW04] werden die Bezeichnung X det und X indet statt wie bei<br />
Phil Sallee [Sal] α und β verwendet. Da diese <strong>Ausarbeitung</strong> sich öfter auf Andreas Westfeld beruft, sollen diese Bezeichnung das<br />
weitere Lesen vereinfachen