Protection contre les usages criminels de la stéganographie – PACeS

Nous avons caractérisé la signature de la chaîne d'acquisition d'une photographie naturelle sur la distribution statistique du bruit dans les images résiduelles.

- Nous avons caractériser la correlation entre pixels voisins comme une signature de la chaîne d'acquisition d'une photographie naturelle
- Nous avons exploité la structure de corrélation entre pixels pour mesurer la difficulté de détection d'informations cachées.
- Nous avons exploité la structure de corrélation entre pixels pour expliquer le problem de source mismatch (distribution shift) en stéganalyse.
- Nous avons exploité la structure de corrélation entre pixels pour identifier les images générées par intelligence artificielle.

Le travail visant à caractériser la corrélation entre pixels et la reliée à la chaîne d'acquisition d'une photographie naturelle pour détecter les images générées par intelligence artificielle n'est qu'à ses débuts, nous allons continuer dans cette direction avec une application possible aux vidéos

- Antoine Mallet , Martin Beneš , Rémi Cogranne, «Cover-source mismatch in steganalysis: systematic review«, EURASIP Journal on Information Security, 2024, 2024 (1), pp.26. ?10.1186/s13635-024-00171-6?
- Antoine Mallet , Patrick Bas , Rémi Cogranne, «Statistical Correlation as a Forensic Feature to Mitigate the Cover-Source Mismatch«, 12th ACM Workshop on Information Hiding and Multimedia Security (ACM IH\&MMSEC'24), Jun 2024, Baiona, Spain. ?10.1145/3658664.3659638?
- Rémi Cogranne, «A Comparative Review of Deep Learning Models for Deepfake Detection«, 2025 IEEE International Conference on Advanced Machine Learning and Data Science (IEEE AMLDS 2025), IEEE, Jul 2025, Tokyo (Japan), Japan
- Arthur Méreur , Antoine Mallet , Rémi Cogranne , Minoru Kuribayashi, «FORENSICS ANALYSIS OF RESIDUAL NOISE TEXTURE IN DIGITAL IMAGES FOR DETECTION OF DEEPFAKE«, International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Apr 2025, Hyderabad, India, France
- Antoine Mallet , Rémi Cogranne , Minoru Kuribayashi , Arthur Méreur, «How much is the Source Mismatch an Important Problem for Deepfake Detection ?«, APSIPA Transactions on Signal and Information Processing
- Arthur Méreur , Antoine Mallet , Rémi Cogranne, «Are Deepfakes a Game Changer in Digital Images Steganography Leveraging the Cover-Source-Mismatch?«, The 19th International Conference on Availability, Reliability and Security, Jul 2024, Vienne (AUT), Austria. ?10.1145/3664476.3670893?
- Antoine Mallet , Arthur Méreur , Minoru Kuribayashi , Rémi Cogranne , Patrick Bas, «Simple Detection of AI-Generated Images based on Noise Correlation«, International conference on Advanced Machine Learning and Data Science (AMLDS) 2025, Jul 2025, Tokyo, Japan
- Quentin Giboulot , Patrick Bas , Rémi Cogranne , Dirk Borghys, «The Cover Source Mismatch Problem in Deep-Learning Steganalysis«, European Signal Processing Conference, Aug 2022, Belgrade, Serbia
- Rémi Cogranne, «A Comparative Review of Deep-Learning Models for Deepfakes Detection«, SPIE 10th International Conference on Multimedia and Image Processing (ICMIP 2025), Apr 2025, Okinawa, Japan, Japan
- Quentin Giboulot , Patrick Bas , Rémi Cogranne, «Multivariate Side-Informed Gaussian Embedding Minimizing Statistical Detectability«, IEEE Transactions on Information Forensics and Security, 2022, 17, pp.1841 - 1854. ?10.1109/TIFS.2022.3173184?
- Antoine Mallet , Rémi Cogranne , Patrick Bas , Quentin Giboulot, «Identification de Développements d'Images par Matrices de Corrélations«, XXIXème Colloque Francophone de Traitement du Signal et des Images, Université de Grenoble; Association Gretsi, Aug 2023, Grenoble, France
- Antoine Mallet , Rémi Cogranne , Patrick Bas, «Linking Intrinsic Difficulty and Regret to Properties of Multivariate Gaussians in Image Steganalysis«, 12th ACM Workshop on Information Hiding and Multimedia Security (ACM IH\&MMSEC'24), Jun 2024, Baiona, Spain. ?10.1145/3658664.3659643?

Le présent projet PACeS s'intéresse à stéganographie et à la stéganalyse, i.e. la dissimulation de données dans les médias numériques. De tels outils sont disponibles sur Internet et peuvent être utilisés par des réseaux criminels, ou pour exfiltrer des informations. Il n’existe aucun logiciel pour détecter cette menace. Ce projet vise principalement à combler ce manque. Notre méthode scientifique repose sur une modélisation statistique précise des médias pour garantir de très faible taux de faux-positifs et afin de concevoir une dissimulation adverse, qui exploiterait ses modèles afin de minimiser la détectabilité des données cachées. Le projet PACeS aborde des problèmes très opérationnels en adoptant un contexte le plus réaliste possible. Cela inclut notamment de pouvoir tenir compte de la très grande diversité et de tenir compte de la place croissante des vidéos peu étudiées en stéganographie et en stéganalyse en raison de l’absence de modèles statistiques exploitables.