화면의 인공물 인식

정보 기술의 발전 수준이 지속적으로 향상됨에 따라 전자 문서는 매년 더욱 편리해지고 수요가 많아지며 전통적인 종이 매체를 압도하기 시작했습니다. 따라서 전통적인 종이 매체뿐만 아니라 전자 문서에 있는 정보의 내용을 보호하는 데 적시에 주의를 기울이는 것이 매우 중요합니다. 상업, 국가 및 기타 기밀을 보유한 모든 대기업은 정보 유출 및 기밀 정보의 손상을 방지하고 누출이 감지되면 누출을 막고 위반자를 식별하기 위한 조치를 취하기를 원합니다.

보호 옵션에 대해 조금

이러한 작업을 수행하기 위해 특정 보호 요소가 도입됩니다. 이러한 요소는 바코드, 눈에 보이는 태그, 전자 태그일 수 있지만 가장 흥미로운 것은 숨겨진 태그입니다. 가장 눈에 띄는 대표적인 것 중 하나는 워터마크로, 워터마크는 종이에 적용하거나 프린터로 인쇄하기 전에 추가할 수 있습니다. 프린터가 인쇄할 때 자체 워터마크(노란색 점 및 기타 표시)를 넣는 것은 비밀이 아니지만 직원 작업장의 컴퓨터 화면에 표시될 수 있는 다른 인공물도 고려할 것입니다. 이러한 아티팩트는 사용자의 작업 공간 위에 아티팩트를 그리는 특수 소프트웨어 패키지에 의해 생성되어 아티팩트 자체의 가시성을 최소화하고 사용자의 작업을 방해하지 않습니다. 이러한 기술은 과학적 발전과 숨겨진 정보를 표시하는 데 사용되는 알고리즘 측면에서 고대에 뿌리를 두고 있지만 현대 사회에서는 매우 드뭅니다. 이러한 접근 방식은 부도덕한 직원을 신속하게 식별하기 위해 주로 군사 분야와 서류에서 볼 수 있습니다. 이러한 기술은 이제 막 상업 환경에 도입되기 시작했습니다. 현재 다양한 미디어 파일의 저작권을 보호하기 위해 보이는 워터마크가 활발히 활용되고 있지만 눈에 보이지 않는 워터마크는 매우 드뭅니다. 그러나 그들은 또한 가장 큰 관심을 불러일으킵니다.

보안 아티팩트

인간에게 보이지 않음 워터마크는 원칙적으로 인간의 눈에 보이지 않을 수 있는 다양한 인공물을 형성하며 아주 작은 점 형태로 이미지에 가릴 수 있습니다. 눈에 보이지 않는 물체는 대부분 모니터의 표준 색 공간을 벗어날 수 있으므로 보이는 물체를 고려하겠습니다. 이러한 유물은 투명도가 높기 때문에 특별한 가치가 있습니다. 그러나 CEH를 완전히 보이지 않게 만드는 것은 불가능합니다. 구현 과정에서 컨테이너 이미지의 특정 왜곡이 이미지에 도입되고 일부 아티팩트가 이미지에 나타납니다. 두 가지 유형의 객체를 고려해 보겠습니다.

1. 순환
2. 혼돈(이미지 변환으로 인해 발생)

순환 요소는 화면 이미지에서 두 번 이상 반복되는 특정 유한 반복 요소 시퀀스를 나타냅니다(그림 1).

홀로그램 도입과 같이 중첩된 이미지(그림 2)의 다양한 변형으로 인해 혼란스러운 아티팩트가 발생할 수 있습니다.

쌀. 1 사이클링 유물

쌀. 혼돈의 유물 2개

먼저 순환 아티팩트를 인식하기 위한 옵션을 살펴보겠습니다. 이러한 아티팩트는 다음과 같습니다.

• 화면 전체에 반복되는 텍스트 워터마크
• 이진 시퀀스
• 각 그리드 셀의 혼란스러운 점 집합

나열된 모든 아티팩트는 표시된 콘텐츠 위에 직접 적용되므로 각 색상 채널의 히스토그램의 로컬 극값을 식별하고 이에 따라 다른 모든 색상을 잘라내어 인식할 수 있습니다. 이 방법에는 각 히스토그램 채널의 국소 극단 조합을 사용하는 작업이 포함됩니다. 문제는 예리하게 변하는 세부 사항이 많이 포함된 상당히 복잡한 이미지에서 국소 극값을 검색하는 데 있습니다. 히스토그램은 매우 톱니처럼 보이므로 이 접근 방식을 적용할 수 없습니다. 다양한 필터를 적용해 볼 수 있지만 필터 자체에 왜곡이 발생하여 궁극적으로 워터마크를 감지하지 못하는 결과를 초래할 수 있습니다. 특정 가장자리 감지기(예: Canny 가장자리 감지기)를 사용하여 이러한 아티팩트를 인식하는 옵션도 있습니다. 이러한 접근 방식은 전환 시 매우 선명한 아티팩트에 적합합니다. 감지기는 이미지 윤곽을 강조한 다음 윤곽선 내의 색상 범위를 선택하여 이미지를 이진화하여 아티팩트 자체를 더욱 강조할 수 있지만 이러한 방법을 사용하면 이미지 윤곽을 강조하기 위해 상당히 미세한 조정이 필요합니다. 필요한 윤곽선과 선택한 윤곽선의 색상을 기준으로 이미지 자체의 후속 이진화. 이러한 알고리즘은 매우 신뢰할 수 없는 것으로 간주되며 이미지의 색상 구성 요소 유형에 더 안정적이고 독립적으로 사용하려고 합니다.

쌀. 3 변환 후 워터마크

앞서 언급한 혼란스러운 인공물에 대해서는 이를 인식하는 알고리즘이 근본적으로 다릅니다. 혼란스러운 아티팩트의 형성은 이미지에 특정 워터마크를 부과하여 가정되며, 이는 일부 변환(예: 이산 푸리에 변환)에 의해 변환됩니다. 이러한 변형으로 인한 아티팩트가 화면 전체에 분산되어 패턴을 식별하기가 어렵습니다. 이를 기반으로 워터마크는 "무작위" 인공물 형태로 이미지 전체에 위치하게 됩니다. 이러한 워터마크의 인식은 변환 기능을 이용한 직접적인 이미지 변환으로 귀결됩니다. 변환 결과는 그림 3에 나와 있습니다.

그러나 이상적이지 않은 조건에서는 워터마크 인식을 방해하는 여러 가지 문제가 발생합니다. 변환 유형에 따라 다양한 어려움이 있을 수 있습니다. 예를 들어 화면에 비해 큰 각도로 사진을 촬영하여 얻은 문서를 인식하지 못하거나 단순히 품질이 다소 낮은 사진 또는 다음과 같이 저장된 화면 캡처를 인식할 수 없습니다. 손실률이 높은 압축 파일입니다. 이러한 모든 문제는 워터마크 식별의 복잡성을 초래하며, 각도가 있는 이미지의 경우 이미지에 더 복잡한 변환을 적용하거나 아핀 변환을 적용해야 하지만 둘 다 워터마크의 완전한 복원을 보장하지는 않습니다. 화면 캡처의 경우를 생각해보면 두 가지 문제가 발생하는데, 첫 번째는 화면 자체에 표시할 때 왜곡되는 문제이고, 두 번째는 화면 자체에서 이미지를 저장할 때 왜곡되는 문제입니다. 첫 번째는 품질이 다른 모니터용 매트릭스가 있고 특정 색상이 없기 때문에 색상 표현에 따라 색상을 보간하여 워터마크 자체에 왜곡이 발생하기 때문에 제어하기가 매우 어렵습니다. 두 번째는 스크린샷을 어떤 형식으로든 저장할 수 있고 이에 따라 색상 범위의 일부가 손실되므로 워터마크 자체가 손실될 수 있기 때문에 훨씬 더 어렵습니다.

구현 문제

현대에는 워터마크를 도입하기 위한 알고리즘이 꽤 많이 있지만 구현 후 워터마크를 추가로 인식할 가능성을 100% 보장하는 알고리즘은 없습니다. 가장 큰 어려움은 각각의 특정 사례에서 발생할 수 있는 일련의 재생 조건을 결정하는 것입니다. 앞서 언급했듯이 왜곡의 가능한 모든 특징과 워터마크 손상 시도를 고려하는 인식 알고리즘을 만드는 것은 어렵습니다. 예를 들어, 현재 이미지에 가우시안 필터가 적용되어 있고 원본 이미지의 아티팩트가 매우 작고 이미지 배경과 대비되는 경우 인식이 불가능해지거나 워터마크의 일부가 손실됩니다. . 무아레(그림 5)와 "격자"(그림 4)가 있을 확률이 높은 사진의 경우를 생각해 봅시다. 모아레(Moire)는 스크린 매트릭스의 불연속성과 기록 장비 매트릭스의 불연속성으로 인해 발생하는데, 이 경우 두 개의 메쉬 이미지가 서로 중첩됩니다. 메쉬는 워터마크 아티팩트를 부분적으로 덮고 인식 문제를 일으킬 가능성이 높으며, 결과적으로 일부 워터마크 삽입 방법에서는 모아레가 이미지의 일부와 워터마크와 겹쳐서 인식이 불가능합니다.

쌀. 4 이미지 그리드

쌀. 5 모아레

워터마크 인식 임계값을 높이기 위해서는 자체 학습 신경망을 기반으로 한 알고리즘을 사용하고 연산 과정에서 워터마크 이미지를 인식하는 방법을 스스로 학습하는 것이 필요합니다. 이제 Google과 같은 수많은 신경망 도구와 서비스가 있습니다. 원하는 경우 참조 이미지 세트를 찾고 신경망이 필요한 아티팩트를 인식하도록 가르칠 수 있습니다. 이 접근 방식은 심하게 왜곡된 워터마크도 식별할 수 있는 가장 유망한 기회를 갖고 있지만, 빠른 식별을 위해서는 정확한 식별을 위한 대규모 컴퓨팅 성능과 상당히 긴 훈련 기간이 필요합니다.

설명된 모든 내용은 매우 간단해 보이지만 이러한 문제를 더 깊이 파고들수록 워터마크를 인식하려면 알고리즘을 구현하는 데 많은 시간을 소비해야 하며 필요한 확률을 달성하는 데 더 많은 시간을 투자해야 한다는 것을 더 많이 이해하게 됩니다. 각 이미지를 인식합니다.

출처 : habr.com