Base de données

LSSD

Large Scale Steganalysis Database — 2 millions d'images JPEG 256×256 (couleur ou niveaux de gris) construites pour la stéganalyse par apprentissage profond, « into the wild », en conditions contrôlées.

Aperçu de la base LSSD : mosaïque d'images 256×256
fig.00 — Aperçu de la base LSSD : images 256×256, couleur et niveaux de gris.

Accès à la base

Trois moyens de récupérer la base et ses différentes tailles :

Script
download_lssd

Script de téléchargement LSSD_download_script.sh — sélection par base, taille, format et couleur.

 Site dédié
lssd.lirmm.fr

Portail dédié à la base, hébergé par le LIRMM.

 GitHub
Yiouki / download_lssd

Dépôt du script, structure des dossiers et outils de développement RAW.

Contenu de la base

Les images de LSSD sont développées à partir d'images RAW (capteur, avant traitement), puis recadrées et recompressées en JPEG 256×256.

Diagramme du processus de développement des images RAW en JPEG 256×256
fig.01 — Processus de développement des images RAW en crops JPEG 256×256.
Image 3786 développée, base ALASKA (niveaux de gris)
ALASKA · 3786
niveaux de gris
Image 6456 développée, base BOSS (niveaux de gris)
BOSS · 6456
niveaux de gris
Image 51336 développée, base ALASKA (couleur)
ALASKA · 51336
couleur
Image développée, base Wesaturate (couleur)
Wesaturate
couleur

Ces images proviennent de six bases publiques d'images RAW :

Base source (RAW)ImagesPart
ALASKA 280 00562,88 %
Stego App24 12018,96 %
BOSS10 0007,66 %
RAISE8 1566,41 %
Wesaturate3 6482,87 %
Dresden1 4911,23 %

Développée en versions cover et stego (JUNIWARD, 0,2 bpnzac), aux formats JPEG et MAT, en couleur ou niveaux de gris, et déclinée en plusieurs tailles :

10K 50K 100K 500K 1M 2M TEST

Exemple de commande de téléchargement :

sh LSSD_download_script.sh -b LSSD_2M -t JPEG -c Color -n Cover

Objectif

LSSD a été conçue pour étudier la stéganalyse avec de très grandes bases d'apprentissage et dans des conditions contrôlées. Le contrôle du développement des images RAW (démosaïçage, redimensionnement, recompression JPEG) permet d'isoler les facteurs qui influencent réellement les performances des réseaux de neurones, et de se rapprocher de conditions réalistes « into the wild ».

Citation

Si vous utilisez LSSD, merci de citer :

H. Ruiz, M. Yedroudj, M. Chaumont, F. Comby, G. Subsol, « LSSD: a Controlled Large JPEG Image Database for Deep-Learning-based Steganalysis “into the Wild” », ICPR 2021 Workshop MMForWILD, LNCS 12666, Springer, janvier 2021. 
@inproceedings{ruiz2021lssd,
  title     = {LSSD: a Controlled Large JPEG Image Database for
               Deep-Learning-based Steganalysis "into the Wild"},
  author    = {Ruiz, Hugo and Yedroudj, Mehdi and Chaumont, Marc
               and Comby, Fr\'ed\'eric and Subsol, G\'erard},
  booktitle = {Pattern Recognition. ICPR International Workshops
               and Challenges (MMForWILD 2021)},
  series    = {LNCS},
  volume    = {12666},
  publisher = {Springer},
  year      = {2021},
  doi       = {10.1007/978-3-030-68780-9_38}
}

Ressources

DOI ↗ Article PDF ↓ Slides ↓ Vidéo ↗ Toutes les publications →