Herramienta automatizada de detección de esteganografía que escanea sitios web, servidores web y directorios locales mediante reconocimiento de objetos/texto impulsado por IA y análisis profundo de archivos en imágenes, audio, PDFs y binarios.
StegoScan.py es una herramienta potente de última generación para la detección automatizada de esteganografía en sitios web, servidores web y directorios locales, integrando reconocimiento de objetos y texto impulsado por IA con análisis profundo de archivos. A diferencia de las herramientas tradicionales de detección de esteganografía que se centran en un conjunto limitado de tipos de archivo o requieren procesamiento manual, StegoScan.py está diseñado para un escaneo integral y automatizado: raspa sitios web, analiza archivos incrustados y detecta mensajes ocultos en una amplia gama de formatos, incluyendo PNG, JPG, BIN, PDF, DOCX, WAV y MP3.
La herramienta cuenta con capacidades de escaneo de sitios web y servidores web, lo que la hace invaluable para investigadores de seguridad que monitorean intercambios de datos ilícitos o para agencias de aplicación de la ley que rastrean ciberdelincuentes. Un solo comando puede analizar dominios completos o rangos de IP, recuperando e inspeccionando archivos multimedia y documentos sospechosos en busca de comunicaciones ocultas. Ya sea detectando intercambios encubiertos en mercados de la dark web, identificando propaganda incrustada en campañas de desinformación, o revelando instrucciones ocultas dentro de redes terroristas, StegoScan.py ofrece una visibilidad sin precedentes sobre las amenazas esteganográficas.
Una de sus mejoras en la detección de esteganografía es la integración de modelos de IA como YOLO y TrOCR para la detección de objetos y texto en imágenes y archivos de audio que anteriormente debían verificarse manualmente. Las herramientas tradicionales de OCR (Reconocimiento Óptico de Caracteres) son notoriamente poco fiables, a menudo fallando al reconocer incluso texto básico oculto en imágenes debido a ruido, distorsiones o fuentes no estándar. StegoScan.py supera esto ofreciendo detección de texto mejorada por IA opcional, mejorando drásticamente la capacidad de extraer mensajes ocultos de imágenes, documentos escaneados e incluso espectrogramas de archivos de audio. Esto es un cambio radical para analistas forenses, profesionales de ciberseguridad y agencias de aplicación de la ley que necesitan extracción de texto de alta confianza a partir de archivos comprometidos.
Otra característica novedosa es la extracción profunda de archivos, un avance crítico en el estegoanálisis. StegoScan.py no solo escanea la superficie de archivos PDF y DOCX; va más allá, extrayendo y analizando archivos incrustados dentro de ellos. Esto significa que el contenido esteganográfico oculto dentro de archivos adjuntos o documentos profundamente anidados puede descubrirse, abordando un punto ciego importante en las herramientas de escaneo tradicionales.
Al combinar múltiples técnicas de estegoanálisis en una prueba unificada, StegoScan.py proporciona un análisis detallado y de múltiples capas de los archivos, ofreciendo a equipos de seguridad, expertos en informática forense digital e investigadores de ciberseguridad una solución de vanguardia para una amenaza digital en evolución. A medida que las técnicas de esteganografía se vuelven más sofisticadas, las herramientas tradicionales se quedan cortas; StegoScan.py garantiza que las organizaciones se adelanten a los actores maliciosos detectando lo que otros pasan por alto. Para una descripción más detallada de la esteganografía y cómo se utiliza, revise la sección titulada "Antecedentes y Justificación de StegoScan".
StegoScan comienza configurando su propio entorno de Python dedicado, creando un espacio de trabajo local e instalando todas las herramientas y paquetes necesarios para potenciar su conjunto de funciones de análisis. Una vez que todo está en su lugar, verifica las direcciones IP proporcionadas (si se seleccionan) para asegurarse de que pertenecen a servidores web activos.
Con los objetivos confirmados, StegoScan se pone a trabajar: raspa todos los archivos disponibles de los tipos especificados de las direcciones IP y URL proporcionadas. Si se selecciona un directorio local, también recopila archivos de allí. Cada archivo recopilado se organiza ordenadamente por tipo y se almacena en el directorio elegido.
A continuación, StegoScan prepara un directorio de resultados y lanza su conjunto de pruebas de detección de esteganografía. Para obtener más detalles sobre las pruebas disponibles, revise la sección titulada "Prueba de Esteganografía". A medida que se descubre datos ocultos, los archivos se clasifican y almacenan en subcarpetas correspondientes a la prueba específica que los identificó. Una vez que todas las pruebas han finalizado, StegoScan finaliza el proceso y concluye la ejecución.
Capacidades de Escaneo de Sitios Web y Servidores Web – A diferencia de las herramientas de estegoanálisis convencionales que solo se centran en archivos estáticos, StegoScan.py escanea activamente sitios web completos, rangos de IP y servidores web en busca de mensajes ocultos. Ya sea investigando mercados de la dark web, foros de ciberdelincuentes o sitios corporativos comprometidos, automatiza todo el proceso de recuperación y análisis de archivos en busca de contenido esteganográfico incrustado. ¡No más descargas y clasificaciones manuales: StegoScan lo hace todo por ti!
Detección de Objetos y Texto con IA en Imágenes y Archivos de Audio – El OCR (Reconocimiento Óptico de Caracteres) tradicional no es fiable, a menudo falla con texto distorsionado, fuentes no estándar o imágenes ruidosas. StegoScan.py integra modelos de IA avanzados como YOLO y TrOCR para mejorar la extracción de texto y la detección de objetos, revelando mensajes ocultos que el OCR estándar pasa por alto por completo. Incluso los espectrogramas de audio pueden escanearse en busca de contenido esteganográfico, ofreciendo información sobre intercambios de datos ocultos.
Extracción Profunda de Archivos en PDF y DOCX – La mayoría de las herramientas apenas arañan la superficie al analizar archivos de documentos, ¡pero StegoScan.py profundiza más! Extrae automáticamente archivos incrustados ocultos dentro de PDF, documentos DOCX y otros formatos complejos, analizándolos en busca de datos esteganográficos. Esto elimina un punto ciego importante: las cargas útiles ocultas dentro de documentos de apariencia inocente ya no están a salvo de la detección. No más archivos ocultos pasados por alto: si está ahí, StegoScan lo encontrará.
Prueba Combinada de Herramientas para Análisis Detallado de Archivos – StegoScan.py no es solo un herramienta de un solo truco. Combina múltiples métodos de detección de esteganografía en una sola prueba potente, asegurando un análisis en capas y exhaustivo de cada archivo escaneado. En lugar de depender de una única técnica de detección (que puede ser fácilmente evadida), StegoScan verifica de forma cruzada los archivos utilizando múltiples métodos para maximizar la precisión de la detección.
Automatizado y Optimizado para Linux – ¿Cansado de lidiar con dependencias? StegoScan.py es plug-and-play. Instala automáticamente lo que necesita, asegurando un proceso de escaneo fluido y eficiente sin configuración manual. Construido para velocidad y eficiencia, se ejecuta sin problemas en Linux, lo que lo convierte en la herramienta perfecta para profesionales de ciberseguridad, probadores de penetración y analistas forenses.
Web Scraping y Descarga de Archivos – Automatiza la extracción y descarga de tipos de archivo específicos desde URL, direcciones IP y rangos de IP, permitiendo el análisis de contenido web a gran escala.
Extracción y Prueba de Directorios Locales – Escanea directorios locales en busca de contenido esteganográfico, identificando mensajes ocultos dentro de archivos almacenados.
Procesamiento de Imágenes y Análisis de Esteganografía – Realiza pruebas esteganográficas profundas en imágenes, utilizando múltiples técnicas de detección para descubrir datos ocultos.
Extracción de Archivos Incrustados de PDF y DOCX – Extrae y analiza imágenes y archivos incrustados de documentos PDF y DOCX, un paso crítico para identificar contenido esteganográfico profundamente oculto.
Herramientas de Detección Esteganográfica – Integra stegano, stegdetect y zsteg para la detección en múltiples capas de mensajes ocultos dentro de archivos de imagen.
Detección de Objetos y Texto Impulsada por IA – Mejora los métodos de detección tradicionales con análisis impulsado por IA:
YOLOv8 para detección de objetos de alta precisión, identificando imágenes y símbolos incrustados.
TrOCR para reconocimiento de texto avanzado, extrayendo texto de fuentes manuscritas, estilizadas o distorsionadas con precisión mejorada sobre las herramientas OCR estándar.
Análisis Básico de Malware y Archivos ELF – Realiza un análisis de seguridad preliminar en binarios ELF y otros ejecutables, ayudando a identificar posibles amenazas de malware.
Análisis de Archivos de Audio y Binarios – Analiza archivos WAV y MP3 en busca de datos esteganográficos ocultos, incluyendo mensajes incrustados en espectrogramas o rangos de frecuencia inaudibles.
Extracción de Estructura de Archivos Binarios – Utiliza Binwalk para extraer e inspeccionar archivos ocultos, firmware y datos incrustados dentro de archivos binarios.
Soporte para Múltiples Hilos – Optimizado para rendimiento, permitiendo un escaneo rápido y eficiente de grandes conjuntos de datos, lo que lo hace ideal para investigaciones forenses y aplicaciones de ciberseguridad a gran escala.
(Debajo de algunas pruebas hay archivos de muestra que se han utilizado para probar la herramienta, delineando visualmente lo que descubrirá la prueba y cuán poco llamativos pueden ser los archivos cuando están en sitios de comunicación)
Imagen sin alterar a la izquierda, "hello world" incrustado en la imagen de la derecha
Integridad de la imagen – Utiliza la importación de Python Pillow para verificar la integridad de archivos PNG y JPG.
Hist – Utiliza la importación de Python Matplotlib para generar histogramas que muestran la distribución de los valores de color RGB para archivos PNG y JPG.
Detección de objetos – Utiliza YOLOv8 y TrOCR para probar cada capa de archivos PNG y JPG eliminando el LSB de forma iterativa y probando solo filtros rojo, verde y azul en la imagen.
Imagen oculta de un gato escondida en los LSB descubierta con YOLOv8 [2]
Jpeg – Utiliza la herramienta de línea de comandos de Linux Stegdetect para probar archivos JPG y detectar datos ocultos incrustados dentro de imágenes utilizando técnicas como jSteg, jphide, Outguess, F5 (análisis de cabecera), secretos invisibles, appendX y camuflaje.
Png – Utiliza la herramienta de línea de comandos de Linux Zsteg para probar PNG y detectar esteganografía LSB, verificar diferentes canales de color (R, G, B, A) y sus planos de bits, detectar técnicas de codificación comunes utilizadas para ocultar datos en imágenes, extracción de cargas útiles, mensajes ocultos de texto y ASCII, y análisis de entropía.
Imagen sin alterar a la izquierda, la imagen de la derecha "tiene el primer capítulo de 'La caza del Snark' incrustado en ella" [1]
Integridad del audio – Utiliza la importación de Python Wave para verificar la integridad de archivos MP3 y WAV.
Detección de audio – Utiliza la importación de Python Librosa para generar espectrogramas de audio para archivos MP3 y WAV que luego se ejecutan a través de YOLOv8 y TrOCR para verificar imágenes o mensajes ocultos en la representación de los valores de frecuencia del archivo a lo largo de la duración temporal del archivo.
[Escucha el audio](https://github.com/LCBOWER33/StegoScan/blob/main/images/Drawing_of_the_word_Wikipedia.wav)
Mensaje de texto oculto dentro de un archivo de audio descubierto usando TrOCR [2]
Binario – Utiliza la herramienta de línea de comandos de Linux Binwalk para probar archivos binarios en busca de archivos y datos incrustados, identifica firmas de archivos conocidas dentro de un binario (por ejemplo, ZIP, PNG, ELF, etc.), detecta componentes de firmware dentro de una imagen binaria, datos comprimidos y cifrados, encuentra datos comprimidos (por ejemplo, LZMA, GZIP, BZIP2) dentro de archivos, marca datos cifrados u ofuscados, firmas de sistemas de archivos, reconoce sistemas de archivos incrustados (por ejemplo, SquashFS, JFFS2, EXT, FAT), detecta ejecutables compilados (ELF, PE, Mach-O), identifica cargadores de arranque y componentes de firmware, y análisis de entropía.
Verificación ELF – Utiliza reglas YARA, bytes mágicos, el comando de archivo de Linux y análisis de entropía para verificar todos los archivos en busca de malware incrustado.
-u, --url : URL(s) base, dirección(es) IP o rango(s) de IP desde los que raspar archivos.
-t, --types : Lista separada por comas de extensiones de archivo para descargar (* para todos los archivos).
-n, --num : Número de archivos a descargar.
-o, --output : Directorio de salida.
-m, --mode : Modo de prueba para especificar pruebas concretas (por ejemplo, lsb,hist) o "all" para todas las pruebas.
-l, --local : Ruta a un archivo o directorio local para análisis.
sudo python StegoScan.py -u "https://example.com" -t "*" -o "descargas" -m "all"
sudo python StegoScan.py -u "https://example.com" -t "jpg,png" -n 5 -o "descargas" -m "all"
sudo python StegoScan.py -l "ruta/a/archivos/locales" -t "*" -o "descargas" -m "lsb,hist,png"
Si bien la GUI aún está en desarrollo para fusionarla con el sistema completo, esta es la versión actual:
Todos los archivos raspados se almacenarán en el directorio de salida proporcionado en la ejecución.
Crea e instala automáticamente un nuevo entorno para todas las importaciones necesarias de Python.
El script instala poppler-utils, stegdetect, binwalk y zsteg automáticamente.
Se utiliza aceleración por GPU si se detecta una GPU compatible con CUDA.
Ampliar la prueba para incluir Exiftool, StegSeek, StegExpose, OutGuess, StegoRAT, StegoSuite y WavSteg.
Ampliar el análisis de malware con más reglas YARA.
Mejorar la detección de objetos utilizando técnicas avanzadas de procesamiento de imágenes.
La esteganografía, la práctica de ocultar mensajes dentro de otros datos no sospechosos, ha visto un aumento notable en su utilización en actividades delictivas. Los avances en tecnologías digitales han permitido a actores maliciosos incrustar información ilícita dentro de archivos aparentemente inofensivos como imágenes, audio o video. Por ejemplo, ha habido informes que sugieren que organizaciones terroristas han utilizado esteganografía para ocultar instrucciones dentro de fotografías digitales publicadas en Internet. Además, el auge de las comunicaciones por Voz sobre IP (VoIP) ha llevado al desarrollo de técnicas que ocultan datos dentro de flujos de voz, haciendo que la detección sea aún más desafiante.
En el ámbito de los medios públicos, la esteganografía también ha dejado sentir su presencia. Más allá de sus usos maliciosos, se ha empleado para fines legítimos como la marca de agua digital, donde la información de copyright se incrusta de forma encubierta en archivos multimedia para proteger los derechos de propiedad intelectual. Esta técnica permite a los creadores de contenido rastrear la distribución de su trabajo y combatir el uso no autorizado. Además, ha surgido el concepto de esteganografía social, donde los individuos ocultan mensajes dentro de referencias culturales, modismos o contenido de la cultura popular compartido públicamente, haciendo que los mensajes subyacentes sean visibles solo para ciertas audiencias.
Dado el creciente uso de la esteganografía en ciberdelincuencia, terrorismo y comunicaciones encubiertas, es crucial desarrollar herramientas que puedan escanear sitios web en busca de estos mensajes ocultos. Los delincuentes y actores maliciosos explotan la esteganografía digital para intercambiar datos de forma secreta, como credenciales robadas, comandos de malware o instrucciones ilícitas, todo ello evitando la detección por medidas de ciberseguridad tradicionales. Sin la capacidad de escanear y analizar el contenido web en busca de mensajes incrustados, las agencias de aplicación de la ley y de seguridad podrían tener dificultades para rastrear actividades ilegales, lo que conlleva amenazas potenciales para la seguridad nacional, los sistemas financieros y la privacidad personal. Además, con el auge de la desinformación y las campañas de influencia encubiertas, las técnicas esteganográficas podrían aprovecharse para difundir propaganda oculta o coordinar esfuerzos de desinformación. Implementar mecanismos de escaneo ayudaría a identificar y mitigar estos riesgos, al mismo tiempo que se equilibran las preocupaciones de privacidad, asegurando que la esteganografía no sea mal utilizada con fines nefastos.
[1] Detecting Steganographic Content on the Internet. Artículo de 2002 de Niels Provos y Peter Honeyman publicado en Proceedings of the Network and Distributed System Security Symposium (San Diego, CA, 6–8 de febrero de 2002). NDSS 2002. Internet Society, Washington, D.C.
[2] “Steganography,” Wikipedia, https://en.wikipedia.org/wiki/Steganography (consultado el 27 de enero de 2025).
Este proyecto es de código abierto y está disponible bajo la Licencia MIT.
