UNCOVER es el proyecto H2020 en el que se investigará sobre el desarrollo de herramientas de esteganografía en archivos multimedia
22 socios de distintos países participan en la investigación relacionada con las tecnologías Machine Learning y la Inteligencia Artificial
Gradiant forma parte del proyecto europeo, Development of an efficient steganalysis framework for uncovering hidden data in digital media, con el objetivo de ayudar a las agencias europeas de seguridad (LEA) en la localización de información oculta en datos con apariencia inocente insertada en imágenes, vídeos, audios y textos digitales mediante herramientas de esteganografía.
Este proyecto, que se inició el 1 de mayo de 2021, cuenta con la financiación de la Comisión Europea, que lo dotará de un total de 6,9 millones de euros en el marco del programa Horizonte 2020 y está coordinado por la Real Academia Militar de Bruselas. UNCOVER se desarrolla en colaboración de un consorcio formado por 22 socios de nueve países entre los que se encuentran empresas, universidades e institutos de investigación, entre otros. Entre los socios españoles se encuentran la Universidad de Vigo, el Departamento de Seguridad del Gobierno Vasco, Ethical & Legal Plus y el Centro Tecnológico de Telecomunicaciones de Galicia (Gradiant). Además, cuenta con la participación de la policía de los Países Bajos, el Ministerio de Interior de Francia y la Oficina Nacional de Investigación de Finlandia.
Tecnologías Machine Learning y técnicas de ocultación de información
Gradiant lidera una actividad de investigación en el proyecto relacionada con tecnologías de análisis forense junto al Grupo de Procesado de Señal en Comunicaciones (GPSC) de atlanTTic. El objetivo de Gradiant consiste en desarrollar un conjunto de herramientas basada en tecnologías de Machine Learning que permitan obtener información de una imagen para a las herramientas de estegoanálisis y localizar determinadas trazas insertadas por las herramientas de esteganografía.
La esteganografía es una técnica de ocultación de información en archivos multimedia dentro de otra pieza de información. Mientras que la criptografía tradicional encripta un mensaje secreto en una forma ininteligible, la esteganografía oculta que la comunicación está teniendo lugar codificando un mensaje secreto en una señal de cobertura de apariencia inocente en una imagen, video o texto. El objetivo del estegoanálisis se basa en identificar la información sospechosa, determinar si contiene mensajes ocultos codificados y recuperar información oculta. Debido al auge de las TIC, estas herramientas pueden ser útiles para combatir contra el terrorismo de alta tecnología, el espionaje y el robo de información.
«Gradiant aporta su experiencia en el desarrollo de sistemas de análisis forense de imágenes basado en Machine Learning, que están siendo utilizados con éxito en la prevención de fraude en procesos online en diferentes ámbitos. Esta experiencia, junto con la colaboración con expertos en estegoanálisis, nos permitirá desarrollar un conjunto de herramientas que ayuden a adaptar y mejorar el rendimiento de los sistemas de estegoanálisis en entornos reales», explica Pablo Dago, co-responsable de Identity & Forensics.
Por otro lado, los expertos del centro tecnológico trabajarán en otras actividades del proyecto europeo relacionadas con la Inteligencia Artificial y con tecnologías de procesado de lenguaje natural (PNL) con la finalidad de diseñar un nuevo método de detección de esteganografía del texto.
“Los nuevos métodos de estenografía lingüística permiten ocultar información en un texto mediante pequeñas variaciones semánticas y/o sintácticas. En UNCOVER estudiaremos las variaciones en la correlación de las palabras dentro de esos textos y emplearemos las discrepancias encontradas con respecto a lo esperado para detectar posibles contenidos ocultos en los mismos”, destaca Joaquín Lago, ingeniero-investigadores del área de Sistemas Inteligentes.
Este proyecto ha recibido fondos del programa de investigación e innovación Horizon 2020 de la Unión Europea en virtud del acuerdo de subvención Nº 101021687.
