Seit Anfang 2005 ist er Mitglied in der Arbeitsgruppe Antipiraterie des Börsenvereins des Deutschen Buchhandels e.V. Seit Anfang 2006 ist er der Sprecher der Fachgruppe Steganographie und Wasserzeichen des Fachbereichs Sicherheit der Gesellschaft für Informatik. Seit 2011 ist er Mitglied im BITKOM Arbeitskreis „E-Books und Digital Publishing“, der sich auch mit Piraterieschutz beschäftigt.

Die  am SIT erarbeiteten Forschungsergebnisse gibt er unter anderem in Vorlesungen, Praktika und Seminaren an der TU Darmstadt und der Hochschule Darmstadt sowie in zahlreichen nationalen und internationalen Veröffentlichungen und Konferenzen weiter. Er ist Autor oder Co-Autor von rund 140 Publikationen und an 10 Patentschriften zum Thema Mediensicherheit.

Ziel ist es, den direkten Vergleich eines Betrachters zu simulieren. Wenn zwei Bilder einem Betrachter identisch erscheinen, so soll das Vergleichsverfahren ebenfalls eine Identität signalisieren. Solche Vergleichsverfahren werden als robuste Hashverfahren bezeichnet, da sie resistent gegen nicht wahrnehmbare Veränderungen sind. Wie bei herkömmlichen Hashverfahren wird aber angestrebt, selbst sehr ähnliche Bilder voneinander zu unterscheiden und nur identische Bilder als gleich zu erkennen.

Dafür werden im ersten Schritt bekannte (illegale) Bilder (siehe A in Abb.) als auf 16 x 16 Pixel reduzierte Graustufenbilder dargestellt. Von dieser vereinfachten Bildversion wird der sogenannte robuste Hashwert errechnet, eine Pixelmatrix, in der jeder Bildpunkt gemäß seiner Helligkeit weiß oder schwarz dargestellt wird (siehe B in Abb.). Neu beschlagnahmte Bilddaten werden auf die gleiche Weise bearbeitet und ihre robusten Hashwerte errechnet.

Anschließend werden die Werte mit den Hashwerten illegaler Bilder aus Datenbanken der Polizei verglichen. Gleichen sich die Werte zweier Bilder an ausreichend vielen Stellen, kann man von einer Bildkopie ausgehen.

Robust Hashing vereint die Vorteile bisheriger Methoden: es ist schnell, resistent gegen Formatwandlungen, Größenveränderungen und Spiegelungen und hat eine extrem geringe Fehlerquote von nur 1,1 Falschmeldungen pro 1.000 Bildern. Es kann als Ergänzung oder Alternative zu klassischen Verfahren eingesetzt werden.

Dieser Wert identifiziert eindeutig die zugrunde liegenden Daten, lässt aber keine Rückschlüsse auf den Inhalt zu. Vergleichbar  identifiziert ein Fingerabdruck nahezu eindeutig eine bestimmte Person, aber er verrät nicht, wie diese Person aussieht.

Im Gegensatz zu robusten Hashwerten (s. oben) verändern sich kryptografische Hashwerte schon durch kleine Veränderungen der Ausgangsdaten vollkommen. So führt beispielsweise das Austauschen einzelner Buchstaben in einem Text oder das Beschneiden einer Bilddatei zu einem völlig neuen Wert.

Kryptografische Hashwerte werden zum Beispiel für digitale Signaturen und in zahlreichen Verschlüsselungsverfahren eingesetzt.  Außerdem helfen sie dabei, große Informationsmengen effizient in Datenbanken zu verwalten oder als dienen Prüfsumme zur Erkennung von Übertragungsfehlern.