스테가노그래피 탐지 (Steganography Detection)
쉽게 풀면
스테가노그래피는 메시지를 아예 존재하지 않는 것처럼 숨기는 기술로, 사진 파일처럼 보이지만 그 안에 비밀 문서가 숨겨져 있는 경우가 대표적입니다. 스테가노그래피 탐지는 겉보기에 평범한 파일 속에서 이런 숨겨진 흔적을 찾아내는 작업입니다. 마치 겉으로는 평범한 그림이지만 자세히 들여다보면 미세한 잉크 얼룩이 숨겨진 글자를 이루고 있는 것을 찾아내는 것과 비슷합니다. 암호화와 달리 정보가 숨겨져 있다는 사실 자체를 숨기는 것이 특징입니다.
왜 중요한가
테러 조직이나 범죄 조직이 감시를 피해 비밀 통신을 주고받는 수단으로 스테가노그래피를 악용할 수 있어, 이를 탐지하는 기술은 국가 안보와 범죄 수사 모두에서 중요하게 다뤄집니다. 법과학 논문에서는 탐지 알고리즘의 정확도와 오탐률(false positive rate)이 주요 연구 주제입니다.
논문에서는 이렇게 쓰입니다
이미지의 픽셀 통계 패턴을 분석해 숨겨진 데이터를 찾아냈다는 뜻입니다.
실제 압수물 조사 과정에서 은닉 데이터를 찾아낸 사례를 보여줍니다.
조금 더 깊게 보면
탐지 기법은 크게 특정 은닉 도구의 흔적(시그니처)을 찾는 방법과, 파일의 통계적 특성(픽셀 분포, 엔트로피 등)이 정상 파일과 다른지를 분석하는 방법으로 나뉩니다. 최근에는 딥러닝 기반 분류 모델을 활용해 은닉 여부를 판별하려는 연구도 이루어지고 있습니다. 딥러닝 기반 탐지 모델은 주로 합성곱 신경망으로 픽셀 간 미세한 통계적 상관관계를 학습해 은닉 여부를 분류하며, 은닉 도구마다 남기는 특유의 잡음 패턴(스테고 시그니처)을 식별하는 방식도 함께 활용됩니다. 오디오나 영상 파일에서는 프레임 간 미세한 위상 차이나 주파수 대역의 이상치를 살펴보는 기법이 쓰입니다. 이미지나 오디오 파일의 최하위 비트를 변경하는 등의 방식으로 정보를 숨기면 육안으로는 원본과 구별되지 않으므로, 통계적 이상치를 찾는 분석이나 알려진 스테가노그래피 도구의 시그니처 패턴을 탐지하는 방식으로 은닉 여부를 판별합니다.
주의할 점
탐지 기법마다 대응하는 은닉 방식이 다르기 때문에 만능 탐지 도구는 존재하지 않으며, 은닉 여부만 확인되고 실제 내용 복원은 별도의 절차가 필요한 경우가 많습니다.
탐지 알고리즘은 특정 은닉 도구나 알고리즘에 최적화된 경우가 많아, 새로운 방식의 은닉 기법에는 탐지율이 크게 떨어질 수 있습니다. 또한 은닉 여부가 확인되어도 암호화까지 함께 적용된 경우 실제 내용 복원은 별도의 복호화 절차가 필요합니다.