스테가노그래피: LSB와 PVD 방식

[13~17] 다음 글을 읽고 물음에 답하시오.

빅 데이터 산업의 발전으로 인해 데이터의 중요성은 증대되고 있지만, 디지털 데이터는 복제와 위변조가 쉽다는 문제가 있다. 디지털 데이터의 저작권 보호와 위변조 방지를 위해 흔히 쓰이는 방법은 원본을 표시하는 워터마크를 문서나 이미지의 배경에 넣는 것이다. 그런데 워터마크는 문서나 이미지의 미적 가치를 떨어뜨리거나 정보 인식에 방해가 되며 제거의 가능성도 있다. '스테가노그래피'는 비밀 통신을 위해 만들어진 것으로, 대상에 비밀 데이터를 삽입하여 전달하는 기술이다. 이것은 데이터의 내용을 알 수 없도록 하는 암호화 기술과 달리, 데이터의 존재 자체를 숨기는 것이 핵심이다. 이를 이용하면 워터마크가 가진 문제들을 해결할 수 있다.

스테가노그래피의 적용 과정은 보통 데이터를 암호화하는 단계와 '커버 오브젝트'라고 불리는 대상에 은닉하는 단계로 이루어진다. 정보를 은닉하는 과정을 '임베딩'이라고 하며, 정보를 숨긴 결과물은 '스테고 오브젝트'라고 부른다. 암호화 단계는 생략할 수도 있는데, 암호화 과정이 생략된 스테가노그래피는 구현이 쉽지만 보안에 취약하다. 반면 암호화 과정이 있는 스테가노그래피의 경우 보안성은 높지만, 암호화로 비밀 데이터의 크기가 증가할 경우 은닉성이 떨어질 수도 있다.

임베딩을 위해서 여러 가지 방식이 개발되었는데, 고전적 방식의 대표적인 것이 LSB 방식이다. 이 방식은 이미지의 픽셀값을 구성하는 최하위 비트를 바꿔 정보를 숨기는 것이다. 컬러 이미지의 경우 하나의 픽셀은 적색, 녹색, 청색이라는 세 개 채널의 조합으로 나타내는데, 각 채널은 빛의 강도에 따라 0에서 255 사이의 수치를 8자리 이진수로 나타낸다. 예를 들어 적색 채널의 픽셀값이 252이면 11111100으로 나타낼 수 있는데, 여기에 1을 임베딩할 경우 11111101이 된다. LSB 방식은 n-LSB 방식으로 확장될 수 있는데, 이는 임베딩 정보의 양에 따라 하위 n개의 비트를 조작하는 방식이다. 최하위 비트 정도의 차이는 육안으로 분별하기 어렵기 때문에 이미지에 큰 왜곡이 발생하지는 않지만, ㉮ 임베딩 용량을 늘리면 스테가노그래피로서의 기능을 잃게 될 수도 있다.

LSB 방식의 문제를 해결하기 위해 제안된 것이 PVD 방식이다. 이 방식은 특정 색 채널에서 두 픽셀의 차잇값에 따라 데이터의 크기를 달리하는 것이다. 즉 픽셀값의 차이가 큰 윤곽선 부근에는 많은 데이터를, 유사한 픽셀값 차잇값 범위 n 을 갖는 부분에는 적은 데이터를 삽입 1-7 3 하는 방식이다. 이를 위해 먼저 2개의 8-15 4 픽셀을 하나의 블록으로 하여 전체 이미지를 나눈다. 한 블록 안에서 특정 색 16-31 5 의 차잇값이 나오면 <차잇값 범위표>에 32-63 6 서 삽입 가능 비트 수 n을 구한다. 예를 <차잇값 범위표>

들어 청색 채널에서 두 픽셀값이 150, 180이라면 차이가 30이므로 5개의 비트를 삽입할 수 있다. 여기에는 00000부터 11111까지의 데이터를 삽입할 수 있는데, 데이터를 삽입할 때는 먼저 삽입을 하고자 하는 데이터를 10진수로 변환해야 한다. 그런 다음 10진수로 변환된 데이터를 <차잇값 범위표>에서 해당 구간의 최솟값에 더하여 새로운 차잇값을 정한다. 11000을 삽입하고자 할 때, 먼저 이를 10진수로 변환하면 24가 된다. 이를 해당 구간의 최솟값 16에 더하면 새로운 차잇값은 40이 된다. 차잇값이 40이 되도록 기존의 픽셀값을 조정하면 임베딩이 완료된다. 그러나 일반적인 이미지에는 유사한 픽셀값을 갖는 부분이 더 많기 때문에 히스토그램을 통해 분석할 경우 비밀 데이터의 존재가 ⓐ 드러날 수도 있다.

WOW 방식은 데이터의 삽입 용량보다 은닉성에 초점을 둔 임베딩 알고리즘이다. LSB, PVD 방식은 이미지의 각 픽셀 간의 관계를 고려하기보다는 모든 픽셀에 대해 순차적으로 임베딩을 수행하기 때문에 이미지의 왜곡으로 인한 탐지 가능성이 높다. 반면 WOW 방식은 주변 픽셀들을 고려하여 커버 오브젝트의 데이터와 스테고 오브젝트의 데이터가 유사한 분포를 가지도록 한다. 이를 위해 비밀 데이터를 임베딩할 때, 방향성을 갖는 필터를 사용하여 각 픽셀의 적합도를 계산한다. 계산 결과에 따라 임베딩할 때 가장 변화가 적은 픽셀을 선정하여 데이터를 삽입하면 왜곡을 최소화할 수 있다.

최근에는 인공 지능의 발전에 따라 합성곱 신경망[CNN]을 활용한 방식도 사용되고 있다. 이 방식에서는 스테고 오브젝트를 생성하는 인코더와 정보를 복원하는 디코더를 공동으로 학습시켜, 사람이 인지하기 어려운 미세한 픽셀 변화를 자동으로 설계한다. 여기에 생성형 적대적 신경망[GAN]을 사용하면 생성자와 판별자가 서로 경쟁하며 학습하기 때문에 매우 정교한 결과를 만들 수 있다. 이처럼 스테가노그래피는 단순한 숨기기 기술을 넘어서, 인공 지능과 결합하며 보안성과 은닉성에서 점점 더 발전하고 있다.

*히스토그램: 비교할 양이나 수치의 분포를 막대 모양의 도형으로 나타낸 그래프.