Esteganografía de audio y documentos

Los archivos de audio WAV almacenan muestras de audio PCM sin comprimir de 16 o 24 bits. Al igual que en la esteganografía LSB de imágenes, podemos reemplazar el bit menos significativo de cada muestra de audio por un bit oculto. La modificación cambia cada muestra como máximo en 1 unidad de amplitud de un total de 32768, lo que equivale al 0,003 por ciento de la escala completa y resulta completamente inaudible para los oyentes humanos en condiciones normales.

La codificación de fase divide una señal de audio en segmentos cortos y codifica bits ocultos desplazando la fase de cada segmento. Las diferencias de fase entre segmentos adyacentes se conservan para evitar artefactos audibles. Como el oído humano es relativamente insensible a los valores absolutos de fase, pequeñas modificaciones de fase pueden transportar datos ocultos sin cambiar el sonido de forma detectable. La codificación de fase logra una mayor imperceptibilidad que LSB con la misma tasa de carga útil.

La ocultación de ecos incrusta datos añadiendo ecos tenues a la señal de audio original. Un 1 binario se representa mediante un eco con un retardo de d1 milisegundos; un 0 binario se representa mediante un eco con un retardo de d0. Los retardos se eligen por debajo del umbral de percepción de ecos del oído humano, normalmente inferior a un milisegundo. El receptor extrae los bits detectando qué retardo de eco está presente en cada segmento.

Las técnicas de espectro ensanchado distribuyen la energía de la señal oculta en un amplio intervalo de frecuencias, de forma similar al funcionamiento de la radio de espectro ensanchado. Cada bit oculto modula una secuencia pseudoaleatoria que se añade al audio con una amplitud muy baja en todas las frecuencias. El resultado se asemeja al ruido de fondo y es difícil de separar del audio sin conocer la clave pseudoaleatoria, lo que proporciona tanto imperceptibilidad como resistencia a la detección.

Los documentos PDF tienen varias ubicaciones donde se pueden ocultar datos sin afectar al contenido visible. Los espacios en blanco entre palabras se pueden codificar utilizando distintos caracteres de espacio Unicode. Los flujos de objetos PDF pueden contener datos arbitrarios en campos de comentarios. Los campos de metadatos como Author, Keywords y Creator rara vez son comprobados por los lectores. La estructura PDF permite incluir objetos nulos y entradas sin utilizar en la tabla de referencias cruzadas que pueden transportar bytes ocultos.

Los documentos de Microsoft Word en formato DOCX son archivos ZIP que contienen archivos XML. Los datos ocultos se pueden incrustar en el XML de propiedades del documento, en partes XML personalizadas o como texto invisible con una fuente blanca sobre un fondo blanco. El control de cambios y el historial de revisiones se pueden aprovechar para ocultar datos en los metadatos de revisión. Estas técnicas se utilizan a menudo en malware que exfiltra datos disfrazados de documentos de oficina.

La esteganografía de red oculta datos dentro del tráfico de red normal. Los campos de número de secuencia de TCP pueden codificar bits ocultos sin afectar a la conectividad. Los campos de la cabecera IP, como los números de identificación y los valores de tiempo de vida, pueden transportar datos ocultos. La temporización entre paquetes puede codificar información mediante retardos deliberados. Estos canales encubiertos eluden los firewalls y los filtros de contenido que inspeccionan únicamente el contenido de la carga útil y no los valores de los campos del protocolo.

Los caracteres de ancho cero son puntos de código Unicode que no tienen glifo visible, pero ocupan posiciones en las cadenas de texto. Al insertar un espacio de ancho cero (U+200B), un no unidor de ancho cero (U+200C) y un unidor de ancho cero (U+200D) entre caracteres visibles, se pueden codificar datos binarios en un texto que parece completamente normal al mostrarse. Un tuit o correo electrónico con caracteres de ancho cero ocultos puede transportar cientos de bytes de datos encubiertos de forma invisible.

La esteganografía mediante sustitución de fuentes codifica datos variando ligeramente la forma de los caracteres mediante dos variantes de fuente casi idénticas. Los caracteres de la fuente A representan el binario 0; los caracteres de la fuente B representan el binario 1. Para el lector, el documento parece completamente normal. Para recuperar el mensaje oculto es necesario saber qué caracteres comparar y qué variantes de fuente representan cada valor de bit.

Muchas impresoras láser a color incrustan diminutos puntos amarillos invisibles a simple vista que codifican el número de serie de la impresora, así como la fecha y la hora de impresión. Estos códigos de identificación de máquina se desarrollaron a petición de organismos gubernamentales para rastrear el origen de los documentos impresos. La EFF sometió estos patrones a ingeniería inversa en 2005. Se trata de una forma de marca de agua esteganográfica impuesta por los fabricantes en todas las impresiones.

Los autores de malware utilizan la esteganografía para ocultar instrucciones de comando y control dentro de imágenes aparentemente inofensivas publicadas en plataformas de redes sociales. El dispositivo infectado descarga lo que parece una imagen normal, extrae las instrucciones incrustadas en los LSB y las ejecuta. Esta técnica elude las herramientas de seguridad que inspeccionan únicamente las URL y los tipos de carga útil, pero no el contenido de los archivos de imagen.

¿Qué técnica de esteganografía de audio codifica bits ocultos representando el 0 y el 1 mediante ecos con distintos retardos temporales?

Los archivos WAV admiten la esteganografía de audio mediante LSB. La codificación de fase, la ocultación de ecos y el espectro ensanchado proporcionan una mayor imperceptibilidad. Los documentos PDF y Word tienen muchas ubicaciones para ocultar datos, incluidos los metadatos, los espacios en blanco y el historial de revisiones. La esteganografía de red utiliza campos de cabecera de protocolo y temporización. Los caracteres de ancho cero ocultan datos en texto plano. Los puntos amarillos de las impresoras son marcas de agua esteganográficas obligatorias impuestas por los fabricantes.