Sistema steganografico guidato dall’ottimizzazione basato su mappe fuse e cifratura Blowfish

Nascere messaggi in bella vista

Molti di noi inviano foto ogni giorno senza pensare a cos’altro potrebbero trasportare. Questa ricerca esplora come nascondere un’intera immagine all’interno di un’altra in modo così intelligente che persino strumenti di intelligenza artificiale avanzati faticano a notare qualcosa di anomalo. Il lavoro è rilevante per chi si occupa di privacy e comunicazioni sicure, dalla condivisione di dati medici alle forze dell’ordine e ai giornalisti che operano sotto censura.

Perché nascondere dati dentro le immagini?

La steganografia è l’arte di celare informazioni in modo che la loro stessa esistenza rimanga segreta. Invece di confondere i dati come fa la cifratura tradizionale, la steganografia infila un messaggio nascosto in un file dall’aspetto ordinario, come una foto. La sfida è inserire abbastanza dati segreti mantenendo l’immagine perfettamente naturale e assicurandosi che gli attaccanti, compresi potenti sistemi di deep learning, non riescano a rilevare che qualcosa è stato nascosto. Questo articolo affronta quel bilanciamento a tre vie: rimanere invisibili, trasportare molti dati e restare robusti contro il rilevamento automatico.

Nascondere in modo più intelligente con una mappa delle regioni “dettagliate”

Gli autori partono da una domanda semplice: dove in un’immagine si possono fare piccole modifiche che nessuno noterà? L’occhio umano è meno sensibile a leggere alterazioni in aree complesse e ricche di texture rispetto a cieli uniformi o pareti lisce. Il sistema analizza innanzitutto l’immagine di copertura — la foto che dovrà ospitare il segreto — costruendo due guide. Una guida misura l’entropia locale per individuare regioni piene di dettagli fini. L’altra usa una misura in stile rivelatore di bordi per evidenziare zone rumorose ad alto contrasto. Queste due guide vengono fuse in un’unica “mappa fusa” che funziona come una mappa di calore dei punti migliori per nascondere, orientando il sistema lontano dalle aree lisce e fragili.

Bloccare il segreto prima di nasconderlo

Prima di qualsiasi occultamento, l’immagine segreta viene completamente cifrata usando un cifrario noto come Blowfish. Questo passaggio significa che, anche se un attaccante dovesse in qualche modo estrarre i bit nascosti, vedrebbe solo rumore cifrato e non un’immagine leggibile. L’immagine cifrata viene quindi trasformata in un flusso di bit da inserire nell’immagine di copertura uno per uno. L’occultamento vero e proprio usa un trucco classico: modificare i bit meno significativi dei pixel selezionati. Questi lievi aggiustamenti sono troppo piccoli per essere notati visivamente ma possono immagazzinare i dati cifrati in modo affidabile se posizionati con cura.

Lasciare che uno sciame cerchi la strategia migliore

Scegliere dove e in quale ordine nascondere i bit si rivela un puzzle complesso. Per risolverlo, gli autori usano la Particle Swarm Optimization, un metodo di ricerca ispirato alla natura che imita come stormi di uccelli o banchi di pesci si muovono verso posizioni vantaggiose. Ogni “particella” rappresenta una proposta per combinare le impostazioni della mappa fusa e ordinare i pixel. Lo sciame testa ripetutamente strategie diverse, valutandole in base a quanto poco distorcono l’immagine di copertura e a quanto accuratamente il segreto può essere recuperato. In alcune decine di iterazioni, lo sciame converge su un piano di embedding che mantiene l’immagine dall’aspetto naturale preservando la ricostruzione perfetta dell’immagine nascosta.

Mettere il sistema alla prova

I ricercatori hanno testato il loro metodo su collezioni di immagini standard spesso usate nella comunità steganografica. Anche nascondendo fino a circa un bit segreto per pixel — un carico relativamente pesante — le immagini alterate, o stego, sono rimaste visivamente quasi indistinguibili dagli originali. La qualità dell’immagine misurata è rimasta ben al di sopra dei livelli in cui gli esseri umani noterebbero cambiamenti, e le immagini segrete sono state recuperate perfettamente. Crucialmente, due moderne reti di steganalisi basate su deep learning, progettate specificamente per individuare contenuti nascosti, non hanno fatto meglio del caso. Un test statistico tradizionale ha mostrato solo segnali modesti, specialmente a tassi di occultamento più realistici e moderati.

Cosa significa per la sicurezza di tutti i giorni

In termini semplici, questo lavoro mostra che è possibile nascondere quantità sostanziali di informazioni cifrate in foto in scala di grigi ordinarie mantenendo le immagini invariate nell’aspetto e in gran parte non rilevabili, anche per i rivelatori AI attuali. Il metodo è abbastanza veloce per un uso in tempo reale e potrebbe supportare applicazioni come la telemedicina sicura, la condivisione confidenziale di immagini o rapporti sensibili da campo che devono viaggiare mascherati da foto quotidiane. Pur concentrandosi su immagini statiche in scala di grigi e lasciando colore, video e compressione intensa a lavori futuri, dimostra una combinazione potente: prima cifrare il messaggio, poi nasconderlo solo dove l’immagine può “assorbire” cambiamenti, e lasciare che un algoritmo di ottimizzazione perfezioni i dettagli.

Citazione: Aljughaiman, A., Alrawashdeh, R. Optimization-driven steganographic system based on fused maps and blowfish encryption. Sci Rep 16, 4922 (2026). https://doi.org/10.1038/s41598-026-35556-9

Parole chiave: steganografia delle immagini, occultamento dei dati, privacy digitale, immagini cifrate, rilevamento con deep learning