Linguistic Steganography Detection Using Statistical Characteristics of Correlations between Words

A Generic Taxonomy for Steganography Methods

“…Another example of statistical detectors involves neighbor difference feature for word shift methods [146]. Many ML-based detectors for generative linguistic steganography methods have been developed in the recent years, such as SVM classifier in [147], Softmax classifier in [148], TS-RNN [149], or CNN [150].…”

TS-CNN: Text Steganalysis from Semantic Space Based on Convolutional Neural Network

“…Din et al (Din et al 2015) proposed a formalization of genetic algorithm method in order to detect hidden message on an analyzed text. In paper (Chen et al 2008), a novel statistical algorithm for linguistic steganography detection was presented. They used the statistical characteristics of correlations between the general service words gathered in a dictionary to classify the given text segments into stego-text segments and normal text segments.…”

Experimental research of the software complex to attack the linguistic stegosystem

“…На ряду з популярним на момент написання статті використанням зображень в якості контейнеру, що може нести секретне повідомлення все більшого поширення набуває використання у цій ролі тексту природньої мови, а саме розвиваються методи комп'ютерної лінгвістичної стеганографії, що прямо впливають на пошук шляхів задоволення потреб сучасної кібербезпеки в рамках протидії цим методам, що описані в [2] та породжують появу автоматизованих засобів лінгвістичної стеганографії, стегоаналізу та проведення атак на лінгвістичну стегосистему з метою видалення, модифікації, розшифрування чи заміни стегоповідомлення у тексті. Сучасні методи стегоаналізу текстової інформації [7,9,10,11] не розраховані на ефективне використання їх для проведення атаки на лінгвістичну стегосистему з метою видалення стегоповідомлення, а ефективність проведення атаки буде дорівнювати ефективності стегоаналізу. Системи ж автоматизованого реферування текстів [5,8] не враховують можливості використання стеганографічних методів у тексті, тому проведення експериментальної перевірки працездатності та ефективності розробленого методу семантичного стиснення текстової інформації для протидії комп'ютерній лінгвістичній стеганографії та його реалізації у вигляді програмного комплексу проведення атаки на лінгвістичну стегосистему [3] з метою доведення більшої його ефективності є актуальним завданням.…”

“…МЕТОДИКА Зазначена точність поширених алгоритмів автоматизованого стегоаналізу для: [7] -91,175%, для [10] -становить 97,19%, для [9] -точність виявлення наявності стегоповідомлення складає 87,39%, 95,51%, 98,50%, 99,15% та 99,57% при розмірі сегменту 5кБ, 10кБ, 20кБ, 30кБ і 40кБ відповідно, для [11] точність перевищує 90%. Більш детально переваги та недоліки алгоритмів описані в [3].…”