Optimeringsdrivet steganografiskt system baserat på sammansmälta kartor och Blowfish-kryptering

Gömma meddelanden i klart sikt

De flesta av oss skickar bilder varje dag utan att fundera över vad de annars kan bära med sig. Denna forskning undersöker hur man kan dölja en hel bild i en annan så förfinat att även avancerade artificiella intelligensverktyg har svårt att märka något ovanligt. Arbetet är relevant för alla som bryr sig om integritet och säker kommunikation, från delning av medicinska data till brottsbekämpning och journalister som verkar under censur.

Varför dölja data i bilder?

Steganografi är konsten att dölja information så att dess blotta existens är hemlig. Istället för att förvränga data som vid traditionell kryptering, smyger steganografi in ett dolt meddelande i en fil som ser helt vanlig ut, till exempel ett foto. Utmaningen är att packa in tillräckligt med hemlig data samtidigt som bilden ser helt naturlig ut och angripare — inklusive kraftfulla system för djupinlärning — inte kan upptäcka att något gömts. Denna artikel tar sig an den trefaldiga avvägningen: hur man förblir osynlig, rymmer mycket data och är robust mot automatiserad upptäckt.

Smarte­re gömställen med en karta över ”upptagna” regioner

Författarna börjar med en enkel fråga: var i en bild kan du göra små förändringar som ingen kommer att lägga märke till? Människans öga är mindre känsligt för små ändringar i komplexa, texturrika områden än i släta himlar eller jämna väggar. Systemet studerar först så kallade cover-bilden — bilden som ska bära hemligheten — genom att bygga två vägledningar. Den ena mäter lokal slumpmässighet, eller entropi, för att hitta områden fulla av fin detalj. Den andra använder ett kantdetektionsliknande mått för att framhäva brusiga, högkontrastzoner. Dessa två vägledningar blandas till en enda ”sammanfogad karta” som fungerar som en värmekarta över de bästa gömställena och styr systemet bort från släta, känsliga områden.

Lås in hemligheten innan den döljs

Innan någon inbäddning sker krypteras den hemliga bilden helt med en väletablerad chiffer som kallas Blowfish. Detta steg innebär att även om en angripare på något sätt lyckades plocka ut de dolda bitarna, skulle de bara se krypterat brus, inte en läsbar bild. Den krypterade bilden omvandlas sedan till en bitström som måste trådas in i cover-bilden ett bit i taget. Den faktiska inbäddningen använder en klassisk teknik: justering av de minst betydande bitarna i utvalda pixlar. Dessa små justeringar är visuellt omärkliga men kan pålitligt lagra den krypterade datan om de placeras omsorgsfullt.

Låta en svärm söka efter bästa strategi

Att välja var och i vilken ordning bitar ska döljas visar sig vara ett komplext pussel. För att lösa det använder författarna Particle Swarm Optimization, en naturinspirerad sökmetod som efterliknar hur flockar av fåglar eller stim av fisk rör sig mot gynnsamma platser. Varje ”partikel” representerar en kandidatstrategi för att kombinera inställningarna i den sammanfogade kartan och rangordna pixlar. Svärmen testar upprepade gånger olika strategier och poängsätter dem utifrån hur lite de förvränger cover-bilden och hur noggrant hemligheten kan återställas. Efter några dussin omgångar konvergerar svärmen mot en inbäddningsplan som håller bilden naturlig samtidigt som den bevarar perfekt återuppbyggnad av den dolda bilden.

Systemet på prov

Forskarna testade sin metod på standardbildsamlingar som ofta används i steganografisamhället. Även när man gömde upp till ungefär en hemlig bit per pixel — en relativt tung belastning — förblev de ändrade, så kallade stego-bilderna visuellt nästan omöjliga att skilja från originalen. Mätningar av bildkvalitet höll sig väl över nivåer där människor skulle märka förändringar, och de hemliga bilderna återfanns perfekt. Viktigt är att två moderna neurala nätverk för steganalys, särskilt utformade för att upptäcka dolt innehåll, inte presterade bättre än slumpen. Ett traditionellt statistiskt test visade också endast måttliga signaler, särskilt vid mer realistiska, måttliga inbäddningshastigheter.

Vad detta betyder för vardaglig säkerhet

Enkelt uttryckt visar detta arbete att det är möjligt att dölja betydande mängder krypterad information i vanliga gråskalebilder samtidigt som bilderna förblir oförändrade och till stor del odetekterbara, även för dagens AI-baserade detektorer. Metoden fungerar tillräckligt snabbt för realtidsbruk och kan stödja tillämpningar som säker telemedicin, konfidentiell bilddelning eller känsliga fältrapporter som behöver transporteras förklädda som vardagsbilder. Studien fokuserar visserligen på stillbilder i gråskala och lämnar färg, video och kraftig kompression till framtida arbete, men visar en kraftfull kombination: kryptera först meddelandet, dölj det sedan endast där bilden säkert kan ”absorbera” förändringar, och låt en optimeringsalgoritm finjustera detaljerna.

Citering: 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

Nyckelord: bildsteganografi, datainbäddning, digital integritet, krypterade bilder, detektion med djupinlärning