Amarga tingkat pangembangan teknologi informasi terus saya mundhak, saben taun dokumen elektronik dadi luwih trep lan dikarepake digunakake lan wiwit nguwasani media kertas tradisional. Mulane, penting banget kanggo menehi perhatian pas wektune kanggo nglindhungi isi informasi ora mung ing media kertas tradisional, nanging uga ing dokumen elektronik. Saben perusahaan gedhe sing duwe rahasia komersial, negara lan liyane pengin nyegah bocor informasi lan kompromi informasi rahasia, lan yen bocor dideteksi, njupuk langkah kanggo mungkasi bocor lan ngenali sing nglanggar.
A sethitik babagan opsi pangayoman
Kanggo nindakake tugas kasebut, unsur protèktif tartamtu diwenehake. Unsur kasebut bisa dadi barcode, tag sing katon, tag elektronik, nanging sing paling menarik yaiku tag sing didhelikake. Salah sawijining wakil sing paling nggumunake yaiku tandha banyu; bisa ditrapake ing kertas utawa ditambahake sadurunge dicithak ing printer. Ora ana rahasia manawa printer menehi tandha banyu dhewe (titik kuning lan tandha liyane) nalika nyetak, nanging kita bakal nimbang artefak liyane sing bisa dilebokake ing layar komputer ing papan kerja karyawan. Artefak kasebut digawe dening paket piranti lunak khusus sing nggambar artefak ing ndhuwur ruang kerja pangguna, nyuda visibilitas artefak kasebut dhewe lan tanpa ngganggu karya pangguna. Teknologi kasebut nduweni oyod kuno babagan perkembangan ilmiah lan algoritma sing digunakake kanggo nampilake informasi sing didhelikake, nanging cukup langka ing donya modern. Pendekatan iki utamane ditemokake ing bidang militer lan ing kertas, kanggo identifikasi cepet karyawan sing ora sopan. Teknologi iki mung diwiwiti kanggo ngenalaken menyang lingkungan komersial. Tandha banyu sing katon saiki aktif digunakake kanggo nglindhungi hak cipta saka macem-macem file media, nanging sing ora katon arang banget. Nanging dheweke uga narik minat sing paling gedhe.
Artefak Keamanan
Kahuripan manungsa Watermarks mbentuk macem-macem artefak sing bisa, ing asas, ora katon dening mripat manungsa, lan bisa masking ing gambar ing wangun titik cilik banget. Kita bakal nimbang obyek sing katon, amarga sing ora katon ing mripat bisa uga ana ing njaba ruangan warna standar ing umume monitor. Artefak-artefak kasebut nduweni nilai khusus amarga tingkat kahuripan sing dhuwur. Nanging, ora mungkin nggawe CEH ora katon. Ing proses implementasine, sawetara jinis distorsi saka gambar wadhah ditepungi ing gambar, lan sawetara artefak katon ing kono. Ayo nimbang 2 jinis obyek:
- Siklus
- Chaotic (dikenalake kanthi konversi gambar)
Unsur siklik makili urutan winates tartamtu saka unsur mbaleni sing bola luwih saka sapisan ing gambar layar (Fig. 1).
Artefak semrawut bisa disebabake dening macem-macem transformasi gambar sing dilapisi (Gbr. 2), contone, introduksi hologram.
Gabah. 1 Artefak Cycling
Gabah. 2 Artefak Semrawut
Pisanan, ayo goleki opsi kanggo ngenali artefak siklik. Artefak kasebut bisa dadi:
- tandha banyu teks mbaleni ing layar
- urutan binar
- set titik semrawut ing saben sel kothak
Kabeh artefak sing kadhaptar ditrapake langsung ing ndhuwur konten sing ditampilake; mula, bisa dingerteni kanthi ngenali ekstrem lokal histogram saben saluran warna lan, kanthi mangkono, nglereni kabeh warna liyane. Cara iki kalebu nggarap kombinasi ekstrem lokal saben saluran histogram. Masalahe dumunung ing panelusuran extrema lokal ing gambar sing cukup rumit kanthi akeh rincian transisi sing cetha; histogram katon banget sawtooth, sing ndadekake pendekatan iki ora bisa ditrapake. Sampeyan bisa nyoba nggunakake macem-macem saringan, nanging bakal ngenalake distorsi dhewe, sing bisa nyebabake ora bisa ndeteksi watermark. Ana uga pilihan kanggo ngenali artefak iki nggunakake detektor pinggiran tartamtu (contone, detektor pinggiran Canny). Pendekatan iki nduweni panggonan kanggo artefak sing cukup cetha ing transisi; detektor bisa nyorot kontur gambar lan banjur milih rentang warna ing kontur kanggo binarize gambar supaya luwih nyorot artefak kasebut dhewe, nanging cara kasebut mbutuhake tuning sing cukup apik kanggo nyorot kontur sing dibutuhake, uga binarisasi gambar kasebut dhewe relatif marang warna ing kontur sing dipilih. Algoritma kasebut dianggep cukup ora bisa dipercaya lan nyoba nggunakake luwih stabil lan bebas saka jinis komponen warna gambar.
Gabah. 3 Watermark sawise konversi
Kanggo artefak kacau sing kasebut sadurunge, algoritma kanggo ngenali bakal beda banget. Wiwit tatanan artefak semrawut dianggep dening nemtokke watermark tartamtu ing gambar, kang diowahi dening sawetara transformasi (contone, transformasi Fourier diskrèt). Artefak saka transformasi kasebut disebar ing kabeh layar lan angel kanggo ngenali pola kasebut. Adhedhasar iki, watermark bakal dumunung ing saindhenging gambar ing wangun artefak "acak". Pangenalan watermark kasebut mudhun kanggo ngarahake transformasi gambar kanthi nggunakake fungsi transformasi. Asil transformasi ditampilake ing gambar (Gambar 3).
Nanging ana sawetara masalah sing nyegah pangenalan watermark ing kahanan sing kurang becik. Gumantung ing jinis konversi, bisa uga ana macem-macem kangelan, contone, impossibility saka pangenalan saka document dipikolehi dening photographing ing amba amba relatif kanggo layar, utawa mung foto kualitas rada miskin, utawa dijupuk layar disimpen ing. file karo komprèsi mundhut dhuwur. Kabeh masalah kasebut nyebabake komplikasi kanggo ngenali watermark; ing kasus gambar sudut, perlu kanggo ngetrapake transformasi sing luwih rumit utawa ngetrapake transformasi affine menyang gambar kasebut, nanging ora njamin pemulihan lengkap saka watermark kasebut. Yen kita nganggep kasus panangkepan layar, ana rong masalah: sing pertama yaiku distorsi nalika ditampilake ing layar dhewe, sing nomer loro yaiku distorsi nalika nyimpen gambar saka layar dhewe. Kaping pisanan cukup angel dikontrol amarga kasunyatan manawa ana matriks kanggo monitor kanthi kualitas sing beda-beda, lan amarga ora ana siji utawa warna liyane, dheweke interpolasi warna gumantung saka perwakilan warna, saengga ngenalake distorsi menyang watermark kasebut. Kapindho luwih angel, amarga kasunyatane sampeyan bisa nyimpen gambar ing format apa wae lan, kanthi mangkono, ilang bagean saka macem-macem warna, mula, kita mung bisa ilang watermark kasebut.
Masalah implementasine
Ing donya modern, ana cukup akeh algoritma kanggo ngenalake watermarks, nanging ora ana sing njamin 100% kamungkinan pangenalan watermark sawise implementasine. Kesulitan utama yaiku nemtokake kahanan reproduksi sing bisa kedadeyan ing saben kasus tartamtu. Kaya sing wis kasebut sadurunge, angel nggawe algoritma pangenalan sing bakal njupuk kabeh fitur distorsi lan nyoba ngrusak watermark. Contone, yen saringan Gaussian ditrapake ing gambar saiki, lan artefak ing gambar asli cukup cilik lan kontras karo latar mburi gambar, mula ora bisa dingerteni, utawa bagean saka watermark bakal ilang. . Ayo dipikirake kasus foto, kanthi kemungkinan dhuwur bakal duwe moire (Gambar 5) lan "grid" (Gambar 4). Moire dumadi amarga discreteness matriks layar lan discreteness matriks peralatan rekaman; ing kahanan iki, rong gambar bolong ditumpangake ing saben liyane. Bolong kasebut bakal nutupi sebagian artefak watermark lan nyebabake masalah pangenalan; moire, ing sawetara metode penyematan watermark, ora bisa dingerteni, amarga bagean gambar kasebut tumpang tindih karo watermark.
Gabah. 4 Gambar kothak
Gabah. 5 Moire
Kanggo nambah ambang kanggo ngenali watermarks, perlu nggunakake algoritma adhedhasar jaringan syaraf sinau dhewe lan ing proses operasi, sing bakal sinau kanggo ngenali gambar watermark. Saiki ana akeh alat lan layanan jaringan saraf, contone, saka Google. Yen dikarepake, sampeyan bisa nemokake sakumpulan gambar referensi lan ngajari jaringan saraf kanggo ngenali artefak sing dibutuhake. Pendekatan iki nduweni kemungkinan sing paling njanjeni kanggo ngenali tandha banyu sing kleru, nanging kanggo identifikasi cepet mbutuhake daya komputasi sing gedhe lan wektu latihan sing cukup suwe kanggo identifikasi sing bener.
Kabeh sing diterangake katon cukup prasaja, nanging luwih jero sampeyan nyilem masalah kasebut, luwih sampeyan ngerti manawa kanggo ngenali tandha banyu sampeyan kudu nglampahi akeh wektu kanggo ngetrapake algoritma kasebut, lan luwih akeh wektu kanggo nggawa menyang kemungkinan sing dibutuhake. ngenali saben gambar.
Source: www.habr.com