Wéinst der konstanter Erhéijung vum Niveau vun der Entwécklung vun Informatiounstechnologie, ginn all Joer elektronesch Dokumenter méi praktesch a gefuerdert am Gebrauch a fänken un iwwer traditionell Pabeiermedien ze dominéieren. Dofir ass et ganz wichteg fir fristgerecht Opmierksamkeet op den Inhalt vun Informatioun ze schützen net nëmmen op traditionell Pabeiermedien, awer och op elektronesch Dokumenter. All grouss Firma, déi kommerziell, staatlech an aner Geheimnisser huet, wëll méiglech Informatiounslecken a Kompromëss vu klasséierten Informatioune verhënneren, a wann e Leck festgestallt gëtt, maacht Moossname fir d'Lecks ze stoppen an de Verstouss z'identifizéieren.
E bëssen iwwer Schutzoptiounen
Fir dës Aufgaben auszeféieren, gi verschidde Schutzelementer agefouert. Esou Elementer kënnen Barcodes, sichtbar Tags, elektronesch Tags sinn, awer déi interessantst sinn verstoppte Tags. Ee vun de markantste Vertrieder si Waasserzeechen; Si kënnen op Pabeier applizéiert ginn oder bäigefüügt ginn ier se op engem Drécker gedréckt ginn. Et ass kee Geheimnis datt Dréckeren hir eege Waasserzeechen (giel Punkten an aner Marken) beim Drock setzen, awer mir wäerten aner Artefakte berücksichtegen, déi op engem Computerbildschierm op der Aarbechtsplaz vun engem Employé gesat kënne ginn. Esou Artefakte ginn duerch e spezielle Software Package generéiert, deen Artefakte op der Aarbechtsplaz vum Benotzer zitt, d'Visibilitéit vun den Artefakte selwer miniméiert an ouni d'Aarbecht vum Benotzer ze stéieren. Dës Technologien hunn antike Wuerzelen a punkto wëssenschaftlechen Entwécklungen an d'Algorithmen déi benotzt gi fir verstoppt Informatioun ze presentéieren, awer si sinn zimlech seelen an der moderner Welt. Dës Approche gëtt haaptsächlech an der militärescher Sphär an op Pabeier fonnt, fir d'prompt Identifikatioun vun skrupellosen Mataarbechter. Dës Technologien fänken just un an de kommerziellen Ëmfeld agefouert ze ginn. Visibel Waasserzeechen ginn elo aktiv benotzt fir de Copyright vu verschiddene Mediendateien ze schützen, awer onsichtbar sinn zimlech rar. Mee si erwächen och de gréissten Interessi.
Sécherheet Artefakter
Onsichtbar fir Mënschen Waasserzeechen bilden verschidden Artefakte, déi am Prinzip onsichtbar fir de mënschleche Auge kënne sinn, a kënnen am Bild a Form vu ganz klenge Punkte maskéiert ginn. Mir wäerte siichtbar Objete berücksichtegen, well déi fir d'Ae onsichtbar kënne baussent dem Standardfaarfraum vun de meeschte Monitore sinn. Dës Artefakte si vu besonnesche Wäert wéinst hirem héije Grad vun Onsiichtbarkeet. Wéi och ëmmer, et ass onméiglech fir CEHs komplett onsichtbar ze maachen. Am Prozess vun hirer Ëmsetzung gëtt eng gewëssen Aart vu Verzerrung vum Containerbild an d'Bild agefouert, an eng Art Artefakt erschéngt drop. Loosst eis 2 Aarte vun Objeten betruechten:
- Cyclesch
- Chaotesch (agefouert duerch Bildkonversioun)
Cyclesch Elementer representéieren eng gewëssen endlech Sequenz vun widderhuelend Elementer, déi méi wéi eemol um Bildschiermbild widderholl ginn (Fig. 1).
Chaotesch Artefakte kënnen duerch verschidden Aarte vu Transformatiounen vum iwwerlagert Bild verursaacht ginn (Fig. 2), zum Beispill d'Aféierung vun engem Hologramm.
Reis. 1 Vëlo Artefakter
Reis. 2 Chaotesch Artefakte
Als éischt kucke mer d'Optiounen fir zyklesch Artefakte z'erkennen. Esou Artefakte kënne sinn:
- Text Waasserzeechen widderhuelen iwwer den Écran
- binäre Sequenzen
- eng Rei vu chaotesche Punkten an all Gitterzelle
All déi opgezielt Artefakte ginn direkt uewen um ugewisenen Inhalt ugewannt; deementspriechend kënne se unerkannt ginn andeems se lokal Extrema vum Histogramm vun all Faarfkanal identifizéiert an deementspriechend all aner Faarwen ausschneiden. Dës Method beinhalt d'Aarbecht mat Kombinatioune vu lokalen Extremer vun all eenzel vun den Histogrammkanäl. De Problem läit op der Sich no lokalen Extrema an engem zimlech komplexe Bild mat villen scharf Iwwergangsdetailer; den Histogramm gesäit ganz Séizahn aus, wat dës Approche net applicabel mécht. Dir kënnt probéieren verschidde Filteren z'applizéieren, awer si wäerten hir eege Verzerrungen aféieren, wat schlussendlech zu der Onméiglechkeet féieren d'Waasserzeechen z'entdecken. Et gëtt och d'Méiglechkeet dës Artefakte mat bestëmmte Randdetektoren z'erkennen (zum Beispill de Canny Randdetektor). Dës Approche hunn hir Plaz fir Artefakte déi zimmlech scharf am Iwwergang sinn; Detektore kënne Bildkonturen markéieren an duerno Faarfbereich bannent de Konturen auswielen fir d'Bild ze binariséieren fir d'Artefakte selwer weider ze markéieren, awer dës Methoden erfuerderen zimlech feintuning fir d'Highlight ze markéieren. erfuerderlech Konturen, souwéi spéider Binariséierung vum Bild selwer relativ zu de Faarwen an de gewielte Konturen. Dës Algorithmen ginn als zimlech onzouverlässeg ugesinn a probéieren méi stabil an onofhängeg vun der Aart vu Faarfkomponenten vum Bild ze benotzen.
Reis. 3 Waasserzeechen no Konversioun
Wat déi chaotesch Artefakte ugeet, déi virdru erwähnt sinn, sinn d'Algorithmen fir se z'erkennen radikal anescht. Zënter datt d'Bildung vu chaoteschen Artefakte ugeholl gëtt andeems Dir e gewësse Waasserzeechen op d'Bild imposéiert, wat duerch e puer vun den Transformatiounen transforméiert gëtt (zum Beispill déi diskret Fourier-Transformatioun). Artefakte vun esou Transformatiounen sinn iwwer de ganze Bildschierm verdeelt an et ass schwéier hir Muster z'identifizéieren. Baséierend op dësem gëtt d'Waasserzeechen am ganze Bild a Form vun "zoufälleg" Artefakte lokaliséiert. D'Unerkennung vu sou engem Waasserzeechen kënnt erof op direkt Bildtransformatioun mat Transformatiounsfunktiounen. D'Resultat vun der Transformatioun gëtt an der Figur presentéiert (Fig. 3).
Awer eng Zuel vu Probleemer entstinn, déi Waasserzeechenerkennung a manner wéi ideal Bedéngungen verhënneren. Ofhängeg vun der Aart vun der Konversioun, kann et verschidde Schwieregkeeten sinn, zum Beispill d'Onméiglechkeet vun der Unerkennung vun engem Dokument, dee kritt gëtt andeems Dir an engem grousse Wénkel par rapport zum Écran fotograféiert, oder einfach eng Foto vun éischter schlechter Qualitéit, oder e Bildschirmbild gespäichert an e Fichier mat héijer Verloschter Kompressioun. All dës Probleemer féieren zu der Komplikatioun fir e Waasserzeechen z'identifizéieren; am Fall vun engem Wénkel Bild ass et néideg entweder méi komplex Transformatiounen z'applizéieren oder affin Transformatiounen op d'Bild ze gëllen, awer weder garantéiert eng komplett Restauratioun vum Waasserzeechen. Wa mir de Fall vun der Écran Capture betruechten, entstinn zwee Probleemer: déi éischt ass Verzerrung wann Dir um Écran selwer weist, déi zweet ass Verzerrung wann Dir d'Bild vum Bildschierm selwer späichert. Déi éischt ass zimmlech schwéier ze kontrolléieren wéinst der Tatsaach datt et Matrixen fir Monitore vu verschiddene Qualitéiten sinn, a wéinst der Fehlen vun enger oder anerer Faarf interpoléieren se d'Faarf ofhängeg vun hirer Faarfvertriedung, an doduerch Verzerrungen an d'Waasserzeechen selwer agefouert. Déi zweet ass nach méi schwéier, wéinst der Tatsaach, datt Dir e Screenshot an all Format späichere kënnt an deementspriechend en Deel vun der Faarfpalette verléieren, dofir kënne mir einfach d'Waasserzeechen selwer verléieren.
Ëmsetzung Problemer
An der moderner Welt ginn et zimmlech vill Algorithmen fir Waasserzeechen z'informéieren, awer kee garantéiert 100% Méiglechkeet fir weider Unerkennung vun engem Waasserzeechen no hirer Ëmsetzung. D'Haaptschwieregkeet ass d'Bestëmmung vun de Set vu Reproduktiounsbedéngungen, déi an all spezifesche Fall entstoe kënnen. Wéi virdru scho gesot, ass et schwéier en Unerkennungsalgorithmus ze kreéieren deen all méiglech Features vun der Verzerrung berücksichtegt a Versich d'Waasserzeechen ze beschiedegen. Zum Beispill, wann e Gaussian Filter op dat aktuellt Bild applizéiert gëtt, an d'Artefakte am Originalbild waren zimlech kleng a kontrastéierend géint den Hannergrond vum Bild, da gëtt et entweder onméiglech se ze erkennen, oder en Deel vum Waasserzeechen gëtt verluer . Loosst eis de Fall vun enger Foto betruechten, mat engem héije Grad vu Wahrscheinlechkeet wäert et Moire hunn (Fig. 5) an e "Gitter" (Fig. 4). Moire geschitt wéinst der Diskretheet vun der Écran Matrix an der Diskretitéit vun der Matrix vun der Opnamausrüstung; an dëser Situatioun ginn zwee Mesh Biller openeen iwwerlagert. De Mesh wäert héchstwahrscheinlech d'Waasserzeechen Artefakte deelweis ofdecken an en Unerkennungsproblem verursaachen; Moire, am Tour, an e puer Waasserzeechen Embedding Methoden mécht et onméiglech et ze erkennen, well et en Deel vum Bild mam Waasserzeechen iwwerlappt.
Reis. 4 Bildraster
Reis. 5 Moire
Fir d'Schwell fir d'Erkennung vu Waasserzeechen z'erhéijen, ass et néideg Algorithmen ze benotzen baséiert op selbstléierend neural Netzwierker an am Prozess vun der Operatioun, déi selwer léiere Waasserzeechen Biller ze erkennen. Elo ginn et eng grouss Zuel vun neuralen Netzwierk Tools a Servicer, zum Beispill vu Google. Wann Dir wëllt, kënnt Dir e Set vu Referenzbiller fannen an d'neural Netzwierk léieren déi néideg Artefakte ze erkennen. Dës Approche huet déi villverspriechendst Chancen fir souguer héich verzerrte Waasserzeechen z'identifizéieren, awer fir séier Identifikatioun erfuerdert eng grouss Rechenkraaft an eng zimlech laang Trainingsperiod fir eng korrekt Identifikatioun.
Alles wat beschriwwe gëtt schéngt zimmlech einfach ze sinn, awer wat Dir méi déif an dës Themen daucht, wat Dir méi verstitt datt fir Waasserzeechen ze erkennen, musst Dir vill Zäit verbréngen fir iergendeng vun den Algorithmen ëmzesetzen, an nach méi Zäit fir et op déi erfuerderlech Wahrscheinlechkeet ze bréngen all Bild erkennen.
Source: will.com