VoIP 통화 지속시간에 따른 LACK 은닉 데이터 삽입 최적화

본 논문은 VoIP 통화에서 비밀 데이터를 은닉하기 위한 LACK(Lost Audio Packets Steganography) 기법의 성능을, 특히 통화 지속시간의 확률분포와 삽입률(IR) 간의 관계를 중심으로 분석한다. LACK는 RTP 패킷을 의도적으로 지연시켜 수신 측에서 폐기하도록 만든 뒤, 해당 패킷의 페이로드에 비밀 데이터를 삽입한다. 이 방법은 패킷 손실률이 코덱별 허용 한계를 초과하지 않을 경우 음성 품질에 큰 영향을 주지 않으며, 기존의 헤더 변조형 스테가노그래피와는 달리 추가 패킷을 생성하지 않아 트래픽 패턴 변화를 최소화한다. 하지만 삽입률이 높아질수록 패킷 손실이 증가하고, 이는 QoS 저하와 스테가노그래피 탐지 위험을 동시에 높인다. 따라서 삽입률을 통화 시간에 맞춰 동적으로 조절하는 것이 필요하다. 이를 위해 저자들은 먼저 VoIP 통화 지속시간의 실제 분포를 조사한다. 기존 연구에서 흔히 가정되는 지수분포는 실험 데이터(이탈리아 FastWeb, 약 150 000통화)와 크게 차이가 있음을 보여준다. 실험 결과 평균 통화시간 117.31 s, 표준편차 278.74 s 로서 변동계수(Cv)=2.37을 기록했으며, 이는 지수분포(Cv=1)보다 훨씬 큰 값이다. 다양한 통화시간 분포를 포괄적으로 모델링하기 위해 Weibull 분포를 사용한다. Weibull의 형태 파라미터 k와 규모 파라미터 λ를 조정하여 Cv를 0.32부터 3.14까지 다양하게 만들었다. k=1일 때는 지수분포와 동일하고, k>1이면 분포가 정규에 가까워지며, k<1이면 꼬리가 두꺼워진 형태가 된다. 이러한 파라미터 조합을 통해 실제 측정된 분포와 근사적으로 일치시키면서도, Cv 하나만으로 다양한 형태를 설명할 수 있다. 다음으로, 통화가 진행되는 동안 남은 평균 통화시간 E(D|D>t)를 계산한다. 일반적인 잔여 수명 공식 E(R)=E(D²)/2E(D) 를 이용해, 임의 시점 t에서의 조건부 평균을 구하고, 이를 근사식 E(D|D>t)≈a·t+b 로 단순화한다. 이 근사는 실험 결과와 Weibull 모델 모두에서 높은 정확도를 보였다. 비밀 데이터 양을 S, 현재까지 전송된 양을 S_T(t)라 하면 남은 데이터는 S_R(t)=S−S_T(t)이다. 따라서 시간에 따라 조정되는 삽입률은 IR(t)=S_R(t)/E(D|D>t) 으로 정의된다. 초기에는 통화가 길어질 가능성이 크기 때문에 높은 IR을 사용할 수 있지만, 시간이 흐를수록 남은 평균 통화시간이 감소함에 따라 IR도 자연스럽게 낮아진다. 이는 패킷 손실률을 낮추고, 스테가노그래피 탐지 위험을 감소시키는 효과가 있다. 또한, 실제 VoIP 환경에서는 패킷 손실에 대한 복구 메커니즘(예: PLC)이나 코덱별 허용 손실률이 존재한다. 이를 반영하기 위해 보정계수 CF<1을 도입하여 최종 삽입률을 IR*(t)=CF·IR(t) 로 조정한다. CF는 서비스 품질 요구사항과 스테가노그래피 내성 요구에 따라 실험적으로 결정될 수 있다. 시뮬레이션 결과는 Cv가 클수록(즉, 통화시간 변동성이 클수록) 초기 삽입률이 높고, 시간이 지남에 따라 급격히 감소함을 보여준다. 예를 들어, Cv=2.37인 실제 데이터에 대해 1000비트의 비밀 데이터를 전송하려면 초기 IR이 약 30 bit/s 정도이지만, 5분이 지난 시점에서는 10 bit/s 이하로 감소한다. 반면 Cv=0.32인 거의 정규에 가까운 분포에서는 초기 IR이 낮고 감소 폭도 작다. 결론적으로, 통화 지속시간의 변동계수를 이용해 동적 삽입률을 설계하면 LACK의 전송 효율을 유지하면서 QoS 저하와 탐지 위험을 최소화할 수 있다. 논문은 현재 모델이 평균 통화시간과 Cv만을 필요로 하므로 구현이 비교적 간단하다고 주장한다. 그러나 Weibull 근사의 정확성, 실시간 파라미터 추정 비용, CF 값 선택의 주관성 등 한계점도 존재한다. 향후 연구에서는 조건부 확률 P(D>x|D>t)를 활용한 보다 정교한 삽입률 모델, QoS 제약식과 스테가노그래피 내성을 동시에 고려한 최적화, 그리고 실시간 트래픽 분석을 통한 파라미터 자동 추정 방법을 제시할 예정이다.