텍스처 어텐션 기반 적응형 LSB 스테가노그래피

이미지 스테가노그래피는 디지털 커버 이미지 내에 비밀 이미지를 숨기는 기술로, 일반 사용자에게는 보이지 않아야 합니다. 기존 스테가노그래피 방식은 페이로드 용량(PC)이 높을수록 시각적 비탐지성이 저하되고, 탐지 및 이미지 왜곡에 대한 저항력이 감소하는 근본적인 한계에 직면합니다. 본 연구는 이러한 트레이드오프를 극복하고자 합니다. 제안하는 프레임워크는 커버 이미지에서 텍스처 맵을 추출하고, 어텐션 맵을 생성하며, 유전 알고리즘(GA) 최적화를 선택적으로 활용하여 내용 적응형 및 텍스처 어텐션 기반 방식으로 최대의 비인지성과 견고성을 달성합니다. ResNet50 블록으로 추출한 텍스처 맵과 거리 변환 맵을 결합하여 어텐션 맵을 생성한 후, U-Net 모델을 훈련하여 새로운 커버 이미지에 대한 맵을 예측합니다. 이 어텐션 맵은 1~4 BPP(Bits Per Pixel) 범위의 적응형 비트 할당을 안내합니다. 실험 결과, 모든 스테고 이미지의 PSNR 값은 55~61dB, SSIM 값은 1.0에 가까워 높은 시각적 품질을 보였습니다. 또한, 비밀 메시지의 무손실 복구가 가능하며, 임베딩된 비밀 메시지와 추출된 비밀 메시지 간의 BER은 0, SSIM 값은 1.0이었습니다. GA 기반 임베딩은 어텐션 전용 임베딩 대비 약 3.6~5.0dB의 PSNR 향상을 가져왔습니다. 본 연구는 어텐션 예측기(U-Net 기반)와 GA 기반 최적화의 기여도를 평가하기 위한 일련의 절제 연구(ablation study)를 수행했습니다. 이 결과는 제안된 방법론이 고품질 스테고 이미지 생성에 효과적임을 입증하며, 향후 이미지 스테가노그래피 기술 발전에 기여할 수 있는 잠재력을 보여줍니다.