1. Criptografía frente a Esteganografía: ¿ocultar el «contenido» u ocultar la «existencia»?
En el ámbito de la seguridad de la información, la criptografía y la esteganografía abordan dos dimensiones fundamentalmente ortogonales. El objetivo de la criptografía es transformar un texto en claro $M$ mediante una clave secreta $K$ en un texto cifrado ininteligible $C = E_K(M)$. Cuando un adversario intercepta $C$, no puede leer su significado semántico, pero el hecho mismo de que existe una comunicación secreta y cifrada queda completamente expuesto. Bajo regímenes de censura estricta o vigilancia masiva de redes, el simple envío de tráfico de alta entropía (como bloques PGP o flujos TLS no estándar) basta para disparar alarmas, bloquear el canal o incriminar a los participantes.
Por el contrario, la esteganografía (del griego steganos, «cubierto, oculto», y graphein, «escribir») tiene como propósito borrar toda evidencia de que la comunicación secreta siquiera está ocurriendo. Desde los relatos clásicos de Heródoto en la antigua Grecia (mensajes tatuados en el cuero cabelludo afeitado de un mensajero o escritos en la madera bajo la cera de una tablilla) y el tratado Steganographia (1499) de Johannes Trithemius, hasta la inserción digital moderna dentro de fotografías cotidianas, pistas de audio o paquetes de red, la esteganografía incrusta un mensaje secreto $M$ dentro de un objeto portador o cubierta (Cover Object) $X$ de aspecto inocente para producir un estego-objeto (Stego Object) $Y$.
flowchart TD
A["Mensaje secreto M y clave estego K"] --> B["Preprocesamiento criptográfico y corrección de errores"]
C["Medio portador natural X (Imagen / Audio / Vídeo)"] --> D["Algoritmo de inserción Emb(X, M, K): LSB / DCT / STC"]
B --> D
D --> E["Estego-medio Y (Stego Object)"]
E --> F["Canal vigilado (La guardiana Wendy aplica pruebas estadísticas)"]
F --> G["Algoritmo de extracción Ext(Y, K) recupera el mensaje M"]
En 1983, Gustavus J. Simmons formuló el célebre «Problema de los prisioneros (The Prisoners’ Problem)», piedra angular de la esteganografía moderna: dos prisioneros, Alice y Bob, desean coordinar un plan de fuga, pero toda su correspondencia es inspeccionada por la guardiana Wendy (Warden). Si Wendy detecta texto cifrado o cualquier anomalía estadística en las cartas, cortará de inmediato la comunicación. Por tanto, Alice debe ocultar los bits secretos dentro de una imagen aparentemente normal $Y$ de modo que Wendy no pueda distinguir estadísticamente entre la distribución de medios naturales $P_X$ y la distribución de estego-medios $P_Y$.
En 1998, Christian Cachin estableció la definición matemática rigurosa de la seguridad esteganográfica utilizando la divergencia de Kullback-Leibler (divergencia KL / entropía relativa). Sea $P_X$ la distribución de probabilidad de los objetos portadores naturales en el espacio $\mathcal{X}$ y $P_Y$ la distribución de los estego-objetos generados. Un sistema esteganográfico es $\varepsilon$-seguro (y perfectamente seguro cuando $\varepsilon = 0$) si cumple:
$$D_{\text{KL}}(P_X \,\|\, P_Y) = \sum_{x \in \mathcal{X}} P_X(x) \log_2 \frac{P_X(x)}{P_Y(x)} \le \varepsilon$$Por la desigualdad de procesamiento de datos (Data-Processing Inequality), independientemente de cuán sofisticado sea el clasificador estadístico o la red neuronal profunda empleada por la guardiana Wendy, su tasa de falsos positivos $\alpha$ (error de tipo I) y su tasa de falsos negativos $\beta$ (error de tipo II) están acotadas por la entropía relativa binaria:
$$d(1-\alpha, \beta) = (1-\alpha)\log_2 \frac{1-\alpha}{\beta} + \alpha \log_2 \frac{\alpha}{1-\beta} \le D_{\text{KL}}(P_X \,\|\, P_Y) \le \varepsilon$$Cuando $\varepsilon \to 0$, se cumple $\alpha + \beta \to 1$, lo que significa que el detector de Wendy no tiene mayor poder discriminatorio que lanzar una moneda al aire.
| Dimensión de comparación | Criptografía (Cryptography) | Esteganografía (Steganography) | Marca de agua digital (Watermarking) |
|---|---|---|---|
| Objetivo primordial | Ocultar el contenido semántico | Ocultar la existencia misma de la comunicación | Proteger la autoría, copyright e integridad |
| Visibilidad del secreto | Pública (el texto cifrado de alta entropía es visible) | Estrictamente oculta (camuflada como archivo normal) | Visible o invisible (prioriza la imposibilidad de borrado) |
| Modelo de atacante | Criptoanálisis (descifrado sin clave) | Estegoanálisis: detección estadística $P_X \ne P_Y$ | Ataques de eliminación: compresión, recorte, ruido |
| Métrica clave | Indistinguibilidad computacional (IND-CPA) | Indetectabilidad estadística ($D_{\text{KL}} \to 0$) y capacidad | Robustez (Robustness) frente a distorsiones |
2. Dominio espacial: sustitución del bit menos significativo (LSB) y el ataque $\chi^2$
En imágenes sin compresión o con compresión sin pérdida (como BMP de 24 bits, PNG o audio WAV PCM de 16 bits), la técnica espacial más elemental es la sustitución del bit menos significativo (Least Significant Bit Replacement, LSB Replacement). En una imagen en escala de grises de 8 bits, la intensidad de cada píxel $x_i \in \{0, 1, \dots, 255\}$ se descompone en 8 bits:
$$x_i = \sum_{b=0}^{7} a_{i,b} \, 2^b = 128 a_{i,7} + 64 a_{i,6} + \dots + 2 a_{i,1} + a_{i,0}$$Mientras que el bit más significativo (MSB, $a_{i,7}$) altera el brillo en $128$ niveles, el bit menos significativo (LSB, $a_{i,0} = x_i \bmod 2$) solo produce una variación de $\pm 1$. Si sustituimos directamente el LSB por un bit secreto cifrado y uniformemente distribuido $m_i \in \{0, 1\}$:
$$y_i = 2 \left\lfloor \frac{x_i}{2} \right\rfloor + m_i$$a máxima capacidad ($1\,\text{bit por píxel, bpp}$), la mitad de los píxeles permanece intacta y la otra mitad cambia en $\pm 1$. El error cuadrático medio (MSE) y la relación señal/ruido pico (PSNR) resultan:
$$\text{MSE} = \frac{1}{N}\sum_{i=1}^{N} (x_i - y_i)^2 = 0.5, \qquad \text{PSNR} = 10 \log_{10}\!\left(\frac{255^2}{\text{MSE}}\right) \approx 51.14\,\text{dB}$$El sistema visual humano (HVS) no percibe diferencias por encima de $40\,\text{dB}$. Sin embargo, ¡lo que es invisible para el ojo humano puede ser clamorosamente obvio para la estadística!
En 1999, Andreas Westfeld y Andreas Pfitzmann formularon el demoledor ataque chi-cuadrado ($\chi^2$ Steganalysis Attack). Su fundamento radica en la asimetría de la sustitución LSB: un valor par $2k$ solo puede transformarse en $2k$ o $2k+1$, y un valor impar $2k+1$ solo puede pasar a $2k$ o $2k+1$; jamás ocurre una transición entre $2k-1$ y $2k$. Por consiguiente, cada par $\{2k, 2k+1\}$ forma un conjunto cerrado denominado «Par de Valores (Pairs of Values, PoVs)». Dado que los bits cifrados tienen probabilidad $P(0)=P(1)=0.5$, las frecuencias del histograma $h_Y(2k)$ y $h_Y(2k+1)$ en la imagen estego se igualan forzosamente a su promedio aritmético:
$$\mathbb{E}[h_Y(2k)] = \mathbb{E}[h_Y(2k+1)] = \frac{h_X(2k) + h_X(2k+1)}{2} = \bar{h}_k$$Al evaluar el estadístico $\chi^2$ de Pearson sobre los 128 pares:
$$\chi^2 = \sum_{k=0}^{127} \frac{\bigl(h_Y(2k) - \bar{h}_k\bigr)^2}{\bar{h}_k}$$una fotografía natural arroja un valor $\chi^2$ grande ($p \approx 0$), mientras que una imagen con sustitución LSB exhibe barras de histograma emparejadas en escalones idénticos ($\chi^2 \to 0, \; p \to 1$), delatando de inmediato la inserción. Más aún, el estegoanálisis RS (Regular-Singular) de Jessica Fridrich detecta tasas de apenas $0.02\,\text{bpp}$ midiendo la correlación espacial entre píxeles adyacentes. Para eliminar los PoVs, el método LSB Matching ($\pm 1$ Embedding) suma o resta $1$ al azar cuando $m_i \ne \text{LSB}(x_i)$, suavizando el histograma sin crear escalones emparejados.
3. Dominio transformado y codificación matricial: DCT en JPEG, F5 y códigos STC
En las comunicaciones reales por Internet, la esteganografía espacial fracasa ante la compresión con pérdida (Lossy Compression): al enviar una imagen por redes sociales o mensajería, se recodifica como JPEG, destruyendo los LSB espaciales. Por ello, la esteganografía moderna opera directamente en el dominio de la frecuencia (Transform Domain).
El estándar JPEG divide la imagen (en el espacio $\text{YCbCr}$) en bloques de $8 \times 8$ píxeles $f(x,y)$, aplica la Transformada de Coseno Discreta bidimensional (2D-DCT) para obtener 64 coeficientes frecuenciales $F(u,v)$, y luego los divide por una matriz de cuantificación $Q(u,v)$ redondeando a enteros $F_Q(u,v)$:
$$F(u,v) = \frac{1}{4} C(u) C(v) \sum_{x=0}^{7} \sum_{y=0}^{7} f(x,y) \cos\!\left(\frac{(2x+1)u\pi}{16}\right) \cos\!\left(\frac{(2y+1)v\pi}{16}\right), \qquad F_Q(u,v) = \text{round}\!\left(\frac{F(u,v)}{Q(u,v)}\right)$$
flowchart TD
A["Bloque espacial 8x8 f(x,y)"] --> B["Transformada de Coseno Discreta (2D-DCT) F(u,v)"]
B --> C["Cuantificación entera F_Q(u,v) = round(F/Q)"]
C --> D["Inserción frecuencial: Codificación matricial F5 / STC"]
D --> E["Codificación entrópica Huffman hacia archivo Stego-JPEG"]
En 2001, Andreas Westfeld transformó la disciplina con el algoritmo F5, introduciendo dos avances fundamentales:
- Decremento del valor absoluto: en lugar de intercambiar LSBs en los coeficientes cuantificados (como hacía JSteg), F5 reduce siempre la magnitud absoluta del coeficiente modificado (positivos $-1$, negativos $+1$), respetando la distribución laplaciana monótona centrada en cero de los coeficientes DCT naturales.
- Codificación matricial (Matrix Encoding mediante códigos de Hamming): para incrustar $k$ bits secretos $\mathbf{m} \in \{0,1\}^k$ en $n = 2^k - 1$ coeficientes no nulos $\mathbf{x} \in \{0,1\}^n$, se emplea la matriz de control de paridad $\mathbf{H} \in \{0,1\}^{k \times (2^k-1)}$ de un código de Hamming binario. El síndrome $\mathbf{s} = \mathbf{m} \oplus \mathbf{H}\mathbf{x}$ señala directamente el índice $j$ del único coeficiente $x_j$ que debe modificarse para cumplir $\mathbf{H}\mathbf{y} = \mathbf{m}$ (o ninguno si $\mathbf{s} = \mathbf{0}$). Así, la eficiencia de inserción (Embedding Efficiency) se eleva a:
Los algoritmos adaptativos de última generación (WOW, S-UNIWARD, J-UNIWARD, HILL) combinan funciones de distorsión local $\rho_i$ con Códigos de Trellis por Síndrome (Syndrome-Trellis Codes, STC, Filler et al. 2011), utilizando el algoritmo de Viterbi para confinar los cambios exclusivamente en regiones de textura compleja (follaje, espuma, tejidos) donde los modelos estadísticos y las redes neuronales de estegoanálisis (como SRNet) tienen alta incertidumbre.
4. La Ley de la Raíz Cuadrada de la capacidad esteganográfica y las Marcas de Agua
¿Crece la carga útil secreta segura $m$ de forma lineal con el número total de píxeles $n$ de la imagen portadora ($m = O(n)$)? En 2008, Tomáš Filler, Andrew D. Ker y Jessica Fridrich demostraron la célebre Ley de la Raíz Cuadrada de la Capacidad Esteganográfica (Square Root Law): si se modifica una fracción $\beta = m / n$ de $n$ píxeles independientes con información de Fisher $I_F > 0$, la expansión de Taylor de segundo orden de la divergencia KL acumulada satisface:
$$D_{\text{KL}}\!\left(P_X^{(n)} \,\big\|\, P_Y^{(n)}\right) = \frac{1}{2} n \beta^2 I_F + O(n\beta^3) = \frac{I_F}{2} \frac{m^2}{n} + O\!\left(\frac{m^3}{n^2}\right)$$Para mantener $D_{\text{KL}}^{(n)} \le \varepsilon$ acotada y evitar la detección estadística, el número máximo de bits seguros $m_{\text{safe}}(n)$ solo puede crecer proporcionalmente a la raíz cuadrada del tamaño del portador:
$$m_{\text{safe}}(n) = O\!\left(\sqrt{n}\right)$$Por último, dentro del «Triángulo Mágico de la Ocultación de Información» (Capacidad, Imperceptibilidad, Robustez), la marca de agua digital (Digital Watermarking) representa el polo complementario a la esteganografía: técnicas como el espectro ensanchado (Spread-Spectrum Watermarking) de Ingemar Cox, la modulación de índice de cuantificación (QIM), la constelación EURion en billetes bancarios o SynthID de Google DeepMind para autenticar imágenes y textos generados por IA sacrifican la capacidad a unas pocas docenas de bits para garantizar una robustez extrema capaz de sobrevivir a compresiones agresivas, recortes y transformaciones geométricas.