Seoses infotehnoloogia arengutaseme pideva tõusuga muutuvad elektroonilised dokumendid iga aastaga mugavamaks ja nõudlikumaks ning hakkavad domineerima traditsiooniliste paberkandjate ees. Seetõttu on väga oluline pöörata õigeaegselt tähelepanu teabe sisu kaitsmisele mitte ainult traditsioonilisel paberkandjal, vaid ka elektroonilistel dokumentidel. Iga äri-, riigi- ja muid saladusi omav suurettevõte soovib ennetada võimalikke teabelekkeid ja salastatud teabe kompromiteerimist ning lekke tuvastamisel rakendada meetmeid lekete peatamiseks ja rikkuja tuvastamiseks.
Natuke kaitsevõimalustest
Nende ülesannete täitmiseks võetakse kasutusele teatud kaitseelemendid. Sellised elemendid võivad olla vöötkoodid, nähtavad sildid, elektroonilised sildid, kuid kõige huvitavamad on peidetud sildid. Üks silmatorkavamaid esindajaid on vesimärgid, neid saab paberile kanda või lisada enne printerile printimist. Pole saladus, et printerid panevad printimisel oma vesimärgid (kollased täpid ja muud märgid), kuid me võtame arvesse ka muid artefakte, mida saab töötaja töökohal arvutiekraanile panna. Selliseid artefakte genereerib spetsiaalne tarkvarapakett, mis tõmbab artefaktid kasutaja tööala peale, minimeerides artefaktide endi nähtavust ja segamata kasutaja tööd. Nendel tehnoloogiatel on iidsed juured teaduse arengu ja varjatud teabe esitamiseks kasutatavate algoritmide osas, kuid need on tänapäeva maailmas üsna haruldased. Seda lähenemisviisi leidub peamiselt sõjalises sfääris ja paberil hoolimatute töötajate kiireks tuvastamiseks. Neid tehnoloogiaid alles hakatakse kommertskeskkonda juurutama. Nähtavaid vesimärke kasutatakse praegu aktiivselt erinevate meediumifailide autoriõiguste kaitsmiseks, kuid nähtamatud on üsna haruldased. Kuid need äratavad ka suurimat huvi.
Turvaartefaktid
Inimestele nähtamatud Vesimärgid moodustavad erinevaid artefakte, mis võivad põhimõtteliselt olla inimsilmale nähtamatud ja võivad olla pildil väga väikeste täppidena varjatud. Vaatleme nähtavaid objekte, kuna silmale nähtamatud objektid võivad olla väljaspool enamiku monitoride standardset värviruumi. Need artefaktid on eriti väärtuslikud nende suure nähtamatuse tõttu. CEH-sid on aga võimatu täiesti nähtamatuks muuta. Nende rakendamise käigus viiakse kujutisele konteineri kujutise teatud tüüpi moonutused ja sellele ilmuvad mingid artefaktid. Vaatleme kahte tüüpi objekte:
- Tsükliline
- Kaootiline (sissejuhatus pildi teisendamisega)
Tsüklilised elemendid kujutavad endast teatud korduvate elementide lõplikku jada, mis korduvad ekraanipildil rohkem kui üks kord (joonis 1).
Kaootilisi artefakte võivad põhjustada katva kujutise mitmesugused teisendused (joonis 2), näiteks hologrammi sisseviimine.
Riis. 1 Jalgrattasõidu esemed
Riis. 2 kaootilist artefakti
Kõigepealt vaatame tsükliliste artefaktide äratundmise võimalusi. Sellised artefaktid võivad olla:
- teksti vesimärgid korduvad üle ekraani
- binaarsed jadad
- kaootiliste punktide kogum igas ruudustiku lahtris
Kõik loetletud artefaktid kantakse otse kuvatavale sisule; vastavalt saab neid ära tunda, tuvastades iga värvikanali histogrammi kohalikud ekstreemid ja vastavalt sellele kõik muud värvid välja lõigates. See meetod hõlmab tööd iga histogrammi kanali kohalike äärmuste kombinatsioonidega. Probleem seisneb kohalike äärmuste otsimisel üsna keerulisel pildil, millel on palju järsult muutuvaid detaile; histogramm näeb väga saehambaline välja, mistõttu see lähenemine ei ole rakendatav. Võite proovida rakendada erinevaid filtreid, kuid need tekitavad oma moonutusi, mis võib lõpuks põhjustada vesimärgi tuvastamise võimatust. Samuti on võimalik neid artefakte teatud servadetektorite (nt Canny servadetektori) abil ära tunda. Nendel lähenemisviisidel on oma koht artefaktide jaoks, mis on üleminekuga üsna teravad; detektorid võivad esile tõsta kujutise kontuure ja seejärel valida kontuuride sees värvivahemikke, et kujutist binaarseks muuta, et artefakte endid veelgi esile tõsta, kuid need meetodid nõuavad üsna peenhäälestamist, et esile tõsta kujutist. nõutavad kontuurid, samuti pildi enda järgnev binariseerimine valitud kontuuride värvide suhtes. Neid algoritme peetakse üsna ebausaldusväärseteks ja nad püüavad kasutada stabiilsemat ja pildi värvikomponentide tüübist sõltumatut.
Riis. 3 Vesimärk pärast teisendamist
Mis puutub varem mainitud kaootilistesse esemetesse, siis nende äratundmise algoritmid on kardinaalselt erinevad. Kuna kaootiliste artefaktide teket eeldatakse pildile teatud vesimärgi pealesurumisega, mida mõned teisendused (näiteks diskreetne Fourier' teisendus) teisendavad. Selliste teisenduste artefaktid on jaotatud üle kogu ekraani ja nende mustrit on raske tuvastada. Selle põhjal paikneb vesimärk kogu pildil "juhuslike" artefaktide kujul. Sellise vesimärgi äratundmine taandub kujutise otsesele teisendamisele, kasutades teisendusfunktsioone. Teisenduse tulemus on toodud joonisel (joonis 3).
Kuid ilmnevad mitmed probleemid, mis takistavad vesimärkide tuvastamist vähem kui ideaalsetes tingimustes. Sõltuvalt teisenduse tüübist võib esineda mitmesuguseid raskusi, näiteks ekraani suhtes suure nurga all pildistamisel saadud dokumendi või lihtsalt üsna halva kvaliteediga foto või ekraanile salvestatud ekraanipildi tuvastamise võimatus. suure kadudega pakkimisega fail. Kõik need probleemid toovad kaasa vesimärgi tuvastamise keerukuse, nurga all oleva pildi puhul on vaja rakendada kas keerulisemaid teisendusi või pildile afiinseid teisendusi, kuid kumbki ei taga vesimärgi täielikku taastamist. Kui arvestada ekraanipildi jäädvustamist, kerkib esile kaks probleemi: esimene on moonutus ekraanil endal kuvamisel, teine on moonutus pildi salvestamisel ekraanilt endalt. Esimest on üsna raske kontrollida, kuna on olemas erineva kvaliteediga monitoride maatriksid ja ühe või teise värvi puudumise tõttu interpoleerivad nad värvi sõltuvalt nende värviesitusest, tekitades seeläbi moonutusi vesimärgis endas. Teine on veelgi keerulisem, kuna saate ekraanipildi salvestada mis tahes vormingus ja vastavalt kaotada osa värvivahemikust, seetõttu võime vesimärgi enda lihtsalt kaotada.
Rakendusprobleemid
Kaasaegses maailmas on vesimärkide kasutuselevõtuks üsna palju algoritme, kuid ükski ei taga 100% võimalust vesimärgi edasiseks äratundmiseks pärast selle rakendamist. Peamine raskus on igal konkreetsel juhul tekkida võivate paljunemistingimuste kogumi kindlaksmääramine. Nagu varem mainitud, on keeruline luua tuvastusalgoritmi, mis võtaks arvesse kõiki võimalikke moonutuste tunnuseid ja katseid vesimärki kahjustada. Näiteks kui praegusele pildile rakendatakse Gaussi filtrit ja algse pildi artefaktid olid pildi taustal üsna väikesed ja kontrastsed, siis muutub nende äratundmine võimatuks või läheb osa vesimärgist kaotsi. . Vaatleme foto juhtumit, kus suure tõenäosusega on sellel muare (joonis 5) ja ruudustik (joonis 4). Moire tekib ekraanimaatriksi diskreetsuse ja salvestusseadme maatriksi diskreetsuse tõttu; sellises olukorras on kaks võrgusilma pilti üksteise peal. Võrk katab suure tõenäosusega osaliselt vesimärgi artefakte ja põhjustab tuvastamisprobleeme; moire omakorda muudab mõne vesimärgi manustamismeetodi puhul selle äratundmise võimatuks, kuna see kattub osa kujutisest vesimärgiga.
Riis. 4 Pildiruudustik
Riis. 5 Muaar
Vesimärkide äratundmise läve tõstmiseks on vaja kasutada iseõppivatel närvivõrkudel põhinevaid ja tööprotsessis algoritme, mis ise õpivad vesimärgikujutisi ära tundma. Nüüd on saadaval tohutul hulgal närvivõrgu tööriistu ja teenuseid, näiteks Google'ilt. Soovi korral saate leida võrdluspiltide komplekti ja õpetada närvivõrku vajalikke artefakte ära tundma. Sellel lähenemisel on kõige paljutõotavamad võimalused tuvastada isegi väga moonutatud vesimärke, kuid kiireks tuvastamiseks on vaja suurt arvutusvõimsust ja õigeks tuvastamiseks üsna pikka koolitusperioodi.
Kõik kirjeldatud tundub üsna lihtne, kuid mida sügavamale nendesse probleemidesse sukeldute, seda rohkem saate aru, et vesimärkide äratundmiseks peate kulutama palju aega mis tahes algoritmi rakendamisele ja veelgi rohkem aega selle viimiseks vajaliku tõenäosuseni. iga pildi äratundmine.
Allikas: www.habr.com