En raison de l'augmentation constante du niveau de développement des technologies de l'information, les documents électroniques deviennent chaque année plus pratiques et plus demandés et commencent à dominer les supports papier traditionnels. Par conséquent, il est très important de prêter attention en temps opportun à la protection du contenu des informations non seulement sur les supports papier traditionnels, mais également sur les documents électroniques. Chaque grande entreprise qui détient des secrets commerciaux, d'État et autres souhaite éviter d'éventuelles fuites d'informations et la compromission d'informations classifiées, et si une fuite est détectée, prendre des mesures pour arrêter les fuites et identifier le contrevenant.
Un peu sur les options de protection
Pour effectuer ces tâches, certains éléments de protection sont introduits. Ces éléments peuvent être des codes-barres, des tags visibles, des tags électroniques, mais les plus intéressants sont les tags cachés. L'un des représentants les plus frappants sont les filigranes : ils peuvent être appliqués sur le papier ou ajoutés avant l'impression sur une imprimante. Ce n’est un secret pour personne que les imprimeurs apposent leurs propres filigranes (points jaunes et autres marques) lors de l’impression, mais nous considérerons d’autres artefacts qui peuvent être placés sur un écran d’ordinateur sur le lieu de travail d’un employé. Ces artefacts sont générés par un progiciel spécial qui dessine les artefacts au-dessus de l’espace de travail de l’utilisateur, minimisant ainsi la visibilité des artefacts eux-mêmes et sans interférer avec le travail de l’utilisateur. Ces technologies ont des racines anciennes en termes de développements scientifiques et d’algorithmes utilisés pour présenter des informations cachées, mais sont assez rares dans le monde moderne. Cette approche se retrouve principalement dans le domaine militaire et sur papier, pour identifier rapidement les employés peu scrupuleux. Ces technologies commencent tout juste à être introduites dans l’environnement commercial. Les filigranes visibles sont désormais activement utilisés pour protéger les droits d'auteur de divers fichiers multimédias, mais les filigranes invisibles sont assez rares. Mais ce sont aussi eux qui suscitent le plus grand intérêt.
Artefacts de sécurité
Invisible pour l'homme Les filigranes forment divers artefacts qui peuvent être, en principe, invisibles à l'œil humain et peuvent être masqués dans l'image sous la forme de très petits points. Nous considérerons les objets visibles, car ceux qui sont invisibles à l'œil peuvent se trouver en dehors de l'espace colorimétrique standard de la plupart des moniteurs. Ces artefacts revêtent une valeur particulière en raison de leur haut degré d’invisibilité. Cependant, il est impossible de rendre les CEH complètement invisibles. Au cours de leur mise en œuvre, un certain type de distorsion de l'image du conteneur est introduit dans l'image et certains types d'artefacts apparaissent dessus. Considérons 2 types d'objets :
- cyclique
- Chaotique (introduit par la conversion d'image)
Les éléments cycliques représentent une certaine séquence finie d'éléments répétitifs qui sont répétés plus d'une fois sur l'image à l'écran (Fig. 1).
Les artefacts chaotiques peuvent être provoqués par divers types de transformations de l'image superposée (Fig. 2), par exemple l'introduction d'un hologramme.
Riz. 1 artefacts de cyclisme
Riz. 2 artefacts chaotiques
Tout d'abord, examinons les options permettant de reconnaître les artefacts cycliques. De tels artefacts peuvent être :
- filigranes de texte se répétant sur l'écran
- séquences binaires
- un ensemble de points chaotiques dans chaque cellule de la grille
Tous les artefacts répertoriés sont appliqués directement au-dessus du contenu affiché ; par conséquent, ils peuvent être reconnus en identifiant les extrema locaux de l'histogramme de chaque canal de couleur et, par conséquent, en supprimant toutes les autres couleurs. Cette méthode consiste à travailler avec des combinaisons d'extrêmes locaux de chacun des canaux de l'histogramme. Le problème repose sur la recherche d'extrema locaux dans une image assez complexe avec de nombreux détails aux transitions nettes ; l'histogramme semble très en dents de scie, ce qui rend cette approche inapplicable. Vous pouvez essayer d'appliquer différents filtres, mais ils introduiront leurs propres distorsions, ce qui peut finalement conduire à l'incapacité de détecter le filigrane. Il existe également la possibilité de reconnaître ces artefacts à l'aide de certains détecteurs de bords (par exemple, le détecteur de bords Canny). Ces approches ont leur place pour les artefacts qui sont assez nets en transition ; les détecteurs peuvent mettre en évidence les contours de l'image et ensuite sélectionner des gammes de couleurs à l'intérieur des contours pour binariser l'image afin de mettre davantage en évidence les artefacts eux-mêmes, mais ces méthodes nécessitent un réglage assez fin pour mettre en évidence les artefacts. contours requis, ainsi que la binarisation ultérieure de l'image elle-même par rapport aux couleurs des contours sélectionnés. Ces algorithmes sont considérés comme assez peu fiables et tentent d'utiliser des composantes de couleur de l'image plus stables et indépendantes du type.
Riz. 3 Filigrane après conversion
Quant aux artefacts chaotiques évoqués précédemment, les algorithmes permettant de les reconnaître seront radicalement différents. Puisque la formation d'artefacts chaotiques est supposée en imposant un certain filigrane sur l'image, qui est transformée par certaines transformations (par exemple, la transformée de Fourier discrète). Les artefacts issus de telles transformations sont répartis sur tout l’écran et il est difficile d’identifier leur motif. Sur cette base, le filigrane sera localisé dans toute l'image sous la forme d'artefacts « aléatoires ». La reconnaissance d'un tel filigrane se résume à une transformation directe de l'image à l'aide de fonctions de transformation. Le résultat de la transformation est présenté sur la figure (Fig. 3).
Mais un certain nombre de problèmes surviennent et empêchent la reconnaissance des filigranes dans des conditions loin d’être idéales. Selon le type de conversion, il peut y avoir diverses difficultés, par exemple l'impossibilité de reconnaître un document obtenu en photographiant sous un grand angle par rapport à l'écran, ou simplement une photo d'assez mauvaise qualité, ou une capture d'écran enregistrée dans un fichier avec une compression à perte élevée. Tous ces problèmes conduisent à la complication de l'identification d'un filigrane ; dans le cas d'une image inclinée, il faut appliquer soit des transformations plus complexes, soit appliquer des transformations affines à l'image, mais aucune ne garantit une restauration complète du filigrane. Si l'on considère le cas de la capture d'écran, deux problèmes se posent : le premier est la distorsion lors de l'affichage sur l'écran lui-même, le second est la distorsion lors de la sauvegarde de l'image depuis l'écran lui-même. Le premier est assez difficile à contrôler en raison du fait qu'il existe des matrices pour moniteurs de qualité différente, et en raison de l'absence de l'une ou l'autre couleur, elles interpolent la couleur en fonction de leur représentation des couleurs, introduisant ainsi des distorsions dans le filigrane lui-même. La seconde est encore plus difficile, car vous pouvez enregistrer une capture d'écran dans n'importe quel format et, par conséquent, perdre une partie de la gamme de couleurs. Nous pouvons donc simplement perdre le filigrane lui-même.
Problèmes de mise en œuvre
Dans le monde moderne, il existe de nombreux algorithmes pour introduire des filigranes, mais aucun ne garantit à 100 % la possibilité d'une reconnaissance ultérieure d'un filigrane après sa mise en œuvre. La principale difficulté est de déterminer l'ensemble des conditions de reproduction qui peuvent se présenter dans chaque cas spécifique. Comme mentionné précédemment, il est difficile de créer un algorithme de reconnaissance qui prendrait en compte toutes les caractéristiques possibles de distorsion et les tentatives d'endommagement du filigrane. Par exemple, si un filtre gaussien est appliqué à l'image actuelle et que les artefacts de l'image d'origine étaient assez petits et contrastaient avec l'arrière-plan de l'image, alors soit il devient impossible de les reconnaître, soit une partie du filigrane sera perdue. . Considérons le cas d'une photographie, avec une forte probabilité qu'elle présente un moiré (Fig. 5) et une « grille » (Fig. 4). Le moiré se produit en raison de la discrétion de la matrice de l'écran et de la discrétion de la matrice de l'équipement d'enregistrement ; dans cette situation, deux images maillées se superposent. Le maillage couvrira très probablement partiellement les artefacts du filigrane et provoquera un problème de reconnaissance ; le moiré, à son tour, dans certaines méthodes d'intégration du filigrane, rend impossible sa reconnaissance, car il chevauche une partie de l'image avec le filigrane.
Riz. 4 Grille d'images
Riz. 5 Moiré
Afin d'augmenter le seuil de reconnaissance des filigranes, il est nécessaire d'utiliser des algorithmes basés sur des réseaux de neurones auto-apprenants et en cours de fonctionnement, qui apprendront eux-mêmes à reconnaître les images filigranes. Il existe désormais un grand nombre d'outils et de services de réseaux neuronaux, par exemple ceux de Google. Si vous le souhaitez, vous pouvez trouver un ensemble d'images de référence et apprendre au réseau neuronal à reconnaître les artefacts nécessaires. Cette approche présente les chances les plus prometteuses d'identifier des filigranes, même très déformés, mais pour une identification rapide, elle nécessite une puissance de calcul importante et une période de formation assez longue pour une identification correcte.
Tout ce qui est décrit semble assez simple, mais plus vous approfondissez ces questions, plus vous comprenez que pour reconnaître les filigranes, vous devez consacrer beaucoup de temps à la mise en œuvre de l'un des algorithmes, et encore plus de temps pour l'amener à la probabilité requise de reconnaître chaque image.
Source: habr.com