Λόγω της συνεχούς αύξησης του επιπέδου ανάπτυξης της τεχνολογίας των πληροφοριών, κάθε χρόνο τα ηλεκτρονικά έγγραφα γίνονται πιο βολικά και σε ζήτηση και αρχίζουν να κυριαρχούν σε σχέση με τα παραδοσιακά έντυπα μέσα. Ως εκ τούτου, είναι πολύ σημαντικό να δοθεί έγκαιρη προσοχή στην προστασία του περιεχομένου των πληροφοριών όχι μόνο σε παραδοσιακά έντυπα μέσα, αλλά και σε ηλεκτρονικά έγγραφα. Κάθε μεγάλη εταιρεία που έχει εμπορικά, κρατικά και άλλα μυστικά θέλει να αποτρέψει πιθανές διαρροές πληροφοριών και παραβίαση απόρρητων πληροφοριών και, εάν εντοπιστεί διαρροή, να λάβει μέτρα για να σταματήσει τις διαρροές και να εντοπίσει τον παραβάτη.
Λίγα λόγια για τις επιλογές προστασίας
Για την εκτέλεση αυτών των εργασιών, εισάγονται ορισμένα προστατευτικά στοιχεία. Τέτοια στοιχεία μπορεί να είναι γραμμωτοί κώδικες, ορατές ετικέτες, ηλεκτρονικές ετικέτες, αλλά τα πιο ενδιαφέροντα είναι οι κρυφές ετικέτες. Ένας από τους πιο εντυπωσιακούς αντιπροσώπους είναι τα υδατογραφήματα· μπορούν να εφαρμοστούν σε χαρτί ή να προστεθούν πριν από την εκτύπωση σε εκτυπωτή. Δεν είναι μυστικό ότι οι εκτυπωτές βάζουν τα δικά τους υδατογραφήματα (κίτρινες κουκκίδες και άλλα σημάδια) κατά την εκτύπωση, αλλά θα εξετάσουμε άλλα αντικείμενα που μπορούν να τοποθετηθούν σε μια οθόνη υπολογιστή στο χώρο εργασίας ενός υπαλλήλου. Τέτοια τεχνουργήματα δημιουργούνται από ένα ειδικό πακέτο λογισμικού που σχεδιάζει τεχνουργήματα πάνω από τον χώρο εργασίας του χρήστη, ελαχιστοποιώντας την ορατότητα των ίδιων των τεχνουργημάτων και χωρίς να παρεμβαίνει στην εργασία του χρήστη. Αυτές οι τεχνολογίες έχουν αρχαίες ρίζες όσον αφορά τις επιστημονικές εξελίξεις και τους αλγόριθμους που χρησιμοποιούνται για την παρουσίαση κρυφών πληροφοριών, αλλά είναι αρκετά σπάνιες στον σύγχρονο κόσμο. Αυτή η προσέγγιση εντοπίζεται κυρίως στη στρατιωτική σφαίρα και στα χαρτιά, για την έγκαιρη αναγνώριση των αδίστακτων υπαλλήλων. Αυτές οι τεχνολογίες μόλις αρχίζουν να εισάγονται στο εμπορικό περιβάλλον. Τα ορατά υδατογραφήματα χρησιμοποιούνται τώρα ενεργά για την προστασία των πνευματικών δικαιωμάτων διαφόρων αρχείων πολυμέσων, αλλά τα αόρατα είναι αρκετά σπάνια. Προκαλούν όμως και το μεγαλύτερο ενδιαφέρον.
Αντικείμενα ασφαλείας
Αόρατα για τον άνθρωπο Τα υδατογραφήματα σχηματίζουν διάφορα τεχνουργήματα που μπορούν, καταρχήν, να είναι αόρατα στο ανθρώπινο μάτι και μπορούν να καλυφθούν στην εικόνα με τη μορφή πολύ μικρών κουκκίδων. Θα εξετάσουμε τα ορατά αντικείμενα, καθώς αυτά που είναι αόρατα στο μάτι μπορεί να βρίσκονται εκτός του τυπικού χρωματικού χώρου των περισσότερων οθονών. Αυτά τα τεχνουργήματα έχουν ιδιαίτερη αξία λόγω του υψηλού βαθμού αορατότητάς τους. Ωστόσο, είναι αδύνατο να γίνουν τα CEH εντελώς αόρατα. Κατά τη διαδικασία της υλοποίησής τους, εισάγεται στην εικόνα ένα συγκεκριμένο είδος παραμόρφωσης της εικόνας του κοντέινερ και κάποιο είδος τεχνουργημάτων εμφανίζονται σε αυτό. Ας εξετάσουμε 2 τύπους αντικειμένων:
- Κυκλικός
- Χαοτική (εισάγεται από τη μετατροπή εικόνας)
Τα κυκλικά στοιχεία αντιπροσωπεύουν μια ορισμένη πεπερασμένη ακολουθία επαναλαμβανόμενων στοιχείων που επαναλαμβάνονται περισσότερες από μία φορές στην εικόνα της οθόνης (Εικ. 1).
Τα χαοτικά τεχνουργήματα μπορούν να προκληθούν από διάφορα είδη μετασχηματισμών της επικαλυμμένης εικόνας (Εικ. 2), για παράδειγμα, από την εισαγωγή ενός ολογράμματος.
Ρύζι. 1 Αντικείμενα ποδηλασίας
Ρύζι. 2 Χαοτικά τεχνουργήματα
Αρχικά, ας δούμε επιλογές για την αναγνώριση κυκλικών τεχνουργημάτων. Τέτοια αντικείμενα μπορεί να είναι:
- υδατογραφήματα κειμένου που επαναλαμβάνονται σε όλη την οθόνη
- δυαδικές ακολουθίες
- ένα σύνολο χαοτικών σημείων σε κάθε κελί του πλέγματος
Όλα τα παρατιθέμενα τεχνουργήματα εφαρμόζονται απευθείας πάνω από το περιεχόμενο που εμφανίζεται· επομένως, μπορούν να αναγνωριστούν με τον εντοπισμό των τοπικών άκρων του ιστογράμματος κάθε καναλιού χρώματος και, κατά συνέπεια, με την αποκοπή όλων των άλλων χρωμάτων. Αυτή η μέθοδος περιλαμβάνει την εργασία με συνδυασμούς τοπικών άκρων καθενός από τα κανάλια ιστογράμματος. Το πρόβλημα έγκειται στην αναζήτηση για τοπικά άκρα σε μια αρκετά περίπλοκη εικόνα με πολλές λεπτομερείς αλλαγές μετάβασης· το ιστόγραμμα φαίνεται πολύ πριονωτό, γεγονός που καθιστά αυτήν την προσέγγιση ανεφάρμοστη. Μπορείτε να δοκιμάσετε να εφαρμόσετε διάφορα φίλτρα, αλλά θα εισαγάγουν τις δικές τους παραμορφώσεις, οι οποίες μπορεί τελικά να οδηγήσουν στην αδυναμία ανίχνευσης του υδατογραφήματος. Υπάρχει επίσης η επιλογή αναγνώρισης αυτών των τεχνουργημάτων χρησιμοποιώντας ορισμένους ανιχνευτές άκρων (για παράδειγμα, τον ανιχνευτή άκρων Canny). Αυτές οι προσεγγίσεις έχουν τη θέση τους για τεχνουργήματα που είναι αρκετά ευκρινή στη μετάβαση· οι ανιχνευτές μπορούν να επισημάνουν τα περιγράμματα της εικόνας και στη συνέχεια να επιλέξουν εύρος χρωμάτων εντός των περιγραμμάτων για να δυαδίσουν την εικόνα προκειμένου να τονίσουν περαιτέρω τα ίδια τα τεχνουργήματα, αλλά αυτές οι μέθοδοι απαιτούν αρκετά ακριβή συντονισμό για να τονίσουν το τα απαιτούμενα περιγράμματα, καθώς και η επακόλουθη δυαδοποίηση της ίδιας της εικόνας σε σχέση με τα χρώματα στα επιλεγμένα περιγράμματα. Αυτοί οι αλγόριθμοι θεωρούνται αρκετά αναξιόπιστοι και προσπαθούν να χρησιμοποιούν πιο σταθερά και ανεξάρτητα από τον τύπο των χρωματικών στοιχείων της εικόνας.
Ρύζι. 3 Υδατογράφημα μετά τη μετατροπή
Όσον αφορά τα χαοτικά τεχνουργήματα που αναφέρθηκαν προηγουμένως, οι αλγόριθμοι για την αναγνώρισή τους θα είναι ριζικά διαφορετικοί. Δεδομένου ότι ο σχηματισμός χαοτικών τεχνουργημάτων υποτίθεται με την επιβολή ενός συγκεκριμένου υδατογραφήματος στην εικόνα, το οποίο μετασχηματίζεται από ορισμένους από τους μετασχηματισμούς (για παράδειγμα, ο διακριτός μετασχηματισμός Fourier). Τα τεχνουργήματα από τέτοιους μετασχηματισμούς κατανέμονται σε ολόκληρη την οθόνη και είναι δύσκολο να προσδιοριστεί το μοτίβο τους. Με βάση αυτό, το υδατογράφημα θα βρίσκεται σε όλη την εικόνα με τη μορφή «τυχαίων» τεχνουργημάτων. Η αναγνώριση ενός τέτοιου υδατογραφήματος καταλήγει σε άμεσο μετασχηματισμό εικόνας χρησιμοποιώντας συναρτήσεις μετασχηματισμού. Το αποτέλεσμα του μετασχηματισμού παρουσιάζεται στο σχήμα (Εικ. 3).
Ωστόσο, προκύπτουν ορισμένα προβλήματα που εμποδίζουν την αναγνώριση υδατογραφήματος σε λιγότερο από ιδανικές συνθήκες. Ανάλογα με τον τύπο της μετατροπής, μπορεί να υπάρχουν διάφορες δυσκολίες, για παράδειγμα, η αδυναμία αναγνώρισης ενός εγγράφου που λαμβάνεται με φωτογράφηση σε μεγάλη γωνία σε σχέση με την οθόνη, ή απλώς μια φωτογραφία μάλλον κακής ποιότητας ή μια λήψη οθόνης που έχει αποθηκευτεί σε ένα αρχείο με συμπίεση υψηλής απώλειας. Όλα αυτά τα προβλήματα οδηγούν στην επιπλοκή της αναγνώρισης ενός υδατογραφήματος· στην περίπτωση μιας γωνιακής εικόνας, είναι απαραίτητο να εφαρμοστούν είτε πιο περίπλοκοι μετασχηματισμοί είτε να εφαρμοστούν συγγενικοί μετασχηματισμοί στην εικόνα, αλλά κανένα δεν εγγυάται την πλήρη αποκατάσταση του υδατογραφήματος. Αν εξετάσουμε την περίπτωση της λήψης οθόνης, προκύπτουν δύο προβλήματα: το πρώτο είναι η παραμόρφωση κατά την εμφάνιση στην ίδια η οθόνη, το δεύτερο είναι η παραμόρφωση κατά την αποθήκευση της εικόνας από την ίδια την οθόνη. Το πρώτο είναι αρκετά δύσκολο να ελεγχθεί λόγω του γεγονότος ότι υπάρχουν μήτρες για οθόνες διαφορετικής ποιότητας και λόγω της απουσίας ενός ή του άλλου χρώματος, παρεμβάλλουν το χρώμα ανάλογα με την χρωματική τους αναπαράσταση, εισάγοντας έτσι παραμορφώσεις στο ίδιο το υδατογράφημα. Το δεύτερο είναι ακόμα πιο δύσκολο, λόγω του γεγονότος ότι μπορείτε να αποθηκεύσετε ένα στιγμιότυπο οθόνης σε οποιαδήποτε μορφή και, κατά συνέπεια, να χάσετε μέρος του εύρους χρωμάτων, επομένως, μπορούμε απλά να χάσουμε το ίδιο το υδατογράφημα.
Προβλήματα εφαρμογής
Στον σύγχρονο κόσμο, υπάρχουν πολλοί αλγόριθμοι για την εισαγωγή υδατογραφημάτων, αλλά κανένας δεν εγγυάται 100% τη δυνατότητα περαιτέρω αναγνώρισης ενός υδατογραφήματος μετά την εφαρμογή του. Η κύρια δυσκολία είναι ο καθορισμός του συνόλου των συνθηκών αναπαραγωγής που μπορεί να προκύψουν σε κάθε συγκεκριμένη περίπτωση. Όπως αναφέρθηκε προηγουμένως, είναι δύσκολο να δημιουργηθεί ένας αλγόριθμος αναγνώρισης που θα λαμβάνει υπόψη όλα τα πιθανά χαρακτηριστικά παραμόρφωσης και απόπειρες καταστροφής του υδατογραφήματος. Για παράδειγμα, εάν εφαρμοστεί ένα φίλτρο Gauss στην τρέχουσα εικόνα και τα τεχνουργήματα στην αρχική εικόνα ήταν αρκετά μικρά και αντίθετα στο φόντο της εικόνας, τότε είτε καθίσταται αδύνατο να τα αναγνωρίσουμε είτε μέρος του υδατογραφήματος θα χαθεί . Ας εξετάσουμε την περίπτωση μιας φωτογραφίας, με μεγάλη πιθανότητα να έχει μουαρ (Εικ. 5) και «πλέγμα» (Εικ. 4). Το Moire εμφανίζεται λόγω της διακριτικότητας της μήτρας οθόνης και της διακριτικότητας της μήτρας του εξοπλισμού εγγραφής· σε αυτήν την περίπτωση, δύο εικόνες πλέγματος τοποθετούνται η μία πάνω στην άλλη. Το πλέγμα πιθανότατα θα καλύψει εν μέρει τα τεχνουργήματα του υδατογραφήματος και θα προκαλέσει πρόβλημα αναγνώρισης· το moire, με τη σειρά του, σε ορισμένες μεθόδους ενσωμάτωσης υδατογραφήματος καθιστά αδύνατη την αναγνώρισή του, καθώς επικαλύπτει μέρος της εικόνας με το υδατογράφημα.
Ρύζι. 4 Πλέγμα εικόνων
Ρύζι. 5 Moire
Προκειμένου να αυξηθεί το όριο αναγνώρισης υδατογραφημάτων, είναι απαραίτητο να χρησιμοποιηθούν αλγόριθμοι που βασίζονται σε νευρωνικά δίκτυα αυτομάθησης και στη διαδικασία λειτουργίας, οι οποίοι θα μάθουν οι ίδιοι να αναγνωρίζουν εικόνες υδατογραφημάτων. Τώρα υπάρχει ένας τεράστιος αριθμός εργαλείων και υπηρεσιών νευρωνικών δικτύων, για παράδειγμα, από την Google. Εάν θέλετε, μπορείτε να βρείτε ένα σύνολο εικόνων αναφοράς και να διδάξετε στο νευρωνικό δίκτυο να αναγνωρίζει τα απαραίτητα αντικείμενα. Αυτή η προσέγγιση έχει τις πιο ελπιδοφόρες πιθανότητες για τον εντοπισμό ακόμη και πολύ παραμορφωμένων υδατογραφημάτων, αλλά για γρήγορη αναγνώριση απαιτεί μεγάλη υπολογιστική ισχύ και αρκετά μεγάλη περίοδο εκπαίδευσης για σωστή αναγνώριση.
Όλα όσα περιγράφονται φαίνονται αρκετά απλά, αλλά όσο βαθύτερα βυθίζεστε σε αυτά τα ζητήματα, τόσο περισσότερο καταλαβαίνετε ότι για να αναγνωρίσετε υδατογραφήματα πρέπει να αφιερώσετε πολύ χρόνο στην εφαρμογή οποιουδήποτε από τους αλγόριθμους και ακόμη περισσότερο χρόνο για να τον φέρετε στην απαιτούμενη πιθανότητα αναγνωρίζοντας κάθε εικόνα.
Πηγή: www.habr.com