스테가노그래피: 디지털 미디어에 정보를 숨기는 방법

메시지의 존재를 감추는 정보 은닉 기술

스테가노그래피(Steganography)는 메시지의 내용을 읽기 어렵게 만드는 암호화와 달리, 메시지가 존재한다는 사실 자체를 숨기는 기술이다. 이름은 그리스어 steganos(은폐)와 graphein(쓰기)에서 유래했다.

정보를 눈에 띄지 않게 전달하려는 시도는 오래전부터 있었다. 기원전 440년경 히스티아이오스가 노예의 머리를 깎아 문신으로 메시지를 남기고, 머리카락이 자란 뒤 전달했다는 사례가 알려져 있다. 중세에는 투명 잉크나 비밀 장소에 글을 쓰는 방식이 쓰였고, 제2차 세계대전에는 독일 스파이들이 마이크로닷(microdot)으로 기밀 정보를 전달했다. 디지털 환경에서는 파일 내부에 데이터를 숨기는 형태로 발전했다.

디지털 파일에서 데이터를 감추는 원리

이미지, 오디오, 비디오 같은 디지털 미디어에는 사람이 감각적으로 구별하기 어려운 작은 변화를 넣을 여지가 있다. 디지털 스테가노그래피는 이 특성을 이용해 파일에 정보를 주입한다.

가장 널리 알려진 방식은 LSB(Least Significant Bit)다. 바이너리 데이터의 가장 하위 비트를 바꾸어 비밀 메시지를 삽입한다.

⤢✕

24비트 컬러 이미지에서 픽셀 하나는 RGB 3바이트로 구성된다. 각 색상 바이트의 LSB를 바꾸어도 육안으로는 거의 감지되지 않을 수 있다. 오디오 스테가노그래피는 인간 청각 시스템의 한계를 이용해 들을 수 없는 주파수에 정보를 삽입하며, 비디오에서는 프레임 간 차이와 모션 벡터를 활용한다.

매체 특성에 맞춰 달라지는 은닉 방식

공간 영역에서 직접 값을 바꾸는 방식

공간 영역 기법은 디지털 데이터 자체를 다룬다. LSB 대체법은 최하위 비트를 변경하는 일반적인 방법이다. 파일 헤더·푸터나 미사용 영역에 데이터를 넣는 파일 구조 활용법도 있으며, 이미지 팔레트의 색상 순서를 조작해 정보를 숨기는 팔레트 기반 기법도 있다.

변환된 계수에 정보를 넣는 방식

변환 영역 기법은 미디어를 다른 도메인으로 옮긴 뒤 계수를 조작한다. JPEG 압축에서 사용하는 DCT(Discrete Cosine Transform) 계수, 웨이블릿 변환의 DWT(Discrete Wavelet Transform) 계수, 주파수 영역의 FFT(Fast Fourier Transform)를 활용할 수 있다.

⤢✕

통계적 기법은 미디어의 통계적 속성을 조금 변경하는 접근이다. 픽셀 그룹의 패리티를 조작해 정보를 담는 패리티 코딩이 여기에 속한다. 왜곡 기법은 원본 미디어를 의도적으로 변형하고, 수신자가 원본과 왜곡된 버전을 비교해 정보를 추출한다.

워터마킹부터 은밀한 통신까지

디지털 워터마킹은 스테가노그래피의 대표적인 활용 사례다. 디지털 콘텐츠에 소유권 정보를 넣어 저작권을 보호하고, 미디어 무결성을 확인하기 위한 워터마크를 삽입할 수 있다. 사진 작가가 작품에 보이지 않는 워터마크를 넣어 저작권을 보호하는 방식이 이에 해당한다.

비밀 통신에서는 일반 파일로 위장한 상태로 기밀 메시지를 교환한다. 검열이나 모니터링을 우회하는 통신 수단이 될 수 있으며, 국제 스파이 활동에서 디지털 이미지에 명령이나 정보를 은닉한 사례도 있다.

의료 분야에서는 X-레이, MRI 같은 의료 이미지에 환자 정보를 넣거나 의료 기록의 위변조를 막는 데 활용할 수 있다. 군사 및 국가 안보 영역에서는 민감한 군사 정보를 전송하고 정보원과 안전하게 통신하는 채널로 쓰일 수 있다.

탐지는 파일의 흔적을 읽는 일이다

스테가노그래피 분석(Steganalysis)은 은닉 데이터가 포함된 파일을 찾아내는 작업이다. 이미지의 노이즈나 왜곡을 눈으로 확인하는 시각적 분석, 히스토그램과 비트 패턴을 확인하는 통계적 분석, 파일 포맷 구조의 불일치를 찾는 구조적 분석이 사용된다.

⤢✕

공격자는 이미지 향상으로 은닉 데이터를 시각화하거나, 통계적 이상 패턴과 파일 구조·메타데이터를 분석할 수 있다. 기계 학습 모델로 스테고 미디어를 식별하는 방법도 있다.

은닉 측에서는 미디어 특성에 따라 방법을 조절하는 적응형 스테가노그래피, 메시지를 먼저 암호화한 뒤 숨기는 방식, 여러 기법을 조합하는 다중 레이어 기법, 삽입 위치를 무작위로 정하는 랜덤화 기법으로 탐지를 어렵게 만들 수 있다.

딥러닝과 네트워크 환경으로 넓어지는 은닉 경로

딥러닝 기반 스테가노그래피는 GAN(Generative Adversarial Network)을 이용해 탐지를 피하도록 학습하거나, 신경망으로 은닉과 추출을 자동화하는 딥 스테가노그래피를 포함한다. SteganoGAN 모델은 이미지에 대용량 데이터를 은닉할 수 있는 예시다.

블록체인에 스테가노그래피를 적용하면 추가 보안 레이어를 구현할 수 있고, 스마트 계약에 숨겨진 정보를 포함할 수도 있다. 양자 상태를 활용한 정보 은닉은 양자 컴퓨팅 시대를 대비한 새로운 패러다임으로 연구되고 있다.

네트워크 프로토콜 스테가노그래피는 TCP/IP 패킷 헤더의 미사용 필드, 네트워크 타이밍, DNS 트래픽, HTTP 요청 등을 이용해 코버트 채널을 구축한다.

유용한 도구이면서 보안 운영의 위험 요소

스테가노그래피는 개인정보 보호, 검열 우회, 표현의 자유 증진처럼 정당한 목적으로 사용될 수 있다. 반면 불법 정보 은닉, 사이버 범죄, 테러리즘 지원에도 악용될 수 있는 이중용도 기술이다.

대부분 국가에서는 기술 그 자체보다 사용 목적에 따라 규제한다. 일부 국가에서는 강력한 스테가노그래피 도구의 수출을 제한하며, 디지털 포렌식에서는 은닉 데이터 발견이 중요한 증거 수집 과정이 된다.

기업과 조직은 네트워크 모니터링에 스테가노그래피 탐지 도구를 도입하고, 허용 가능한 파일 형식과 암호화 정책을 마련할 수 있다. 의심스러운 파일을 식별하도록 직원을 교육하는 일도 대응의 일부다.

악성코드 은닉과 내부자 유출에 사용된 사례

2018년 러시아 해커 그룹은 소셜 미디어 이미지에 악성코드를 숨겨 금융기관을 공격했다. 2020년에는 악성 광고에서 스테가노그래피 기법으로 숨겨진 악성코드가 발견됐다.

다양한 국가 정보기관은 정보원과의 통신에 스테가노그래피를 활용해 왔다. 2010년대에는 특정 국가의 스파이 링이 소셜 미디어 이미지를 통해 명령을 전달한 사실이 발견됐다.

기업 환경에서는 일반 파일에 중요 데이터를 숨겨 반출하려는 내부자 위협이 문제다. 스테가노그래피를 이용한 기업 비밀 유출 사례도 증가하고 있다.

스테가노그래피는 정보 은닉의 예술과 과학이 결합된 기술이다. 은닉 기법이 발전할수록 탐지 기법도 함께 진화하며, 보안 전문가는 데이터 은닉의 원리와 분석 방법을 모두 이해할 필요가 있다. 개인정보 보호와 보안 위협 사이의 균형 역시 계속 다뤄야 할 과제다.