Pro la konstanta pliiĝo de la nivelo de evoluigo de informa teknologio, ĉiujare elektronikaj dokumentoj fariĝas pli oportunaj kaj bezonataj en uzo kaj komencas superregi super tradiciaj paperaj rimedoj. Tial, estas tre grave atenti ĝustatempe protekti la enhavon de informoj ne nur sur tradiciaj paperaj amaskomunikiloj, sed ankaŭ sur elektronikaj dokumentoj. Ĉiu granda kompanio, kiu havas komercajn, ŝtatajn kaj aliajn sekretojn, volas malhelpi eblajn informlikojn kaj kompromison de konfidencaj informoj, kaj se liko estas detektita, prenu rimedojn por ĉesigi la likojn kaj identigi la malobservanton.
Iom pri protektaj elektoj
Por plenumi ĉi tiujn taskojn, iuj protektaj elementoj estas enkondukitaj. Tiaj elementoj povas esti strekkodoj, videblaj etikedoj, elektronikaj etikedoj, sed la plej interesaj estas kaŝitaj etikedoj. Unu el la plej okulfrapaj reprezentantoj estas akvomarkoj; ili povas esti aplikitaj al papero aŭ aldonitaj antaŭ presado sur presilo. Ne estas sekreto, ke presiloj metas siajn proprajn akvomarkojn (flavaj punktoj kaj aliaj markoj) dum presado, sed ni konsideros aliajn artefaktojn, kiuj povas esti metitaj sur komputilan ekranon ĉe la laborejo de dungito. Tiaj artefaktoj estas generitaj per speciala programaro, kiu tiras artefaktojn aldone al la laborspaco de la uzanto, minimumigante la videblecon de la artefaktoj mem kaj sen ĝeni la laboron de la uzanto. Ĉi tiuj teknologioj havas antikvajn radikojn laŭ sciencaj evoluoj kaj la algoritmoj uzataj por prezenti kaŝitajn informojn, sed estas sufiĉe maloftaj en la moderna mondo. Ĉi tiu aliro troviĝas ĉefe en la milita sfero kaj surpapere, por la rapida identigo de senskrupulaj dungitoj. Ĉi tiuj teknologioj ĵus komencas esti enkondukitaj en la komercan medion. Videblaj akvomarkoj nun estas aktive uzataj por protekti la kopirajton de diversaj amaskomunikilaj dosieroj, sed nevideblaj estas sufiĉe maloftaj. Sed ili ankaŭ vekas la plej grandan intereson.
Sekurecaj Artefaktoj
Nevideblaj por homoj Akvomarkoj formas diversajn artefaktojn kiuj povas esti, principe, nevideblaj por la homa okulo, kaj povas esti maskitaj en la bildo en la formo de tre malgrandaj punktoj. Ni konsideros videblajn objektojn, ĉar tiuj nevideblaj por la okulo povas esti ekster la norma kolorspaco de plej multaj ekranoj. Tiuj artefaktoj estas de speciala valoro pro sia alta grado de nevidebleco. Tamen, estas neeble fari CEH-ojn tute nevideblaj. En la procezo de ilia efektivigo, certa speco de distordo de la ujo-bildo estas enkondukita en la bildon, kaj iaj artefaktoj aperas sur ĝi. Ni konsideru 2 specojn de objektoj:
- Cikla
- Kaosa (enkondukita per bildkonverto)
Ciklaj elementoj reprezentas certan finhavan sekvencon de ripetaj elementoj, kiuj estas ripetitaj pli ol unufoje sur la ekranbildo (Fig. 1).
Kaosaj artefaktoj povas esti kaŭzitaj de diversaj specoj de transformoj de la supermetita bildo (Fig. 2), ekzemple, la enkonduko de hologramo.
Rizo. 1 Bicikladaj artefaktoj
Rizo. 2 Kaosaj Artefaktoj
Unue, ni rigardu eblojn por rekoni ciklajn artefaktojn. Tiaj artefaktoj povas esti:
- tekstaj akvomarkoj ripetantaj tra la ekrano
- binaraj sekvencoj
- aro de kaosaj punktoj en ĉiu kradĉelo
Ĉiuj listigitaj artefaktoj estas aplikataj rekte super la montrata enhavo; sekve, ili povas esti rekonitaj identigante lokajn ekstremojn de la histogramo de ĉiu kolorkanalo kaj, sekve, eltranĉante ĉiujn aliajn kolorojn. Ĉi tiu metodo implikas labori kun kombinaĵoj de lokaj ekstremaĵoj de ĉiu el la histogramkanaloj. La problemo baziĝas sur la serĉo de lokaj ekstremoj en sufiĉe kompleksa bildo kun multaj akre transirantaj detaloj; la histogramo aspektas tre segildenta, kio faras ĉi tiun aliron neaplikebla. Vi povas provi apliki diversajn filtrilojn, sed ili enkondukos siajn proprajn distordojn, kiuj finfine eble kondukos al la malkapablo detekti la akvomarkon. Ekzistas ankaŭ la opcio de rekonado de tiuj artefaktoj uzante certajn randdetektilojn (ekzemple, la Canny-randa detektilo). Tiuj aliroj havas sian lokon por artefaktoj kiuj estas tre akraj en transiro; detektiloj povas elstarigi bildkonturojn kaj poste elekti kolorintervalojn ene de la konturoj por binarigi la bildon por plue elstarigi la artefaktojn mem, sed tiuj metodoj postulas sufiĉe fajnan agordon por elstarigi la. postulataj konturoj, kaj ankaŭ postan binarigon de la bildo mem rilate al la koloroj en la elektitaj konturoj. Ĉi tiuj algoritmoj estas konsiderataj sufiĉe nefidindaj kaj provas uzi pli stabilajn kaj sendependajn de la tipo de koloraj komponantoj de la bildo.
Rizo. 3 Akvomarko post konvertiĝo
Koncerne al la kaosaj artefaktoj menciitaj antaŭe, la algoritmoj por rekoni ilin estos radikale malsamaj. Ĉar la formado de kaosaj artefaktoj estas supozita trudante certan akvomarkon al la bildo, kiu estas transformita per kelkaj el la transformoj (ekzemple, la diskreta transformo de Fourier). Artefaktoj de tiaj transformoj estas distribuitaj tra la tuta ekrano kaj estas malfacile identigi ilian ŝablonon. Surbaze de ĉi tio, la akvomarko situos tra la bildo en formo de "hazarda" artefaktoj. Rekono de tia akvomarko venas al rekta bildtransformo uzante transformajn funkciojn. La rezulto de la transformo estas prezentita en la figuro (Fig. 3).
Sed aperas kelkaj problemoj, kiuj malhelpas la agnoskon de akvomarko en malpli ol idealaj kondiĉoj. Depende de la tipo de konvertiĝo, povas esti diversaj malfacilaĵoj, ekzemple, la neebleco de rekono de dokumento akirita per fotado laŭ granda angulo rilate al la ekrano, aŭ simple foto de sufiĉe malbona kvalito, aŭ ekrankapto konservita en dosiero kun alta perda kunpremo. Ĉiuj ĉi tiuj problemoj kondukas al la komplikaĵo de identigado de akvomarko; en la kazo de angula bildo, estas necese apliki aŭ pli kompleksajn transformojn aŭ apliki afinajn transformojn al la bildo, sed nek garantias kompletan restarigon de la akvomarko. Se ni konsideras la kazon de ekrankapto, aperas du problemoj: la unua estas distordo kiam oni montras sur la ekrano mem, la dua estas distordo kiam oni konservas la bildon el la ekrano mem. La unua estas sufiĉe malfacile kontroli pro la fakto, ke ekzistas matricoj por ekranoj de malsama kvalito, kaj pro la foresto de unu aŭ alia koloro, ili interpolas la koloron depende de sia kolora reprezentado, tiel enkondukante distordojn en la akvomarkon mem. La dua estas eĉ pli malfacila, pro la fakto, ke vi povas konservi ekrankopion en ajna formato kaj, sekve, perdi parton de la kolora gamo, tial ni povas simple perdi la akvomarkon mem.
Problemoj de efektivigo
En la moderna mondo, ekzistas sufiĉe multaj algoritmoj por enkonduki akvomarkojn, sed neniu garantias 100% eblecon de plia rekono de akvomarko post ĝia efektivigo. La ĉefa malfacilaĵo estas determini la aron de reproduktaj kondiĉoj, kiuj povas aperi en ĉiu specifa kazo. Kiel menciite pli frue, estas malfacile krei rekonalgoritmon kiu konsiderus ĉiujn eblajn trajtojn de misprezento kaj provoj damaĝi la akvomarkon. Ekzemple, se Gaŭsa filtrilo estas aplikata al la nuna bildo, kaj la artefaktoj en la origina bildo estis sufiĉe malgrandaj kaj kontrastaj kontraŭ la fono de la bildo, tiam aŭ iĝas neeble rekoni ilin, aŭ parto de la akvomarko estos perdita. . Ni konsideru la kazon de foto, kun alta grado de probableco ĝi havos muiron (Fig. 5) kaj "kradon" (Fig. 4). Moire okazas pro la diskreteco de la ekranmatrico kaj la diskreteco de la matrico de la registra ekipaĵo; en tiu situacio, du maŝbildoj estas supermetitaj unu sur la alian. La maŝo plej verŝajne parte kovros la akvomarkartefaktojn kaj kaŭzos rekonproblemon; moire, en victurno, en kelkaj akvomarkenigmetodoj malebligas rekoni ĝin, ĉar ĝi interkovras parton de la bildo kun la akvomarko.
Rizo. 4 Bilda krado
Rizo. 5 Moire
Por pliigi la sojlon por rekoni akvomarkojn, necesas uzi algoritmojn bazitajn sur memlernantaj neŭralaj retoj kaj en la procezo de funkciado, kiuj mem lernos rekoni akvomarkojn. Nun ekzistas grandega nombro da neŭralaj retaj iloj kaj servoj, ekzemple, de Guglo. Se vi deziras, vi povas trovi aron da referencaj bildoj kaj instrui la neŭralan reton rekoni la necesajn artefaktojn. Ĉi tiu aliro havas la plej esperigajn ŝancojn por identigi eĉ tre distorditajn akvomarkojn, sed por rapida identigo ĝi postulas grandan komputadpotencon kaj sufiĉe longan trejnan periodon por ĝusta identigo.
Ĉio priskribita ŝajnas sufiĉe simpla, sed ju pli profunde vi plonĝas en ĉi tiujn aferojn, des pli vi komprenas, ke por rekoni akvomarkojn vi devas pasigi multe da tempo por efektivigi iun el la algoritmoj, kaj eĉ pli da tempo por alporti ĝin al la bezonata probablo de. rekonante ĉiun bildon.
fonto: www.habr.com