Разпознаване на артефакти на екрана

Поради постоянното нарастване на нивото на развитие на информационните технологии, всяка година електронните документи стават все по-удобни и търсени в употреба и започват да доминират над традиционните хартиени носители. Ето защо е много важно да се обърне своевременно внимание на защитата на съдържанието на информацията не само на традиционните хартиени носители, но и на електронни документи. Всяка голяма компания, която притежава търговска, държавна и друга тайна, иска да предотврати евентуално изтичане на информация и компрометиране на класифицирана информация, а при установено изтичане да предприеме мерки за спиране на изтичането и идентифициране на нарушителя.

Малко за опциите за защита

За изпълнение на тези задачи се въвеждат определени защитни елементи. Такива елементи могат да бъдат баркодове, видими етикети, електронни етикети, но най-интересни са скритите етикети. Един от най-ярките представители са водните знаци, те могат да бъдат поставени върху хартия или добавени преди печат на принтер. Не е тайна, че принтерите поставят свои собствени водни знаци (жълти точки и други знаци) при печат, но ще разгледаме други артефакти, които могат да бъдат поставени на компютърен екран на работното място на служител. Такива артефакти се генерират от специален софтуерен пакет, който рисува артефакти върху работното пространство на потребителя, минимизирайки видимостта на самите артефакти и без да пречи на работата на потребителя. Тези технологии имат древни корени по отношение на научни разработки и алгоритми, използвани за представяне на скрита информация, но са доста редки в съвременния свят. Този подход се среща главно във военната сфера и на хартия, за бързо идентифициране на недобросъвестни служители. Тези технологии тепърва започват да се въвеждат в търговската среда. Сега видимите водни знаци се използват активно за защита на авторските права на различни медийни файлове, но невидимите са доста редки. Но те предизвикват и най-голям интерес.

Артефакти за сигурност

Невидими за хората Водните знаци образуват различни артефакти, които по принцип могат да бъдат невидими за човешкото око и могат да бъдат маскирани в изображението под формата на много малки точки. Ще разгледаме видимите обекти, тъй като невидимите за окото може да са извън стандартното цветово пространство на повечето монитори. Тези артефакти са от особена стойност поради високата си степен на невидимост. Невъзможно е обаче CEH да бъдат напълно невидими. В процеса на тяхното изпълнение в изображението се въвежда определен вид изкривяване на изображението на контейнера и върху него се появяват някакви артефакти. Нека разгледаме 2 вида обекти:

1. Циклични
2. Хаотично (въведено чрез преобразуване на изображения)

Цикличните елементи представляват определена крайна последователност от повтарящи се елементи, които се повтарят повече от веднъж върху изображението на екрана (фиг. 1).

Хаотичните артефакти могат да бъдат причинени от различни видове трансформации на насложеното изображение (фиг. 2), например въвеждането на холограма.

Ориз. 1 Артефакти за колоездене

Ориз. 2 хаотични артефакта

Първо, нека да разгледаме опциите за разпознаване на циклични артефакти. Такива артефакти могат да бъдат:

• текстови водни знаци, повтарящи се по екрана
• двоични последователности
• набор от хаотични точки във всяка клетка на мрежата

Всички изброени артефакти се прилагат директно върху показаното съдържание; съответно те могат да бъдат разпознати чрез идентифициране на локални екстремуми на хистограмата на всеки цветен канал и съответно изрязване на всички останали цветове. Този метод включва работа с комбинации от локални екстремуми на всеки от каналите на хистограмата. Проблемът се основава на търсенето на локални екстремуми в доста сложно изображение с много рязко преминаващи детайли; хистограмата изглежда много зъбна, което прави този подход неприложим. Можете да опитате да приложите различни филтри, но те ще въведат свои собствени изкривявания, което в крайна сметка може да доведе до невъзможност за откриване на водния знак. Има и опция за разпознаване на тези артефакти с помощта на определени детектори за ръбове (например детектор за ръбове на Canny). Тези подходи имат своето място за артефакти, които са доста остри при преход; детекторите могат да подчертават контурите на изображението и впоследствие да избират цветови диапазони в рамките на контурите, за да бинаризират изображението, за да подчертаят допълнително самите артефакти, но тези методи изискват доста фина настройка, за да подчертаят необходими контури, както и последваща бинаризация на самото изображение спрямо цветовете в избраните контури. Тези алгоритми се считат за доста ненадеждни и се опитват да използват по-стабилни и независими от вида на цвета компоненти на изображението.

Ориз. 3 Воден знак след конвертиране

Що се отнася до споменатите по-рано хаотични артефакти, алгоритмите за тяхното разпознаване ще бъдат коренно различни. Тъй като формирането на хаотични артефакти се предполага чрез налагане на определен воден знак върху изображението, което се трансформира чрез някои от трансформациите (например дискретно преобразуване на Фурие). Артефактите от такива трансформации са разпределени по целия екран и е трудно да се идентифицира моделът им. Въз основа на това водният знак ще бъде разположен в цялото изображение под формата на „случайни“ артефакти. Разпознаването на такъв воден знак се свежда до директна трансформация на изображение с помощта на функции за трансформация. Резултатът от трансформацията е представен на фигурата (фиг. 3).

Но възникват редица проблеми, които пречат на разпознаването на воден знак при не толкова идеални условия. В зависимост от вида на преобразуването може да има различни трудности, например невъзможността за разпознаване на документ, получен чрез снимане под голям ъгъл спрямо екрана, или просто снимка с доста лошо качество, или заснемане на екран, записано в файл с компресия с висока загуба. Всички тези проблеми водят до усложняване на идентифицирането на воден знак; в случай на изображение под ъгъл е необходимо да се приложат или по-сложни трансформации, или да се приложат афинни трансформации към изображението, но нито едно от двете не гарантира пълно възстановяване на водния знак. Ако разгледаме случая със заснемане на екрана, възникват два проблема: първият е изкривяване при показване на самия екран, вторият е изкривяване при запазване на изображението от самия екран. Първият е доста труден за контролиране поради факта, че има матрици за монитори с различно качество и поради липсата на един или друг цвят, те интерполират цвета в зависимост от тяхното цветово представяне, като по този начин внасят изкривявания в самия воден знак. Второто е още по-трудно, поради факта, че можете да запазите екранна снимка във всеки формат и съответно да загубите част от цветовата гама, следователно можем просто да загубим самия воден знак.

Проблеми с внедряването

В съвременния свят има доста алгоритми за въвеждане на водни знаци, но никой не гарантира 100% възможност за по-нататъшно разпознаване на воден знак след внедряването му. Основната трудност е определянето на набора от условия за възпроизвеждане, които могат да възникнат във всеки конкретен случай. Както бе споменато по-рано, трудно е да се създаде алгоритъм за разпознаване, който да вземе предвид всички възможни характеристики на изкривяване и опити за повреда на водния знак. Например, ако към текущото изображение се приложи филтър на Гаус и артефактите в оригиналното изображение са доста малки и контрастиращи на фона на изображението, тогава или става невъзможно да ги разпознаете, или част от водния знак ще бъде загубен . Нека разгледаме случая на снимка, с голяма степен на вероятност тя ще има моаре (фиг. 5) и „решетка“ (фиг. 4). Моаре възниква поради дискретността на матрицата на екрана и дискретността на матрицата на записващото оборудване; в тази ситуация две мрежести изображения се наслагват едно върху друго. Мрежата най-вероятно ще покрие частично артефактите на водния знак и ще причини проблем с разпознаването; моарът, от своя страна, при някои методи за вграждане на воден знак прави невъзможно разпознаването му, тъй като припокрива част от изображението с водния знак.

Ориз. 4 Решетка с изображения

Ориз. 5 Моар

За да се увеличи прагът за разпознаване на водни знаци, е необходимо да се използват алгоритми, базирани на самообучаващи се невронни мрежи и в процеса на работа, които сами ще се научат да разпознават изображения на водни знаци. Сега има огромен брой инструменти и услуги за невронни мрежи, например от Google. Ако желаете, можете да намерите набор от референтни изображения и да научите невронната мрежа да разпознава необходимите артефакти. Този подход има най-обещаващите шансове за идентифициране дори на силно изкривени водни знаци, но за бърза идентификация изисква голяма изчислителна мощност и доста дълъг период на обучение за правилна идентификация.

Всичко описано изглежда доста просто, но колкото по-дълбоко се потопите в тези проблеми, толкова повече разбирате, че за да разпознаете водни знаци, трябва да отделите много време за внедряване на някой от алгоритмите и още повече време за привеждането му до необходимата вероятност за разпознаване на всяко изображение.

Източник: www.habr.com