Karena tingkat perkembangan teknologi informasi yang terus meningkat, setiap tahun dokumen elektronik menjadi lebih nyaman dan diminati untuk digunakan serta mulai mendominasi media kertas tradisional. Oleh karena itu, sangat penting untuk memberikan perhatian tepat waktu untuk melindungi isi informasi tidak hanya pada media kertas tradisional, tetapi juga pada dokumen elektronik. Setiap perusahaan besar yang memiliki rahasia komersial, negara, dan lainnya ingin mencegah kemungkinan kebocoran informasi dan kompromi informasi rahasia, dan jika kebocoran terdeteksi, mengambil tindakan untuk menghentikan kebocoran dan mengidentifikasi pelanggarnya.
Sedikit tentang opsi perlindungan
Untuk melakukan tugas-tugas ini, elemen pelindung tertentu diperkenalkan. Elemen tersebut dapat berupa barcode, tag yang terlihat, tag elektronik, namun yang paling menarik adalah tag tersembunyi. Salah satu perwakilan yang paling mencolok adalah tanda air, yang dapat diterapkan pada kertas atau ditambahkan sebelum dicetak pada printer. Bukan rahasia lagi bahwa printer membubuhkan tanda airnya sendiri (titik kuning dan tanda lainnya) saat mencetak, namun kami akan mempertimbangkan artefak lain yang dapat ditempelkan pada layar komputer di tempat kerja karyawan. Artefak tersebut dihasilkan oleh paket perangkat lunak khusus yang menggambar artefak di atas ruang kerja pengguna, meminimalkan visibilitas artefak itu sendiri dan tanpa mengganggu pekerjaan pengguna. Teknologi ini memiliki akar kuno dalam hal perkembangan ilmiah dan algoritma yang digunakan untuk menyajikan informasi tersembunyi, namun cukup langka di dunia modern. Pendekatan ini terutama ditemukan di bidang militer dan di atas kertas, untuk mengidentifikasi karyawan yang tidak bermoral dengan cepat. Teknologi ini baru mulai diperkenalkan ke lingkungan komersial. Tanda air yang terlihat sekarang secara aktif digunakan untuk melindungi hak cipta berbagai file media, namun tanda air yang tidak terlihat cukup jarang. Tapi mereka juga membangkitkan minat terbesar.
Artefak Keamanan
Tak terlihat oleh manusia Tanda air berupa berbagai artefak yang pada prinsipnya tidak terlihat oleh mata manusia, dan dapat disamarkan dalam gambar dalam bentuk titik-titik yang sangat kecil. Kami akan mempertimbangkan objek yang terlihat, karena objek yang tidak terlihat oleh mata mungkin berada di luar ruang warna standar pada kebanyakan monitor. Artefak-artefak ini memiliki nilai khusus karena tingkat tembus pandangnya yang tinggi. Namun, tidak mungkin membuat CEH sepenuhnya tidak terlihat. Dalam proses implementasinya, jenis distorsi tertentu dari gambar kontainer dimasukkan ke dalam gambar, dan beberapa jenis artefak muncul di sana. Mari kita pertimbangkan 2 jenis objek:
- Berhubung dgn putaran
- Chaotic (diperkenalkan oleh konversi gambar)
Elemen siklik mewakili urutan terbatas tertentu dari elemen berulang yang diulang lebih dari satu kali pada gambar layar (Gbr. 1).
Artefak yang kacau dapat disebabkan oleh berbagai macam transformasi gambar yang dilapis (Gbr. 2), misalnya pengenalan hologram.
Beras. 1 Artefak bersepeda
Beras. 2 Artefak Chaotic
Pertama, mari kita lihat opsi untuk mengenali artefak siklik. Artefak tersebut dapat berupa:
- tanda air teks berulang di layar
- urutan biner
- sekumpulan titik kacau di setiap sel grid
Semua artefak yang terdaftar diterapkan langsung di atas konten yang ditampilkan; oleh karena itu, artefak tersebut dapat dikenali dengan mengidentifikasi ekstrem lokal dari histogram setiap saluran warna dan, karenanya, memotong semua warna lainnya. Metode ini melibatkan pengerjaan dengan kombinasi ekstrem lokal dari masing-masing saluran histogram. Masalahnya terletak pada pencarian ekstrem lokal dalam gambar yang cukup kompleks dengan banyak detail transisi yang tajam; histogram terlihat sangat tajam, sehingga pendekatan ini tidak dapat diterapkan. Anda dapat mencoba menerapkan berbagai filter, tetapi filter tersebut akan menimbulkan distorsinya sendiri, yang pada akhirnya dapat menyebabkan ketidakmampuan mendeteksi tanda air. Ada juga opsi untuk mengenali artefak ini menggunakan detektor tepi tertentu (misalnya, detektor tepi Canny). Pendekatan ini berlaku untuk artefak yang transisinya cukup tajam; detektor dapat menyorot kontur gambar dan selanjutnya memilih rentang warna dalam kontur untuk melakukan binarisasi gambar guna menyorot lebih lanjut artefak itu sendiri, namun metode ini memerlukan penyesuaian yang cukup baik untuk menyorot kontur yang diperlukan, serta binarisasi berikutnya dari gambar itu sendiri relatif terhadap warna pada kontur yang dipilih. Algoritme ini dianggap cukup tidak dapat diandalkan dan mencoba menggunakan komponen warna gambar yang lebih stabil dan tidak tergantung pada jenisnya.
Beras. 3 Tanda air setelah konversi
Mengenai artefak chaos yang disebutkan sebelumnya, algoritme untuk mengenalinya akan sangat berbeda. Karena pembentukan artefak kacau diasumsikan dengan menerapkan tanda air tertentu pada gambar, yang diubah oleh beberapa transformasi (misalnya, transformasi Fourier diskrit). Artefak dari transformasi tersebut tersebar di seluruh layar dan sulit untuk mengidentifikasi polanya. Berdasarkan hal tersebut, watermark akan ditempatkan di seluruh gambar dalam bentuk artefak βacakβ. Pengenalan tanda air tersebut dilakukan dengan mengarahkan transformasi gambar menggunakan fungsi transformasi. Hasil transformasinya ditunjukkan pada gambar (Gbr. 3).
Namun muncul sejumlah masalah yang menghalangi pengenalan watermark dalam kondisi yang kurang ideal. Tergantung pada jenis konversinya, mungkin terdapat berbagai kesulitan, misalnya, ketidakmungkinan mengenali dokumen yang diperoleh dengan memotret pada sudut yang besar dibandingkan dengan layar, atau sekadar foto dengan kualitas yang agak buruk, atau tangkapan layar yang disimpan dalam file dengan kompresi kerugian tinggi. Semua masalah ini menyebabkan kerumitan dalam mengidentifikasi tanda air; dalam kasus gambar bersudut, perlu untuk menerapkan transformasi yang lebih kompleks atau menerapkan transformasi affine pada gambar, namun tidak ada yang menjamin pemulihan tanda air secara menyeluruh. Jika kita mempertimbangkan kasus tangkapan layar, ada dua masalah yang muncul: yang pertama adalah distorsi saat ditampilkan di layar itu sendiri, yang kedua adalah distorsi saat menyimpan gambar dari layar itu sendiri. Yang pertama cukup sulit untuk dikendalikan karena adanya matriks untuk monitor dengan kualitas yang berbeda, dan karena tidak adanya warna tertentu, mereka menginterpolasi warna tergantung pada representasi warnanya, sehingga menimbulkan distorsi pada tanda air itu sendiri. Yang kedua bahkan lebih sulit, karena Anda dapat menyimpan tangkapan layar dalam format apa pun dan, karenanya, kehilangan sebagian rentang warna, oleh karena itu, kita bisa kehilangan tanda air itu sendiri.
Masalah implementasi
Di dunia modern, terdapat cukup banyak algoritma untuk memperkenalkan watermark, namun tidak ada yang menjamin 100% kemungkinan pengenalan watermark lebih lanjut setelah implementasinya. Kesulitan utama terletak pada penentuan totalitas kondisi reproduksi yang mungkin timbul dalam setiap kasus tertentu. Seperti disebutkan sebelumnya, sulit untuk membuat algoritma pengenalan yang memperhitungkan semua kemungkinan fitur distorsi dan upaya untuk merusak tanda air. Misalnya, jika filter Gaussian diterapkan pada gambar saat ini, dan artefak pada gambar asli cukup kecil dan kontras dengan latar belakang gambar, maka artefak tersebut menjadi tidak mungkin dikenali, atau sebagian tanda air akan hilang. . Mari kita pertimbangkan kasus sebuah foto, dengan kemungkinan besar foto tersebut memiliki moire (Gbr. 5) dan "kisi" (Gbr. 4). Moire terjadi karena keleluasaan matriks layar dan keleluasaan matriks peralatan perekam; dalam situasi ini, dua gambar mesh ditumpangkan satu sama lain. Jaring kemungkinan besar akan menutupi sebagian artefak tanda air dan menyebabkan masalah pengenalan; moire, pada gilirannya, dalam beberapa metode penyematan tanda air membuatnya tidak mungkin dikenali, karena tumpang tindih dengan bagian gambar dengan tanda air.
Beras. 4 Kisi gambar
Beras. 5 Moire
Untuk meningkatkan ambang batas pengenalan tanda air, perlu menggunakan algoritma berdasarkan jaringan saraf belajar mandiri dan dalam proses operasinya, algoritma itu sendiri akan belajar mengenali gambar tanda air. Sekarang ada banyak sekali alat dan layanan jaringan saraf, misalnya dari Google. Jika diinginkan, Anda dapat menemukan sekumpulan gambar referensi dan mengajari jaringan saraf untuk mengenali artefak yang diperlukan. Pendekatan ini memiliki peluang yang paling menjanjikan untuk mengidentifikasi watermark yang sangat terdistorsi sekalipun, namun untuk identifikasi yang cepat memerlukan daya komputasi yang besar dan periode pelatihan yang cukup lama untuk identifikasi yang benar.
Segala sesuatu yang dijelaskan tampaknya cukup sederhana, tetapi semakin dalam Anda mendalami masalah ini, semakin Anda memahami bahwa untuk mengenali tanda air, Anda perlu menghabiskan banyak waktu untuk mengimplementasikan salah satu algoritme, dan bahkan lebih banyak waktu untuk membawanya ke probabilitas yang diperlukan. mengenali setiap gambar.
Sumber: www.habr.com