Early detection of sensitive data leakage during message transmission in communication systems is topical task today. This is
complicated by applying of attackers to advanced steganographic methods. Feature of such methods is sensitive information
embedding into innocuous (cover) files, such as digital images. This drastically reduces effectiveness of modern stegdetectors based
on applying of signature and statistical steganalysis methods. There are proposed several approaches for improving detection
accuracy of stegdetectors that are based on image pre-processing (calibration). These methods are aimed at estimation parameters
either of stego, or cover images from current analysed image. The first group of calibration methods requires prior information about
features of used embedding methods to minimize detection error. In most cases, this information is limited that decrease effectiveness
of such calibration methods. The second group of calibration methods is of special interest today due to extensive set of proposed
methods for advanced image denoising techniques. Nevertheless, practical usage of such methods requires carefully adjustment of
parameters. This restricts fast re-training of stegdetector for revealing stego images formed according to unknown embedding
methods.The promising approach for estimation cover image parameters from current (noisy) images is based on applying of novel
methods of spectral analysis, namely sparse and redundant representation of signals. Feature of these methods is ability to adjust
parameters of basic functions to statistical parameters of analysed set of image. This allows improving effectiveness of stegdetectors
without necessity to re-tune theirs parameters for new set if images. The paper is aimed at performance analysis of stego images preprocessing with usage of advanced methods of spectral analysis. The analysis was performed for state-of-the-art HUGO embedding
methods by usage of standard ALASKA dataset. Based on obtained results, it was revealed that applying of proposed methods allows
improving detection accuracy up to 6 % even in case of absence prior information about used embedding methods and low cover
image payload, e.g. less than 10 %. Nevertheless, practical usage of these methods for image calibration requires further
improvement of dictionary learning procedure, namely decreasing its computation complexity by processing images with high
resolution.
Забезпечення раннього виявлення витоку конфіденційних даних під час передачі повідомлень у інформаційнокомунікаційних системах є актуальною та важливою задачею сьогодні. Вирішення даної задачі ускладнюється застосуванням
зловмисниками новітніх стеганографічних методів для вбудовування повідомлень до файлів, що циркулюють в комунікаційних
мережах, зокрема цифрових зображень. Внаслідок цього суттєво знижується точність роботи поширених типів стегодетекторів,
заснованих на використанні методів сигнатурного та статистичного стегоаналізу. Для підвищення точності роботи сучасних
стегодетекторів було запропоновано декілька підходів, заснованих на попередній обробці досліджуваних зображень. Дані
підходи спрямовані на оцінку статистичних параметрів сформованих стеганограм, або ж зображень-контейнерів за
результатами обробки досліджуваного зображення. Запропоновані методи попередньої обробки стеганограм потребують
використання апріорних даних щодо особливостей використаного стеганографічного методу. Це обмежує їх застосування у
реальних випадках, коли дані відомості є обмеженими або навіть відсутніми. Внаслідок цього особлива увага приділяється
методам попередньої обробки, спрямованих на оцінку параметрів зображень-контейнерів, зокрема шляхом використання
новітніх методів зниження впливу шумів. Проте забезпечення малих значень помилки класифікації стеганограм потребує
ретельного налаштування параметрів даних методів, що обмежує можливість швидкого переналаштування стегодетектору для
виявлення нових типів стеганографічних методів. Перспективним підходом до оцінки параметрів зображення-контейнеру за
наявними (зашумленими) зображеннями є використання новітніх методів спектрального аналізу сигналів, зокрема методів
побудови надлишкових систем функцій для розрідженого представлення сигналів. Особливістю даних методів є врахування
статистичних параметрів досліджуваних сигналів при побудові системи функцій для проведення декомпозиції сигналів. Це
дозволяє підвищити ефективність роботи стегодетекторів без необхідності їх повторного налаштування при обробці нових
пакетів зображень. Метою даної роботи є дослідження ефективності методів попередньої обробки стеганограм при
використанні новітніх методів спектрального аналізу. Дослідження проводилося для випадку формування стеганограм згідно
адаптивного стеганографічного методу HUGO з використання тестових зображень зі стандартного пакету ALASKA. За
результатами аналізу отриманих даних виявлено, що використання запропонованого методу попередньої обробки стеганограм
дозволяє суттєво (до 6%) підвищити точність виявлення стеганограм у порівнянні з поширеними типами стегодетекторів навіть
у найбільш складному випадку слабкого заповнення зображення-контейнеру стегоданими (менше 10%) та відсутності
апріорних даних щодо використаного стеганографічного методу. Проте практичне використання запропонованого методу
потребує подальшого вдосконалення методів побудови надлишкових систем функцій, зокрема зниження їх високої
обчислювальної складності у випадку обробки зображень з високою роздільною здатністю.
