A causa de l'augment constant del nivell de desenvolupament de les tecnologies de la informació, cada any els documents electrònics són més còmodes i demanats en ús i comencen a dominar sobre els mitjans de paper tradicionals. Per tant, és molt important prestar atenció oportuna a la protecció del contingut de la informació no només en els suports de paper tradicionals, sinó també en els documents electrònics. Totes les grans empreses que tinguin secrets comercials, estatals i altres vol prevenir possibles filtracions d'informació i el compromís d'informació classificada, i si es detecta una filtració, prendre mesures per aturar-les i identificar el infractor.
Una mica sobre les opcions de protecció
Per realitzar aquestes tasques s'introdueixen determinats elements de protecció. Aquests elements poden ser codis de barres, etiquetes visibles, etiquetes electròniques, però els més interessants són les etiquetes ocultes. Un dels representants més cridaners són les filigranes, que es poden aplicar al paper o afegir-les abans d'imprimir-les en una impressora. No és cap secret que les impressores posen les seves pròpies marques d'aigua (punts grocs i altres marques) quan imprimeixen, però tindrem en compte altres artefactes que es poden posar a la pantalla d'un ordinador al lloc de treball d'un empleat. Aquests artefactes són generats per un paquet de programari especial que dibuixa artefactes a la part superior de l'espai de treball de l'usuari, minimitzant la visibilitat dels mateixos artefactes i sense interferir amb el treball de l'usuari. Aquestes tecnologies tenen arrels antigues pel que fa als desenvolupaments científics i els algorismes utilitzats per presentar informació oculta, però són força rares al món modern. Aquest enfocament es troba principalment en l'àmbit militar i en el paper, per a la ràpida identificació d'empleats sense escrúpols. Aquestes tecnologies tot just comencen a introduir-se en l'entorn comercial. Les marques d'aigua visibles s'estan utilitzant de manera activa per protegir els drets d'autor de diversos fitxers multimèdia, però les invisibles són força rares. Però també desperten el major interès.
Artefactes de seguretat
Invisible per als humans Les filigranes formen diversos artefactes que poden ser, en principi, invisibles per a l'ull humà, i es poden emmascarar a la imatge en forma de punts molt petits. Considerarem els objectes visibles, ja que els invisibles a l'ull poden estar fora de l'espai de color estàndard de la majoria de monitors. Aquests artefactes tenen un valor particular pel seu alt grau d'invisibilitat. Tanmateix, és impossible fer que els CEH siguin completament invisibles. En el procés de la seva implementació, s'introdueix un cert tipus de distorsió de la imatge del contenidor a la imatge i hi apareixen algun tipus d'artefactes. Considerem 2 tipus d'objectes:
- Cíclic
- Caòtic (introduït per conversió d'imatges)
Els elements cíclics representen una determinada seqüència finita d'elements repetitius que es repeteixen més d'una vegada a la imatge de pantalla (Fig. 1).
Els artefactes caòtics poden ser causats per diversos tipus de transformacions de la imatge superposada (Fig. 2), per exemple, la introducció d'un holograma.
Arròs. 1 Artefactes de ciclisme
Arròs. 2 artefactes caòtics
Primer, mirem les opcions per reconèixer artefactes cíclics. Aquests artefactes poden ser:
- filigranes de text que es repeteixen per la pantalla
- seqüències binàries
- un conjunt de punts caòtics a cada cel·la de la quadrícula
Tots els artefactes enumerats s'apliquen directament sobre el contingut mostrat; en conseqüència, es poden reconèixer identificant els extrems locals de l'histograma de cada canal de color i, en conseqüència, tallant tots els altres colors. Aquest mètode implica treballar amb combinacions d'extrems locals de cadascun dels canals de l'histograma. El problema es basa en la recerca d'extrems locals en una imatge força complexa amb molts detalls de transició nítida; l'histograma sembla molt dent de serra, la qual cosa fa que aquest enfocament sigui inaplicable. Podeu provar d'aplicar diversos filtres, però introduiran les seves pròpies distorsions, que poden provocar, en última instància, la incapacitat de detectar la marca d'aigua. També hi ha l'opció de reconèixer aquests artefactes mitjançant determinats detectors de vora (per exemple, el detector de vora Canny). Aquests enfocaments tenen el seu lloc per a artefactes que són bastant nítids en transició; els detectors poden ressaltar els contorns de la imatge i, posteriorment, seleccionar intervals de color dins dels contorns per binaritzar la imatge per ressaltar encara més els artefactes, però aquests mètodes requereixen un ajustament bastant fi per ressaltar el contorns necessaris, així com la posterior binarització de la pròpia imatge en relació amb els colors dels contorns seleccionats. Aquests algorismes es consideren poc fiables i intenten utilitzar components més estables i independents del tipus de color de la imatge.
Arròs. 3 Filigrana després de la conversió
Pel que fa als artefactes caòtics esmentats anteriorment, els algorismes per reconèixer-los seran radicalment diferents. Atès que la formació d'artefactes caòtics s'assumeix imposant una determinada filigrana a la imatge, que es transforma per algunes de les transformacions (per exemple, la transformada discreta de Fourier). Els artefactes d'aquestes transformacions es distribueixen per tota la pantalla i és difícil identificar-ne el patró. En base a això, la marca d'aigua es situarà a tota la imatge en forma d'artefactes "atzars". El reconeixement d'aquesta marca d'aigua es redueix a la transformació directa de la imatge mitjançant funcions de transformació. El resultat de la transformació es presenta a la figura (Fig. 3).
Però sorgeixen una sèrie de problemes que impedeixen el reconeixement de la filigrana en condicions no ideals. Depenent del tipus de conversió, pot haver-hi diverses dificultats, per exemple, la impossibilitat de reconeixement d'un document obtingut fotografiant amb un gran angle respecte a la pantalla, o simplement una foto de mala qualitat, o una captura de pantalla desada en un fitxer amb compressió amb pèrdues elevades. Tots aquests problemes comporten la complicació d'identificar una filigrana; en el cas d'una imatge en angle, cal aplicar transformacions més complexes o bé aplicar transformacions afins a la imatge, però cap de les dues garanteix la restauració completa de la filigrana. Si tenim en compte el cas de la captura de pantalla, sorgeixen dos problemes: el primer és la distorsió quan es mostra a la pròpia pantalla, el segon és la distorsió quan es guarda la imatge de la pròpia pantalla. El primer és bastant difícil de controlar pel fet que hi ha matrius per a monitors de diferent qualitat, i per l'absència d'un o altre color, interpolen el color en funció de la seva representació del color, introduint així distorsions a la pròpia filigrana. El segon és encara més difícil, a causa del fet que podeu desar una captura de pantalla en qualsevol format i, en conseqüència, perdre part de la gamma de colors, per tant, simplement podem perdre la pròpia marca d'aigua.
Problemes d'implementació
Al món modern, hi ha molts algorismes per introduir filigranes, però cap garanteix el 100% de possibilitats de reconeixement posterior d'una marca d'aigua després de la seva implementació. La principal dificultat és determinar el conjunt de condicions de reproducció que es poden presentar en cada cas concret. Com s'ha esmentat anteriorment, és difícil crear un algorisme de reconeixement que tingui en compte totes les possibles característiques de distorsió i intents de danyar la marca d'aigua. Per exemple, si s'aplica un filtre gaussià a la imatge actual i els artefactes de la imatge original eren bastant petits i contrasten amb el fons de la imatge, serà impossible reconèixer-los o es perdrà part de la marca d'aigua. . Considerem el cas d'una fotografia, amb un alt grau de probabilitat que tingui moiré (Fig. 5) i una “quadrícula” (Fig. 4). El moiré es produeix a causa de la discreció de la matriu de la pantalla i la discreció de la matriu de l'equip de gravació; en aquesta situació, dues imatges de malla se superposen entre si. El més probable és que la malla cobreixi parcialment els artefactes de la marca d'aigua i provoqui un problema de reconeixement; el moire, al seu torn, en alguns mètodes d'incrustació de la filigrana fa que sigui impossible reconèixer-la, ja que se solapa una part de la imatge amb la marca d'aigua.
Arròs. 4 Quadrícula d'imatge
Arròs. 5 Moire
Per augmentar el llindar de reconeixement de les filigranes, cal utilitzar algorismes basats en xarxes neuronals d'autoaprenentatge i en procés de funcionament, que ells mateixos aprendran a reconèixer imatges de filigranes. Ara hi ha un gran nombre d'eines i serveis de xarxes neuronals, per exemple, de Google. Si ho desitja, podeu trobar un conjunt d'imatges de referència i ensenyar a la xarxa neuronal a reconèixer els artefactes necessaris. Aquest enfocament té les possibilitats més prometedores d'identificar fins i tot filigranes molt distorsionades, però per a una identificació ràpida requereix una gran potència de càlcul i un període d'entrenament força llarg per a una identificació correcta.
Tot el que es descriu sembla bastant senzill, però com més aprofundeixis en aquests problemes, més entén que per reconèixer les filigranes cal dedicar molt de temps a implementar qualsevol dels algorismes i encara més temps a portar-lo a la probabilitat requerida de reconeixent cada imatge.
Font: www.habr.com