다중해상도 분석 기반 멀티미디어 스테가노그래피

초록

본 논문은 RGB 이미지의 변환 영역에 블록 기반으로 멀티미디어 데이터를 삽입하는 새로운 스테가노그래피 방식을 제안한다. 다중해상도(웨이브릿) 분석을 이용해 이미지의 고주파·저주파 계수를 구분하고, 적응형 혹은 비적응형 임계값을 적용해 임베딩 강도를 조절한다. 실험 결과, 기존 DCT·DFT 기반 기법에 비해 PSNR·SSIM이 우수하고, JPEG 압축·노이즈·필터링 등에 대한 복원율이 향상되었으며, 통계적 탐지에 대한 은폐성도 개선되었다.

상세 분석

이 논문은 디지털 스테가노그래피에서 가장 핵심적인 두 축, 즉 ‘임베딩 용량’과 ‘은폐성(인비저빌리티)’을 동시에 최적화하려는 시도로서, 다중해상도 분석(MRA, 흔히 웨이브릿 변환)과 블록 기반 접근을 결합하였다. 웨이브릿 변환은 이미지의 공간‑주파수 특성을 다중 스케일로 분해함으로써, 저주파(LL)와 고주파(LH, HL, HH) 서브밴드에 각각 다른 임베딩 전략을 적용할 수 있게 한다. 저주파는 인간 시각 시스템(HVS)에 민감하므로, 작은 변조만을 허용하고 고주파는 상대적으로 변형에 강인하므로 더 많은 비트를 삽입한다.

블록 기반 처리에서는 이미지 전체를 일정 크기의 정사각형 블록(예: 8×8 또는 16×16)으로 나눈 뒤, 각 블록의 에너지 분포와 텍스처 복잡도를 분석한다. 에너지가 높은 블록은 시각적 왜곡을 최소화하기 위해 낮은 임베딩 강도를, 에너지가 낮고 복잡도가 높은 블록은 높은 임베딩 강도를 적용한다. 이러한 적응형(adaptive) 전략은 비적응형(non‑adaptive) 방식에 비해 동일한 PSNR을 유지하면서도 더 큰 페이로드를 제공한다.

임베딩 과정은 두 단계로 이루어진다. 첫 번째는 선택된 서브밴드 계수의 LSB(Least Significant Bit) 혹은 LSB‑2 등을 교체하거나, 양자화 인덱스(QI)를 조정하는 방식이다. 두 번째는 오류 정정 부호(ECC)를 적용해 삽입된 멀티미디어(이미지·오디오·텍스트)의 복원 가능성을 높인다. 복원 단계에서는 동일한 웨이브릿 역변환과 블록 재조합을 수행하고, 채널 간 상관관계를 활용해 색상 왜곡을 최소화한다.

실험에서는 PSNR, SSIM, NCC, BER 등 다양한 정량적 지표와 함께, 통계적 탐지 기법(Chi‑square, RS‑analysis) 및 머신러닝 기반 스테가노 분석기에 대한 은폐성 테스트를 수행하였다. 결과는 제안 방법이 JPEG 압축(QF 7090)·가우시안 노이즈(σ=515)·중간 크기 필터링(3×3 평균) 등에 대해 기존 DCT‑SVD, DWT‑SVD, F5 등과 비교해 평균 23 dB 높은 PSNR와 0.020.05 높은 SSIM을 기록했으며, 탐지 확률은 5% 이하로 유지되었다.

한계점으로는 웨이브릿 선택(예: Haar vs. Daubechies)과 블록 크기에 따라 연산 복잡도가 크게 변동한다는 점, 그리고 색채 채널(R,G,B) 간 불균형이 발생할 경우 색상 왜곡이 눈에 띄는 경우가 있다는 점을 지적한다. 향후 연구에서는 복합형 멀티레졸루션(웨이브릿+곡선let)과 딥러닝 기반 적응 임계값 추정기를 도입해 실시간 성능을 개선하고, 비압축 도메인(예: RAW)에서도 적용 가능하도록 확장하는 방안을 제시한다.