Steganaliz

Steganaliz, dijital ortamlarda steganografi yöntemleriyle gizlenmiş verilerin varlığını belirlemeye yönelik analiz ve inceleme yöntemlerinin genel adıdır. Steganografi, bilginin dikkat çekmeden başka bir veri içerisine saklanmasını hedeflerken; steganaliz bu gizlemenin oluşturduğu dijital izleri ortaya çıkarmaya çalışır.^【1】 Bu nedenle iki yaklaşım, dijital ortamlarda bilgi gizleme ve gizli veriyi tespit etme süreçlerinin birbirini tamamlayan yönlerini temsil eder. Günümüzde görüntü, ses, video ve metin gibi farklı veri türlerinde gerçekleştirilen gizleme işlemlerinin belirlenmesinde çeşitli steganaliz yöntemlerinden yararlanılmaktadır.

^{Gizli Veri (}Pexels⁾

Dijital steganografinin yaygınlaşmasıyla birlikte steganaliz araştırmaları da hız kazanmıştır. Özellikle 1990'lı yıllardan itibaren araştırmacılar, dijital dosyalara gizlenen verilerin istatistiksel etkilerini ortaya çıkarmaya yönelik yöntemler geliştirmeye başlamıştır.

Steganaliz alanındaki ilk önemli çalışmalardan biri Jessica Fridrich, Miroslav Goljan ve Rui Du tarafından gerçekleştirilmiştir.

Araştırmacılar, görüntülerde yaygın olarak kullanılan En Anlamsız Bit (Least Significant Bit – LSB) tabanlı gizleme yöntemlerinin çeşitli istatistiksel analizlerle belirlenebileceğini göstermiştir.^【2】 Bu çalışmalar, sonraki yıllarda geliştirilen birçok steganaliz yöntemine temel oluşturmuştur.

Steganografi tekniklerinin çeşitlenmesiyle birlikte yalnızca belirli algoritmaları hedefleyen analiz yaklaşımları yeterli olmamaya başlamıştır. Bunun sonucunda, kullanılan gizleme yöntemini önceden bilmeden çalışan kör (blind) steganaliz yaklaşımları geliştirilmiştir. Günümüzde ise makine öğrenmesi ve özellikle derin öğrenme tabanlı modeller, alanın başlıca araştırma konuları arasında yer almaktadır.

Steganalizin temel amacı, bir dosyanın gizli veri içerip içermediğini belirlemektir. Çoğu durumda öncelik, gizli mesajın içeriğini elde etmekten ziyade gizleme işleminin varlığını ortaya koymaktır.

Steganaliz yöntemleri genel olarak özgül (targeted) ve kör (blind) olmak üzere iki grupta incelenir. Özgül yöntemler belirli bir gizleme algoritmasını hedef alırken, kör yöntemler kullanılan tekniği önceden bilmeden dosyanın istatistiksel özelliklerindeki olağan dışı değişimleri inceler.

^{Gizli Verilerin Dijital Ortamlarda İkili Veri Yapıları İçinde Saklanmasını Temsil Eden Görsel (}Pexels⁾

Geleneksel steganaliz çalışmalarında histogram analizi, ki-kare testi, RS analizi ve örüntü incelemeleri gibi yöntemlerden yararlanılmıştır. Bu teknikler, gizleme işlemi sonucunda veri dağılımlarında meydana gelen değişimleri belirlemeye çalışır. Ünal Tatar ve Tolga Mataracıoğlu, farklı steganografi yöntemlerini ve bunların tespitinde kullanılan analiz tekniklerini karşılaştırmalı olarak incelemiştir.^【3】

Son yıllarda steganaliz araştırmalarının önemli bir bölümü derin öğrenme tabanlı yöntemlere yönelmiştir. Geleneksel yaklaşımlarda özellik çıkarma ve sınıflandırma işlemleri ayrı aşamalar hâlinde yürütülürken, derin öğrenme modelleri bu süreci uçtan uca gerçekleştirebilmektedir.

Özellikle Evrişimsel Sinir Ağları (Convolutional Neural Networks – CNN), insan gözüyle fark edilmesi güç olan istatistiksel örüntüleri öğrenerek gizli veri içeren görüntüleri sınıflandırabilmektedir. Reinel Tabares-Soto ve çalışma arkadaşlarının sistematik incelemesi, derin öğrenme tabanlı yöntemlerin birçok senaryoda geleneksel tekniklere göre daha başarılı sonuçlar verdiğini ortaya koymaktadır.^【4】

Güncel çalışmalar, ses, video ve metin gibi farklı veri türlerinde gerçekleştirilen gizleme işlemlerinin belirlenmesine de odaklanmaktadır. Hamza Kheddar ve çalışma arkadaşlarının derlemesi, derin öğrenme tabanlı steganaliz çalışmalarının çoklu veri türlerini kapsayacak biçimde genişlediğini ve alanın temel araştırma eksenlerinden biri hâline geldiğini ortaya koymaktadır.^【5】

^{Derin Öğrenmede Kullanılan Sinir Ağı Mimarilerinin Temsili Görselleştirmesi (}Pexels⁾

Steganaliz, adli bilişim incelemelerinde kullanılan analiz yöntemlerinden biridir. Dijital deliller arasında yer alan görüntü, ses, video ve belge dosyalarının gizli veri içerip içermediğinin belirlenmesi, soruşturma ve olay inceleme süreçlerinde önemli bir inceleme aşamasını oluşturabilmektedir.^【6】

Siber güvenlik alanında ise bazı zararlı yazılımlar, komuta-kontrol iletişimleri veya veri sızdırma faaliyetleri steganografi tekniklerinden yararlanabilmektedir. Bu nedenle güvenlik araştırmacıları, ağ trafiği ve dijital içerikler üzerinde steganaliz yöntemleri uygulayarak olağan dışı veri saklama girişimlerini belirlemeye çalışmaktadır.

^{Dijital Sistemlerde Gerçekleştirilen Güvenlik Analizi ve Olay İnceleme Süreçlerini Temsil Eden Ekran Görünümü (}Pexels⁾

Steganografi ile steganaliz arasında sürekli devam eden bir teknik gelişim süreci bulunmaktadır. Gizleme yöntemleri geliştikçe bunları tespit etmeye yönelik analiz teknikleri de değişmekte ve yeni yaklaşımlar geliştirilmektedir.

Günümüzde kullanılan uyarlamalı steganografi yöntemleri, görüntülerin doğal istatistiksel özelliklerini mümkün olduğunca korumayı hedeflediğinden tespit işlemi giderek güçleşmektedir. Ayrıca görüntülerin yeniden boyutlandırılması, sıkıştırılması veya gürültü eklenmesi gibi işlemler de steganaliz modellerinin doğruluk oranını etkileyebilmektedir.

Othman A. Alrusaini'nin çalışması, derin öğrenme tabanlı steganaliz modellerinin farklı görüntü dönüşümleri karşısındaki dayanıklılığını incelemiş ve özellikle gürültü eklenmesinin tespit başarısını belirgin biçimde azaltabildiğini göstermiştir.^【7】