StegoScan.py è un potente strumento di nuova generazione per il rilevamento automatico della steganografia in siti web, server web e directory locali, che integra il riconoscimento di oggetti e testo basato su intelligenza artificiale con un'analisi approfondita dei file. A differenza degli strumenti tradizionali di rilevamento della steganografia, che si concentrano su un insieme limitato di tipi di file o richiedono l'elaborazione manuale, StegoScan.py è progettato per una scansione completa e automatizzata: raspa i siti web, analizza i file incorporati e rileva messaggi nascosti in un'ampia gamma di formati, tra cui PNG, JPG, BIN, PDF, DOCX, WAV e MP3.
Lo strumento vanta capacità di scansione di siti web e server web, rendendolo prezioso per i ricercatori di sicurezza che monitorano scambi di dati illeciti o per le forze dell'ordine che tracciano i criminali informatici. Un singolo comando può analizzare interi domini o intervalli IP, recuperando e ispezionando media e documenti sospetti alla ricerca di comunicazioni nascoste. Che si tratti di rilevare scambi occulti nei mercati del dark web, identificare propaganda incorporata in campagne di disinformazione o rivelare istruzioni nascoste all'interno di reti terroristiche, StegoScan.py offre una visibilità senza precedenti sulle minacce steganografiche.
Uno dei suoi miglioramenti nel rilevamento della steganografia è l'integrazione di modelli AI come YOLO e TrOCR per il rilevamento di oggetti e testo all'interno di immagini e file audio che in precedenza dovevano essere verificati manualmente. Gli strumenti OCR (Riconoscimento Ottico dei Caratteri) tradizionali sono notoriamente inaffidabili, spesso non riescono a riconoscere nemmeno il testo di base nascosto nelle immagini a causa di rumore, distorsioni o caratteri non standard. StegoScan.py supera questo problema offrendo un rilevamento del testo potenziato dall'AI opzionale, migliorando drasticamente la capacità di estrarre messaggi nascosti da immagini, documenti scansionati e persino spettrogrammi di file audio. Questo rappresenta un punto di svolta per analisti forensi, professionisti della sicurezza informatica e agenzie delle forze dell'ordine che necessitano di un'estrazione del testo ad alta affidabilità da media compromessi.
Un'altra funzionalità innovativa è l'estrazione profonda dei file, un progresso fondamentale nella steganalisi. StegoScan.py non si limita a scansionare la superficie di PDF e file DOCX; va oltre, estraendo e analizzando i file incorporati al loro interno. Ciò significa che i contenuti steganografici nascosti all'interno di allegati o documenti profondamente annidati possono essere scoperti, colmando una grave lacuna degli strumenti di scansione tradizionali.
Combinando molteplici tecniche di steganalisi in un unico test unificato, StegoScan.py fornisce un'analisi dettagliata e multilivello dei file, offrendo ai team di sicurezza, agli esperti di informatica forense e ai ricercatori di cybersecurity una soluzione all'avanguardia per una minaccia digitale in evoluzione. Man mano che le tecniche di steganografia diventano più sofisticate, gli strumenti tradizionali risultano insufficienti: StegoScan.py garantisce che le organizzazioni rimangano al passo con gli attori malintenzionati rilevando ciò che altri non vedono. Per una descrizione più dettagliata della steganografia e di come viene utilizzata, consulta la sezione intitolata "Contesto e motivazione di StegoScan".
StegoScan inizia impostando il proprio ambiente Python dedicato, creando una directory di lavoro locale e installando tutti gli strumenti e i pacchetti necessari per alimentare la sua suite di funzionalità di analisi. Una volta che tutto è a posto, verifica gli indirizzi IP forniti (se selezionati) per assicurarsi che appartengano a server web attivi.
Con i target confermati, StegoScan si mette al lavoro: raspa tutti i file disponibili dei tipi specificati dagli indirizzi IP e dagli URL forniti. Se viene selezionata una directory locale, raccoglie anche i file da lì. Ogni file raccolto viene ordinato per tipo e archiviato nella directory scelta.
Successivamente, StegoScan prepara una directory dei risultati e avvia la sua suite di test di rilevamento della steganografia. Per maggiori dettagli sui test disponibili, consulta la sezione intitolata "Test di steganografia". Man mano che vengono scoperti dati nascosti, i file vengono categorizzati e archiviati in sottocartelle corrispondenti al test specifico che li ha identificati. Una volta che tutti i test sono stati eseguiti, StegoScan finalizza il processo e termina l'esecuzione.
Capacità di scansione di siti web e server web – A differenza degli strumenti di steganalisi convenzionali che si concentrano solo su file statici, StegoScan.py scansiona attivamente interi siti web, intervalli IP e server web alla ricerca di messaggi nascosti. Che si tratti di indagare su mercati del dark web, forum di criminali informatici o siti aziendali compromessi, automatizza l'intero processo di recupero e analisi dei file per individuare contenuti steganografici incorporati. Niente più download e ordinamento manuale: StegoScan fa tutto per te!
Rilevamento AI di oggetti e testo su immagini e file audio – L'OCR tradizionale (Riconoscimento Ottico dei Caratteri) è inaffidabile, spesso fallisce su testo distorto, caratteri non standard o immagini rumorose. StegoScan.py integra modelli AI avanzati come YOLO e TrOCR per migliorare l'estrazione del testo e il rilevamento degli oggetti, rivelando messaggi nascosti che l'OCR standard non coglie affatto. Persino gli spettrogrammi audio possono essere scansionati per contenuti steganografici, offrendo informazioni sugli scambi di dati nascosti.
Estrazione profonda di file in PDF e DOCX – La maggior parte degli strumenti scalfisce appena la superficie quando analizza file di documenti, ma StegoScan.py scava più a fondo! Estrae automaticamente i file incorporati nascosti all'interno di PDF, documenti DOCX e altri formati complessi, analizzandoli per dati steganografici. Questo elimina una grave lacuna: i payload nascosti celati all'interno di documenti dall'aspetto innocente non sono più al sicuro dal rilevamento. Niente più file nascosti trascurati: se è lì, StegoScan lo troverà.
Test combinato di strumenti per l'analisi dettagliata dei file – StegoScan.py non è un cavallo a un solo trotto. Combina molteplici metodi di rilevamento della steganografia in un unico test potente, garantendo un'analisi stratificata e approfondita di ogni file scansionato. Invece di fare affidamento su una singola tecnica di rilevamento (che può essere facilmente aggirata), StegoScan incrocia i file utilizzando più metodi per massimizzare la precisione del rilevamento.
Automatizzato e ottimizzato per Linux – Stanco di lottare con le dipendenze? StegoScan.py è plug-and-play. Installa automaticamente ciò di cui ha bisogno, garantendo un processo di scansione fluido ed efficiente senza configurazione manuale. Costruito per velocità ed efficienza, funziona perfettamente su Linux, rendendolo lo strumento ideale per professionisti della sicurezza informatica, penetration tester e analisti forensi.
Web Scraping e download di file – Automatizza l'estrazione e il download di tipi di file specifici da URL, indirizzi IP e intervalli IP, consentendo l'analisi di contenuti web su larga scala.
Estrazione e test da directory locale – Scansiona le directory locali per contenuti steganografici, identificando messaggi nascosti all'interno dei file archiviati.
Elaborazione di immagini e analisi steganografica – Esegue test steganografici approfonditi sulle immagini, utilizzando molteplici tecniche di rilevamento per scoprire dati nascosti.
Estrazione di file incorporati da PDF e DOCX – Estrae e analizza immagini e file incorporati da documenti PDF e DOCX, un passaggio cruciale nell'identificazione di contenuti steganografici profondamente nascosti.
Strumenti di rilevamento steganografico – Integra stegano, stegdetect e zsteg per un rilevamento multilivello di messaggi nascosti all'interno di file immagine.
Rilevamento AI di oggetti e testo – Migliora i metodi di rilevamento tradizionali con l'analisi basata sull'AI:
Analisi di base di malware e file ELF – Esegue un'analisi di sicurezza preliminare su binari ELF e altri eseguibili, aiutando a identificare potenziali minacce malware.
Analisi di file audio e binari – Analizza file WAV e MP3 alla ricerca di dati steganografici nascosti, inclusi messaggi incorporati in spettrogrammi o gamme di frequenza inudibili.
Estrazione della struttura di file binari – Utilizza Binwalk per estrarre e ispezionare file nascosti, firmware e dati incorporati all'interno di file binari.
Supporto multi-threading – Ottimizzato per le prestazioni, consente una scansione rapida ed efficiente di grandi set di dati, rendendolo ideale per indagini forensi e applicazioni di cybersecurity su larga scala.
(Al di sotto di alcuni test ci sono file di esempio che sono stati utilizzati per testare lo strumento, illustrando visivamente cosa il test scoprirà e quanto possano essere discreti i file quando si trovano su siti di comunicazione)
Immagine non modificata a sinistra, "hello world" incorporato nell'immagine a destra
Integrità dell'immagine – Utilizza l'import Python Pillow per verificare l'integrità dei file PNG e JPG.
Hist – Utilizza l'import Python Matplotlib per generare istogrammi che mostrano la distribuzione dei valori di colore RGB per file PNG e JPG.
Rilevamento di oggetti – Utilizza YOLOv8 e TrOCR per testare ogni strato dei file PNG e JPG rimuovendo iterativamente l'LSB e testando solo i filtri rosso, verde e blu sull'immagine.
Immagine nascosta di un gatto nascosta negli LSB scoperta con YOLOv8 [2]
Jpeg – Utilizza lo strumento da riga di comando Linux Stegdetect per testare i file JPG al fine di rilevare dati nascosti incorporati nelle immagini utilizzando tecniche come jSteg, jphide, Outguess, F5 (analisi dell'intestazione), invisible secrets, appendX e camouflage.
Png – Utilizza lo strumento da riga di comando Linux Zsteg per testare i file PNG al fine di rilevare la steganografia LSB, verificare diversi canali di colore (R, G, B, A) e i loro piani di bit, rilevare tecniche di codifica comuni utilizzate per nascondere dati nelle immagini, estrazione di payload, messaggi ASCII e di testo nascosti e analisi dell'entropia.
Immagine non modificata a sinistra, l'immagine a destra "ha il primo capitolo della 'Caccia allo Snark' incorporato" [1]
Integrità audio – Utilizza l'import Python Wave per verificare l'integrità dei file MP3 e WAV.
Rilevamento audio – Utilizza l'import Python Librosa per generare spettrogrammi audio per file MP3 e WAV che vengono poi elaborati tramite YOLOv8 e TrOCR per verificare la presenza di immagini o messaggi nascosti nella rappresentazione dei valori di frequenza del file lungo la durata temporale del file.
[Ascolta l'audio](https://github.com/LCBOWER33/StegoScan/blob/main/images/Drawing_of_the_word_Wikipedia.wav)
Messaggio di testo nascosto all'interno di un file audio scoperto utilizzando TrOCR [2]
Binario – Utilizza lo strumento da riga di comando Linux Binwalk per testare i file binari alla ricerca di file e dati incorporati, identifica firme di file note all'interno di un binario (ad es. ZIP, PNG, ELF, ecc.), rileva componenti del firmware all'interno di un'immagine binaria, dati compressi e crittografati, trova dati compressi (ad es. LZMA, GZIP, BZIP2) all'interno dei file, segnala dati crittografati o offuscati, firme di file system, riconosce file system incorporati (ad es. SquashFS, JFFS2, EXT, FAT), rileva eseguibili compilati (ELF, PE, Mach-O), identifica bootloader e componenti del firmware e analisi dell'entropia.
Controllo ELF – Utilizza regole YARA, byte magici, il comando Linux file e l'analisi dell'entropia per verificare la presenza di malware incorporato in tutti i file.
-u, --url : URL di base, indirizzi IP o intervalli IP da cui raspa i file.
-t, --types : Elenco separato da virgole di estensioni di file da scaricare (* per tutti i file).
-n, --num : Numero di file da scaricare.
-o, --output : Directory di output.
-m, --mode : Modalità di test per specificare test particolari (ad es. lsb,hist) o "all" per tutti i test.
-l, --local : Percorso di un file o directory locale per l'analisi.
sudo python StegoScan.py -u "https://example.com" -t "*" -o "downloads" -m "all"
sudo python StegoScan.py -u "https://example.com" -t "jpg,png" -n 5 -o "downloads" -m "all"
sudo python StegoScan.py -l "path/to/local/files" -t "*" -o "downloads" -m "lsb,hist,png"
Sebbene l'interfaccia grafica sia ancora un work in progress per quanto riguarda l'integrazione nel sistema completo, questa è la versione attuale:
Tutti i file raspati verranno archiviati nella directory di output fornita nell'esecuzione.
Crea e installa automaticamente un nuovo ambiente per tutte le importazioni Python necessarie.
Lo script installa automaticamente poppler-utils, stegdetect, binwalk e zsteg.
L'accelerazione GPU viene utilizzata se viene rilevata una GPU compatibile con CUDA.
Espandere il test per includere Exiftool, StegSeek, StegExpose, OutGuess, StegoRAT, StegoSuite e WavSteg.
Espandere l'analisi del malware con più regole YARA.
Migliorare il rilevamento degli oggetti utilizzando tecniche avanzate di elaborazione delle immagini.
La steganografia – la pratica di nascondere messaggi all'interno di altri dati non sospetti – ha visto un notevole aumento di utilizzo nelle attività criminali. I progressi nelle tecnologie digitali hanno permesso ad attori malintenzionati di incorporare informazioni illecite in file apparentemente innocui come immagini, audio o video. Ad esempio, ci sono state segnalazioni che suggeriscono che organizzazioni terroristiche hanno utilizzato la steganografia per nascondere istruzioni all'interno di fotografie digitali pubblicate su Internet. Inoltre, l'ascesa delle comunicazioni Voice over Internet Protocol (VoIP) ha portato allo sviluppo di tecniche che nascondono dati all'interno dei flussi vocali, rendendo il rilevamento ancora più difficile.
Nel regno dei media pubblici, la steganografia si è fatta sentire anche in altro modo. Oltre ai suoi usi malevoli, è stata impiegata per scopi legittimi come la filigrana digitale, dove le informazioni sul copyright vengono nascoste in modo nascosto nei file multimediali per proteggere i diritti di proprietà intellettuale. Questa tecnica consente ai creatori di contenuti di tracciare la distribuzione del loro lavoro e combatterne l'uso non autorizzato. Inoltre, è emerso il concetto di steganografia sociale, dove gli individui nascondono messaggi all'interno di riferimenti culturali, modi di dire o contenuti della cultura popolare condivisi pubblicamente, rendendo i messaggi sottostanti visibili solo a determinati pubblici.
Dato l'uso crescente della steganografia nella criminalità informatica, nel terrorismo e nelle comunicazioni occulte, è fondamentale sviluppare strumenti in grado di scansionare i siti web alla ricerca di questi messaggi nascosti. I criminali e gli attori malintenzionati sfruttano la steganografia digitale per scambiarsi dati segretamente, come credenziali rubate, comandi malware o istruzioni illecite, evitando al contempo il rilevamento da parte delle tradizionali misure di cybersecurity. Senza la capacità di scansionare e analizzare i contenuti web per messaggi incorporati, le forze dell'ordine e le agenzie di sicurezza potrebbero avere difficoltà a tracciare attività illegali, portando a potenziali minacce per la sicurezza nazionale, i sistemi finanziari e la privacy personale. Inoltre, con l'aumento della disinformazione e delle campagne di influenza occulta, le tecniche steganografiche potrebbero essere sfruttate per diffondere propaganda nascosta o coordinare sforzi di disinformazione. L'implementazione di meccanismi di scansione aiuterebbe a identificare e mitigare questi rischi, bilanciando al contempo le preoccupazioni sulla privacy, garantendo che la steganografia non venga abusata per scopi nefasti.
[1] Detecting Steganographic Content on the Internet. Paper del 2002 di Niels Provos e Peter Honeyman pubblicato in Proceedings of the Network and Distributed System Security Symposium (San Diego, CA, 6–8 febbraio 2002). NDSS 2002. Internet Society, Washington, D.C.
[2] “Steganography,” Wikipedia, https://en.wikipedia.org/wiki/Steganography (consultato il 27 gennaio 2025).
Questo progetto è open-source e disponibile sotto la licenza MIT.
