Détection statistique d'informations cachées dans une image naturelle à partir d'un modèle physique

Statistical detection of hidden information in a natural image from a physical model

• Auteur / Autrice : Rémi Cogranne
• Direction : Lionel Fillatre, Florent Retraint
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et sûreté des systèmes
• Date : Soutenance en 2011
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Cryptographie

Tests d'hypothèses (statistique)

Résumé

De nos jours, de nombreuses images naturelles numériques, acquises par un appareil photographique, circulent un peu partout dans le monde. Les images sont parfois modifiées de façon légitime ou illicite pour transmettre une information confidentielle ou secrète. Dans ce contexte, la stéganographie constitue une méthode de choix pour transmettre et dissimuler de l’information. Par conséquent, il est nécessaire de détecter la présence d’informations cachées dans des images naturelles. L’objectif de cette thèse est de développer une nouvelle approche statistique pour effectuer cette détection avec la meilleure fiabilité possible. Dans le cadre de ces travaux, le principal enjeu est la maîtrise des probabilités d'erreur de détection. Pour cela, un modèle paramétrique localement non-linéaire d’une image naturelle est développé. Ce modèle est construit à partir de la physique du système d’acquisition optique et de la scène imagée. Quand les paramètres de ce modèle sont connus, un test statistique théorique est proposé et ses propriétés d’optimalité sont établies. La difficulté principale de la construction de ce test repose sur le fait que les pixels de l’image sont toujours quantifiés. Lorsqu’aucune information sur l'image n'est pas disponible, il est proposé de linéariser le modèle tout en respectant la contrainte sur la probabilité de fausse alarme et en garantissant une perte d'optimalité bornée. De nombreuses expérimentations sur des images réelles ont confirmé la pertinence de cette nouvelle approche

With the advent of mainstream computing, the Internet and digital photography, many natural images (acquired by a camera) circulate around the world. The images are sometimes altered by a legitimate or illegal information in order to transmit confidential or secret information. In this context, steganography is a method of choice to transmit and to hide information. Therefore, it is necessary to detect the presence of hidden information in natural images. The objective of this thesis is to develop a new statistical approach to perform this detection with the highest reliability possible. As part of this work, the main challenge is to control the probability of detection error. For this purpose, a parametric model locally non-linear of a natural image (acquired by a camera) is developed. This model is built from the physics of optical acquisition system and the imaged scene. When the parameters of this model are known, a statistical test is proposed and its theoretical optimality properties are established. The main difficulty in the construction of this test is based on the fact that image pixels are always quantified. When information on the image is not available, it is proposed to linearize the model while respecting the constraint on the probability of false alarm and guaranteeing a loss of optimality bounded. Many experiments on real images have confirmed the relevance of this new approach