| 研究課題/領域番号 |
18K11301
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60070:情報セキュリティ関連
|
|---|
| 研究機関 | 東京情報大学 |
|---|
研究代表者 |
西村 明 東京情報大学, 総合情報学部, 教授 (30286182)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 情報ハイディング / ステガノグラフィ / ステガナリシス / 音響信号データセット / 機械学習 / 音声符号化 / 振幅変動統計量 / 最下位ビット / オーディオデータセット / コヒーレンス関数 / LSB / 線形予測 / 時間周波数分析 / エントロピー / 帯域分割 / ナイキスト周波数 / 信号対雑音比 / 帯域分析 / データハイディング / 信号処理 / 信号識別 |
|---|
| 研究成果の概要 |
音データへの情報秘匿の有無を、秘匿前の音データ無しでブラインド検出する手法を複数検討した。音波形データの最下位ビットに情報秘匿する手法に対しては、最高周波数近傍のエネルギー時間変化の統計量を用いて検出が可能であった。一方、2019年に公開された 10,000ファイルの音楽データである Audio Steganalysis Dataset に対しては、上記手法は無効であった。このため検査対象信号に対して情報秘匿を行い、その秘匿前後の差異から、秘匿の検出が可能な信号を選別する手法を開発した。AMR音声符号化データへの情報秘匿に対しては、符号化データの統計的性質を基に既存手法より高い検出率を得た。
|
| 研究成果の学術的意義や社会的意義 |
ディジタルコンテンツへ情報を秘匿する技術は、インターネット上の様々なコンテンツへ機
密情報を秘匿できるため、テロリストや犯罪組織の秘匿通信に使われている、という疑いがある。これを検出するため、情報秘匿前のコンテンツ無しに、情報秘匿の有無を検出する手法である、ステガナリシスの必要性が高まっている。なかでも Steghide による情報秘匿に対しては、これまで多様な音データに対しての有効なステガナリシスが示されていなかった。本研究は Steghide に対してのステガナリシスの適用可能な音データの特徴を明示することで、適用不可能な音データに対する今後の課題も示した。
|
