Pastāvīgi pieaugot informācijas tehnoloģiju attīstības līmenim, ar katru gadu elektroniskie dokumenti kļūst arvien ērtāki un pieprasītāki lietošanā un sāk dominēt pār tradicionālajiem papīra medijiem. Tāpēc ir ļoti svarīgi laikus pievērst uzmanību informācijas satura aizsardzībai ne tikai tradicionālajos papīra nesējos, bet arī elektroniskajos dokumentos. Ikviens liels uzņēmums, kuram ir komercnoslēpumi, valsts un citi noslēpumi, vēlas novērst iespējamu informācijas noplūdi un klasificētās informācijas kompromitēšanu, un, ja tiek konstatēta noplūde, veikt pasākumus nopludināšanas apturēšanai un pārkāpēja identificēšanai.
Mazliet par aizsardzības iespējām
Lai veiktu šos uzdevumus, tiek ieviesti noteikti aizsargelementi. Šādi elementi var būt svītrkodi, redzami tagi, elektroniskie tagi, bet interesantākie ir slēptie tagi. Viens no spilgtākajiem pārstāvjiem ir ūdenszīmes, tās var uzklāt uz papīra vai pievienot pirms drukāšanas uz printera. Nav noslēpums, ka printeri, drukājot, uzliek savas ūdenszīmes (dzeltenos punktus un citas zīmes), taču mēs apsvērsim citus artefaktus, kurus darbinieka darba vietā var ievietot datora ekrānā. Šādus artefaktus ģenerē īpaša programmatūras pakotne, kas uzzīmē artefaktus virs lietotāja darbvietas, līdz minimumam samazinot pašu artefaktu redzamību un netraucējot lietotāja darbam. Šīm tehnoloģijām ir senas saknes saistībā ar zinātnes attīstību un algoritmiem, ko izmanto slēptās informācijas pasniegšanai, taču mūsdienu pasaulē tās ir diezgan reti sastopamas. Šī pieeja galvenokārt ir sastopama militārajā jomā un uz papīra, lai ātri identificētu negodīgus darbiniekus. Šīs tehnoloģijas tikai sāk ieviest komerciālajā vidē. Redzamās ūdenszīmes šobrīd tiek aktīvi izmantotas, lai aizsargātu dažādu multivides failu autortiesības, taču neredzamās ir diezgan reti sastopamas. Bet tie arī izraisa vislielāko interesi.
Drošības artefakti
Cilvēkam neredzamas Ūdenszīmes veido dažādus artefaktus, kas principā var būt neredzami cilvēka acij un var tikt maskēti attēlā ļoti mazu punktu veidā. Mēs apsvērsim redzamos objektus, jo tie, kas nav redzami acij, var būt ārpus vairuma monitoru standarta krāsu telpas. Šie artefakti ir īpaši vērtīgi to augstās neredzamības pakāpes dēļ. Tomēr nav iespējams padarīt CEH pilnīgi neredzamu. To ieviešanas procesā attēlā tiek ieviests noteikta veida konteinera attēla izkropļojums, un uz tā parādās sava veida artefakti. Apskatīsim 2 objektu veidus:
- Ciklisks
- Haotisks (ieviesa attēla konvertēšana)
Cikliskie elementi attēlo noteiktu ierobežotu atkārtojošu elementu secību, kas ekrāna attēlā atkārtojas vairāk nekā vienu reizi (1. att.).
Haotiskus artefaktus var izraisīt dažāda veida pārklājuma attēla transformācijas (2. att.), piemēram, hologrammas ieviešana.
Rīsi. 1 Riteņbraukšanas artefakti
Rīsi. 2 haotiski artefakti
Vispirms apskatīsim iespējas, kā atpazīt cikliskus artefaktus. Šādi artefakti var būt:
- teksta ūdenszīmes, kas atkārtojas ekrānā
- binārās sekvences
- haotisku punktu kopa katrā režģa šūnā
Visi uzskaitītie artefakti tiek uzklāti tieši virs attēlotā satura; attiecīgi tos var atpazīt, identificējot katra krāsu kanāla histogrammas lokālās ekstrēmas un attiecīgi izgriežot visas pārējās krāsas. Šī metode ietver darbu ar katra histogrammas kanāla lokālo galējību kombinācijām. Problēma balstās uz lokālu ekstrēmu meklēšanu diezgan sarežģītā attēlā ar daudzām krasi pārejošām detaļām; histogramma izskatās ļoti zāģzoba, kas padara šo pieeju nepiemērojamu. Varat mēģināt lietot dažādus filtrus, taču tie radīs savus kropļojumus, kas galu galā var novest pie nespējas noteikt ūdenszīmi. Ir arī iespēja atpazīt šos artefaktus, izmantojot noteiktus malu detektorus (piemēram, Canny malu detektoru). Šīs pieejas ir paredzētas artefaktiem, kuru pāreja ir diezgan asa; detektori var izcelt attēla kontūras un pēc tam kontūru robežās atlasīt krāsu diapazonus, lai attēlu binarizētu, lai vēl vairāk izceltu pašus artefaktus, taču šīm metodēm ir nepieciešama diezgan precīza regulēšana, lai izceltu attēlu. nepieciešamās kontūras, kā arī sekojoša paša attēla binarizācija attiecībā pret krāsām atlasītajās kontūrās. Šie algoritmi tiek uzskatīti par diezgan neuzticamiem un cenšas izmantot stabilākus un neatkarīgākus no attēla krāsu komponentu veida.
Rīsi. 3 Ūdenszīme pēc konvertēšanas
Kas attiecas uz iepriekš minētajiem haotiskajiem artefaktiem, tad to atpazīšanas algoritmi būs radikāli atšķirīgi. Tā kā haotisku artefaktu veidošanās tiek pieņemta, uzliekot attēlam noteiktu ūdenszīmi, kas tiek pārveidota ar dažām transformācijām (piemēram, diskrētā Furjē transformācija). Artefakti no šādām transformācijām tiek izplatīti visā ekrānā, un ir grūti noteikt to modeli. Pamatojoties uz to, ūdenszīme tiks izvietota visā attēlā “nejaušas” artefaktu veidā. Šādas ūdenszīmes atpazīšana ir saistīta ar tiešu attēla pārveidošanu, izmantojot transformācijas funkcijas. Pārveidošanas rezultāts parādīts attēlā (3. att.).
Taču rodas vairākas problēmas, kas neļauj atpazīt ūdenszīmi mazāk nekā ideālos apstākļos. Atkarībā no konvertēšanas veida var rasties dažādas grūtības, piemēram, nav iespējams atpazīt dokumentu, kas iegūts, fotografējot lielā leņķī attiecībā pret ekrānu, vai vienkārši diezgan sliktas kvalitātes fotoattēlu vai ekrānuzņēmumu, kas saglabāts fails ar lielu kompresijas zudumu. Visas šīs problēmas rada sarežģījumus ūdenszīmes identificēšanā, leņķa attēla gadījumā ir jāpiemēro vai nu sarežģītākas transformācijas, vai jāpiemēro attēlam afīnās transformācijas, taču neviena no tām negarantē pilnīgu ūdenszīmes atjaunošanu. Ja ņemam vērā ekrāna tveršanas gadījumu, rodas divas problēmas: pirmā ir kropļojumi, attēlojot ekrānā, otrā ir kropļojumi, saglabājot attēlu no paša ekrāna. Pirmo ir diezgan grūti kontrolēt, jo ir dažādas kvalitātes monitoru matricas, un vienas vai otras krāsas trūkuma dēļ tās interpolē krāsu atkarībā no to krāsu attēlojuma, tādējādi radot izkropļojumus pašā ūdenszīmē. Otrais ir vēl grūtāks, jo jūs varat saglabāt ekrānuzņēmumu jebkurā formātā un attiecīgi zaudēt daļu no krāsu diapazona, tāpēc mēs varam vienkārši zaudēt pašu ūdenszīmi.
Īstenošanas problēmas
Mūsdienu pasaulē ir diezgan daudz ūdenszīmju ieviešanas algoritmu, taču neviens negarantē 100% iespēju turpmāk atpazīt ūdenszīmi pēc tās ieviešanas. Galvenās grūtības rada reprodukcijas nosacījumu kopuma noteikšana, kas var rasties katrā konkrētajā gadījumā. Kā minēts iepriekš, ir grūti izveidot atpazīšanas algoritmu, kas ņemtu vērā visas iespējamās kropļojumu pazīmes un mēģinājumus sabojāt ūdenszīmi. Piemēram, ja pašreizējam attēlam tiek lietots Gausa filtrs un artefakti sākotnējā attēlā bija diezgan mazi un kontrastējoši pret attēla fonu, tos vai nu vairs nav iespējams atpazīt, vai arī tiks zaudēta daļa no ūdenszīmes. . Aplūkosim fotogrāfijas gadījumu, ar lielu varbūtības pakāpi tai būs muarē (5. att.) un “režģis” (4. att.). Muarē rodas ekrāna matricas diskrētuma un ierakstīšanas iekārtas matricas diskrētuma dēļ; šajā situācijā divi tīkla attēli tiek uzlikti viens otram. Acs, visticamāk, daļēji nosegs ūdenszīmju artefaktus un radīs atpazīšanas problēmu; savukārt muarē dažās ūdenszīmju iegulšanas metodēs to nav iespējams atpazīt, jo tas pārklāj daļu attēla ar ūdenszīmi.
Rīsi. 4 Attēlu režģis
Rīsi. 5 Muāra
Lai palielinātu ūdenszīmju atpazīšanas slieksni, ir nepieciešams izmantot pašmācības neironu tīklu un darbības procesā algoritmus, kas paši iemācīsies atpazīt ūdenszīmju attēlus. Tagad ir milzīgs skaits neironu tīklu rīku un pakalpojumu, piemēram, no Google. Ja vēlaties, varat atrast atsauces attēlu kopu un iemācīt neironu tīklam atpazīt nepieciešamos artefaktus. Šai pieejai ir visdaudzsološākās iespējas identificēt pat ļoti izkropļotas ūdenszīmes, taču ātrai identificēšanai nepieciešama liela skaitļošanas jauda un diezgan ilgs apmācības periods pareizai identifikācijai.
Viss aprakstītais šķiet diezgan vienkāršs, taču, jo dziļāk ienirt šajās problēmās, jo vairāk saproti, ka, lai atpazītu ūdenszīmes, ir jāpavada daudz laika, lai ieviestu kādu no algoritmiem, un vēl vairāk laika, lai to panāktu līdz vajadzīgajai varbūtībai. atpazīst katru attēlu.
Avots: www.habr.com
