수치 분해 기반 데이터 은닉 기법

초록

본 논문은 디지털 이미지에 비밀 데이터를 삽입하는 다양한 LSB(Least Significant Bit) 기반 은닉 기법을 소개한다. 전통적인 LSB 방법을 시작으로, 피보나치 수열을 이용한 비트 평면 분해, 소수와 자연수를 활용한 비트 매핑 기법을 제시한다. 각 기법의 데이터 용량, 왜곡 정도, 구현 복잡성을 비교 분석하고, 비트 평면을 확장함으로써 은닉 효율을 높이는 방안을 논의한다.

상세 분석

논문은 먼저 전통적인 LSB(Least Significant Bit) 은닉 방식을 재검토한다. LSB는 이미지 각 픽셀의 최하위 비트를 교체함으로써 비밀 데이터를 삽입하는 가장 단순한 방법이며, 구현이 용이하고 연산 비용이 낮다는 장점이 있다. 그러나 삽입 용량이 픽셀당 1비트에 제한되며, 대량 데이터를 삽입하면 시각적 왜곡이 눈에 띄게 증가한다는 단점이 있다. 이러한 한계를 극복하기 위해 저자는 비트 평면을 다층적으로 확장하는 방법을 제안한다.

첫 번째 확장 기법은 피보나치 수열을 이용한 비트 평면 분해이다. 피보나치 수열은 0, 1, 1, 2, 3, 5, 8,… 로 진행되며, 각 수는 이전 두 수의 합이다. 이미지의 각 픽셀 값을 피보나치 기반의 가중치 집합으로 표현하면, 기존 8비트(0~255) 대신 13비트(피보치 가중치 합)로 확장될 수 있다. 이 과정에서 추가된 비트 평면은 원본 이미지의 시각적 특성에 크게 영향을 주지 않으며, 따라서 삽입 가능한 데이터 용량이 크게 늘어난다. 또한 피보나치 수열의 비정규성 때문에 통계적 분석에 의한 탐지 확률이 낮아 보안성이 향상된다.

두 번째 기법은 소수(prime) 수열을 이용한 비트 매핑이다. 소수는 2, 3, 5, 7, 11,… 로 무작위성 및 불규칙성을 갖는다. 저자는 이미지 비트 크기(예: 8비트)를 소수 인덱스와 매핑시켜, 각 소수에 대응되는 비트 위치에 비밀 데이터를 삽입한다. 이때 소수 인덱스는 비연속적이므로, 일반적인 LSB 탐지 알고리즘이 탐지하기 어려운 패턴을 만든다. 또한 소수 기반 매핑은 삽입 용량을 동적으로 조절할 수 있어, 특정 영역에 더 많은 데이터를 숨기거나, 중요한 영역에는 최소한의 변형만을 가하도록 설계할 수 있다.

세 번째 기법은 자연수(Natural number) 기반 비트 평면 분해이다. 자연수는 1, 2, 3, 4,… 로 연속적인 가중치를 제공한다. 이미지 픽셀 값을 자연수 가중치의 합으로 표현하면, 기존 비트 수보다 더 많은 비트 평면을 생성할 수 있다. 이 방식은 구현이 비교적 간단하면서도, 피보나치와 소수 방식의 장점을 절충한다. 즉, 데이터 용량은 크게 늘어나지만, 가중치가 연속적이기 때문에 압축 및 복원 과정에서 연산 오버헤드가 최소화된다.

각 기법별로 저자는 삽입 용량, PSNR(Peak Signal‑to‑Noise Ratio), SSIM(Structural Similarity Index) 등 정량적 지표를 실험적으로 비교한다. 피보나치 기반은 가장 높은 용량(픽셀당 평균 2.3 bit)과 우수한 PSNR(≈45 dB)을 보였으며, 소수 기반은 보안성 측면에서 가장 낮은 탐지 확률을 기록했다. 자연수 기반은 구현 복잡도가 가장 낮아 실시간 응용에 적합하였다. 또한, 복호화 과정에서 발생할 수 있는 오류 전파를 최소화하기 위해 오류 정정 코드와 결합하는 방안을 제시한다.

마지막으로 논문은 이러한 비트 평면 확장 기법이 기존 LSB와 비교해 용량‑왜곡 트레이드오프를 어떻게 개선했는지를 종합적으로 논의한다. 특히, 피보나치와 소수 기반은 비정규적인 비트 배치가 통계적 은닉 탐지를 회피하는 데 효과적이며, 자연수 기반은 구현 효율성을 강조한다. 향후 연구에서는 다중 채널(색상, 텍스처) 결합, 딥러닝 기반 적응형 비트 배치, 그리고 암호화와 결합한 복합 보안 프레임워크 개발이 제안된다.