İnformasiya texnologiyalarının inkişaf səviyyəsinin daim artması ilə əlaqədar olaraq, hər il elektron sənədlər daha rahat və istifadədə tələbat qazanır və ənənəvi kağız daşıyıcıları üzərində üstünlük təşkil etməyə başlayır. Ona görə də təkcə ənənəvi kağız daşıyıcılarda deyil, həm də elektron sənədlərdə olan məlumatların məzmununun qorunmasına vaxtında diqqət yetirmək çox vacibdir. Kommersiya, dövlət və digər sirlərə malik olan hər bir iri şirkət mümkün məlumat sızmasının və məxfi məlumatların kompromatının qarşısını almaq istəyir və sızma aşkar edilərsə, sızmaların dayandırılması və pozucunun müəyyən edilməsi üçün tədbirlər görmək istəyir.
Qoruma variantları haqqında bir az
Bu vəzifələri yerinə yetirmək üçün müəyyən qoruyucu elementlər təqdim olunur. Belə elementlər barkodlar, görünən etiketlər, elektron etiketlər ola bilər, lakin ən maraqlısı gizli etiketlərdir. Ən diqqət çəkən nümayəndələrdən biri su nişanlarıdır, onlar kağıza tətbiq oluna və ya printerdə çap edilməzdən əvvəl əlavə edilə bilər. Heç kimə sirr deyil ki, printerlər çap edərkən öz su nişanlarını (sarı nöqtələr və digər işarələr) qoyurlar, lakin biz işçinin iş yerində kompüter ekranına qoyula bilən digər artefaktları nəzərdən keçirəcəyik. Bu cür artefaktlar istifadəçinin iş sahəsinin üstünə artefaktlar çəkən, artefaktların özünün görünməsini minimuma endirən və istifadəçinin işinə müdaxilə etmədən xüsusi proqram paketi tərəfindən yaradılır. Bu texnologiyalar elmi inkişaflar və gizli məlumatları təqdim etmək üçün istifadə olunan alqoritmlər baxımından qədim köklərə malikdir, lakin müasir dünyada olduqca nadirdir. Bu yanaşma əsasən hərbi sahədə və kağız üzərində, vicdansız işçilərin operativ şəkildə müəyyən edilməsi üçün tapılır. Bu texnologiyalar kommersiya mühitinə yenicə tətbiq olunmağa başlayır. Görünən su nişanları indi müxtəlif media fayllarının müəllif hüquqlarını qorumaq üçün fəal şəkildə istifadə olunur, lakin görünməz olanlar olduqca nadirdir. Amma ən böyük marağı da onlar doğurur.
Təhlükəsizlik Artefaktları
İnsanlara görünməz Su nişanları, prinsipcə, insan gözünə görünməyən və çox kiçik nöqtələr şəklində təsvirdə maskalana bilən müxtəlif artefaktlar əmələ gətirir. Biz görünən obyektləri nəzərdən keçirəcəyik, çünki gözə görünməyənlər əksər monitorların standart rəng məkanından kənarda ola bilər. Bu artefaktlar yüksək dərəcədə görünməzliyinə görə xüsusi dəyərə malikdir. Lakin CEH-ləri tamamilə görünməz etmək mümkün deyil. Onların həyata keçirilməsi prosesində təsvirə konteyner təsvirinin müəyyən bir təhrifi daxil edilir və onun üzərində bir növ artefaktlar görünür. 2 növ obyekti nəzərdən keçirək:
- Dövrlü
- Xaotik (şəkil çevrilməsi ilə təqdim olunur)
Tsiklik elementlər ekran görüntüsündə bir dəfədən çox təkrarlanan elementlərin müəyyən sonlu ardıcıllığını təmsil edir (şək. 1).
Xaotik artefaktlar üst-üstə qoyulmuş təsvirin müxtəlif növ çevrilmələri (şək. 2), məsələn, holoqramın tətbiqi nəticəsində yarana bilər.
düyü. 1 Velosiped artefaktları
düyü. 2 Xaotik Artefakt
Əvvəlcə siklik artefaktların tanınması variantlarına baxaq. Belə artefaktlar ola bilər:
- ekran boyu təkrarlanan mətn su nişanları
- ikili ardıcıllıqlar
- hər bir şəbəkə hüceyrəsindəki xaotik nöqtələr dəsti
Bütün sadalanan artefaktlar birbaşa nümayiş olunan məzmunun üzərinə tətbiq olunur; müvafiq olaraq, onlar hər bir rəng kanalının histoqramının yerli ekstremallarını müəyyən etməklə və müvafiq olaraq bütün digər rəngləri kəsməklə tanınır. Bu üsul histoqram kanallarının hər birinin yerli ekstremal birləşmələri ilə işləməyi əhatə edir. Problem bir çox kəskin keçid detalları ilə kifayət qədər mürəkkəb təsvirdə yerli ekstremalların axtarışına əsaslanır; histoqram çox mişar dişi görünür, bu da bu yanaşmanı tətbiq olunmaz edir. Siz müxtəlif filtrləri tətbiq etməyə cəhd edə bilərsiniz, lakin onlar öz təhriflərini təqdim edəcəklər ki, bu da son nəticədə su nişanını aşkar edə bilməməsinə səbəb ola bilər. Müəyyən kənar detektorları (məsələn, Canny kənar detektoru) istifadə edərək bu artefaktları tanımaq imkanı da var. Bu yanaşmaların keçid zamanı olduqca kəskin olan artefaktlar üçün öz yeri var; detektorlar təsvirin konturlarını vurğulaya və sonradan artefaktların özlərini daha da vurğulamaq üçün təsviri binarlaşdırmaq üçün konturlar daxilində rəng diapazonlarını seçə bilər, lakin bu üsullar təsviri vurğulamaq üçün kifayət qədər incə sazlama tələb edir. tələb olunan konturlar, həmçinin seçilmiş konturlardakı rənglərə nisbətən şəklin özünün sonrakı binarizasiyası. Bu alqoritmlər kifayət qədər etibarsız hesab olunur və təsvirin rəng komponentlərinin növündən asılı olmayaraq daha sabit və müstəqil istifadə etməyə çalışırlar.
düyü. 3 Dönüşümdən sonra su nişanı
Daha əvvəl qeyd olunan xaotik artefaktlara gəldikdə, onları tanımaq üçün alqoritmlər köklü şəkildə fərqli olacaq. Xaotik artefaktların formalaşması təsvirə müəyyən bir su nişanının qoyulması ilə nəzərdə tutulduğundan, bəzi çevrilmələr (məsələn, diskret Furye çevrilməsi) ilə çevrilir. Bu cür çevrilmələrin artefaktları bütün ekranda paylanır və onların nümunəsini müəyyən etmək çətindir. Buna əsaslanaraq, su nişanı "təsadüfi" artefaktlar şəklində təsvir boyu yerləşəcəkdir. Belə bir su nişanının tanınması transformasiya funksiyalarından istifadə edərək birbaşa təsvirin çevrilməsinə gəlir. Transformasiyanın nəticəsi şəkildə təqdim olunur (şək. 3).
Ancaq ideal olmayan şəraitdə su nişanının tanınmasına mane olan bir sıra problemlər yaranır. Dönüşüm növündən asılı olaraq, müxtəlif çətinliklər ola bilər, məsələn, ekrana nisbətən böyük bucaq altında fotoşəkil çəkməklə əldə edilən sənədin tanınmasının qeyri-mümkünlüyü və ya sadəcə olaraq kifayət qədər keyfiyyətsiz bir fotoşəkil və ya ekranda saxlanılan ekran görüntüsü. sıxılma itkisi yüksək olan fayl. Bütün bu problemlər su nişanının müəyyən edilməsinin çətinləşməsinə gətirib çıxarır, bucaqlı bir şəkil vəziyyətində ya daha mürəkkəb çevrilmələr tətbiq etmək lazımdır, ya da təsvirə affin çevrilmələr tətbiq etmək lazımdır, lakin heç biri su nişanının tam bərpasına zəmanət vermir. Ekranın çəkilişini nəzərdən keçirsək, iki problem yaranır: birincisi, ekranın özündə göstərərkən təhrif, ikincisi, görüntünün ekranın özündən saxlanması zamanı təhrifdir. Birincisini idarə etmək olduqca çətindir, çünki müxtəlif keyfiyyətli monitorlar üçün matrislər var və bu və ya digər rəngin olmaması səbəbindən rəng təmsilçiliyindən asılı olaraq rəngi interpolyasiya edir və bununla da su nişanının özünə təhriflər gətirir. İkincisi, ekran görüntüsünü istənilən formatda saxlaya bildiyiniz və müvafiq olaraq rəng diapazonunun bir hissəsini itirə biləcəyiniz üçün daha da çətindir, buna görə də su nişanının özünü itirə bilərik.
İcra problemləri
Müasir dünyada su nişanlarının tətbiqi üçün kifayət qədər alqoritmlər var, lakin heç biri su nişanının tətbiqindən sonra daha da tanınmasının 100% imkanını təmin etmir. Əsas çətinlik hər bir konkret halda yarana biləcək çoxalma şəraitinin müəyyən edilməsidir. Daha əvvəl qeyd edildiyi kimi, təhrifin bütün mümkün xüsusiyyətlərini və su nişanını zədələmək cəhdlərini nəzərə alacaq bir tanınma alqoritmi yaratmaq çətindir. Məsələn, cari təsvirə Qauss filtri tətbiq edilərsə və orijinal təsvirdəki artefaktlar görüntünün fonunda kifayət qədər kiçik və təzadlı olarsa, ya onları tanımaq mümkün olmayacaq, ya da su nişanının bir hissəsi itiriləcək. . Fotoşəkil məsələsini nəzərdən keçirək, yüksək ehtimalla onun muare (şəkil 5) və “tor” (şəkil 4) olacağı ehtimalı var. Moire ekran matrisinin diskretliyi və qeyd avadanlığının matrisinin diskretliyi səbəbindən baş verir, bu vəziyyətdə iki mesh təsviri bir-birinin üzərinə qoyulur. Mesh, çox güman ki, su nişanı artefaktlarını qismən əhatə edəcək və tanınma probleminə səbəb olacaq; öz növbəsində, bəzi su nişanının yerləşdirilməsi üsullarında moir onu tanımağı qeyri-mümkün edir, çünki o, şəklin bir hissəsini su nişanı ilə üst-üstə düşür.
düyü. 4 Şəkillər şəbəkəsi
düyü. 5 Moire
Su nişanlarının tanınması həddini artırmaq üçün özünü öyrənən neyron şəbəkələrinə əsaslanan alqoritmlərdən istifadə etmək lazımdır və əməliyyat prosesində su nişanı şəkillərini tanımağı öyrənəcəklər. İndi çoxlu sayda neyron şəbəkə alətləri və xidmətləri var, məsələn, Google. İstəsəniz, bir sıra istinad təsvirləri tapa və neyron şəbəkəyə lazımi artefaktları tanımağı öyrədə bilərsiniz. Bu yanaşma hətta yüksək dərəcədə təhrif olunmuş su nişanlarını müəyyən etmək üçün ən perspektivli şanslara malikdir, lakin tez identifikasiya üçün böyük hesablama gücü və düzgün identifikasiya üçün kifayət qədər uzun təlim müddəti tələb olunur.
Təsvir edilən hər şey olduqca sadə görünür, lakin bu məsələlərə nə qədər dərindən baxsanız, bir o qədər başa düşürsünüz ki, su nişanlarını tanımaq üçün hər hansı bir alqoritmin həyata keçirilməsinə çox vaxt sərf etməlisiniz və onu tələb olunan ehtimala çatdırmaq üçün daha çox vaxt sərf etməlisiniz. hər bir görüntünün tanınması.
Mənbə: www.habr.com