PastÄvÄ«gi pieaugot informÄcijas tehnoloÄ£iju attÄ«stÄ«bas lÄ«menim, ar katru gadu elektroniskie dokumenti kļūst arvien ÄrtÄki un pieprasÄ«tÄki lietoÅ”anÄ un sÄk dominÄt pÄr tradicionÄlajiem papÄ«ra medijiem. TÄpÄc ir ļoti svarÄ«gi laikus pievÄrst uzmanÄ«bu informÄcijas satura aizsardzÄ«bai ne tikai tradicionÄlajos papÄ«ra nesÄjos, bet arÄ« elektroniskajos dokumentos. Ikviens liels uzÅÄmums, kuram ir komercnoslÄpumi, valsts un citi noslÄpumi, vÄlas novÄrst iespÄjamu informÄcijas noplÅ«di un klasificÄtÄs informÄcijas kompromitÄÅ”anu, un, ja tiek konstatÄta noplÅ«de, veikt pasÄkumus nopludinÄÅ”anas apturÄÅ”anai un pÄrkÄpÄja identificÄÅ”anai.
Mazliet par aizsardzÄ«bas iespÄjÄm
Lai veiktu Å”os uzdevumus, tiek ieviesti noteikti aizsargelementi. Å Ädi elementi var bÅ«t svÄ«trkodi, redzami tagi, elektroniskie tagi, bet interesantÄkie ir slÄptie tagi. Viens no spilgtÄkajiem pÄrstÄvjiem ir Å«denszÄ«mes, tÄs var uzklÄt uz papÄ«ra vai pievienot pirms drukÄÅ”anas uz printera. Nav noslÄpums, ka printeri, drukÄjot, uzliek savas Å«denszÄ«mes (dzeltenos punktus un citas zÄ«mes), taÄu mÄs apsvÄrsim citus artefaktus, kurus darbinieka darba vietÄ var ievietot datora ekrÄnÄ. Å Ädus artefaktus Ä£enerÄ Ä«paÅ”a programmatÅ«ras pakotne, kas uzzÄ«mÄ artefaktus virs lietotÄja darbvietas, lÄ«dz minimumam samazinot paÅ”u artefaktu redzamÄ«bu un netraucÄjot lietotÄja darbam. Å Ä«m tehnoloÄ£ijÄm ir senas saknes saistÄ«bÄ ar zinÄtnes attÄ«stÄ«bu un algoritmiem, ko izmanto slÄptÄs informÄcijas pasniegÅ”anai, taÄu mÅ«sdienu pasaulÄ tÄs ir diezgan reti sastopamas. Å Ä« pieeja galvenokÄrt ir sastopama militÄrajÄ jomÄ un uz papÄ«ra, lai Ätri identificÄtu negodÄ«gus darbiniekus. Å Ä«s tehnoloÄ£ijas tikai sÄk ieviest komerciÄlajÄ vidÄ. RedzamÄs Å«denszÄ«mes Å”obrÄ«d tiek aktÄ«vi izmantotas, lai aizsargÄtu dažÄdu multivides failu autortiesÄ«bas, taÄu neredzamÄs ir diezgan reti sastopamas. Bet tie arÄ« izraisa vislielÄko interesi.
DroŔības artefakti
CilvÄkam neredzamas ÅŖdenszÄ«mes veido dažÄdus artefaktus, kas principÄ var bÅ«t neredzami cilvÄka acij un var tikt maskÄti attÄlÄ Ä¼oti mazu punktu veidÄ. MÄs apsvÄrsim redzamos objektus, jo tie, kas nav redzami acij, var bÅ«t Ärpus vairuma monitoru standarta krÄsu telpas. Å ie artefakti ir Ä«paÅ”i vÄrtÄ«gi to augstÄs neredzamÄ«bas pakÄpes dÄļ. TomÄr nav iespÄjams padarÄ«t CEH pilnÄ«gi neredzamu. To ievieÅ”anas procesÄ attÄlÄ tiek ieviests noteikta veida konteinera attÄla izkropļojums, un uz tÄ parÄdÄs sava veida artefakti. ApskatÄ«sim 2 objektu veidus:
- Ciklisks
- Haotisks (ieviesa attÄla konvertÄÅ”ana)
Cikliskie elementi attÄlo noteiktu ierobežotu atkÄrtojoÅ”u elementu secÄ«bu, kas ekrÄna attÄlÄ atkÄrtojas vairÄk nekÄ vienu reizi (1. att.).
Haotiskus artefaktus var izraisÄ«t dažÄda veida pÄrklÄjuma attÄla transformÄcijas (2. att.), piemÄram, hologrammas ievieÅ”ana.
RÄ«si. 1 RiteÅbraukÅ”anas artefakti
RÄ«si. 2 haotiski artefakti
Vispirms apskatÄ«sim iespÄjas, kÄ atpazÄ«t cikliskus artefaktus. Å Ädi artefakti var bÅ«t:
- teksta Å«denszÄ«mes, kas atkÄrtojas ekrÄnÄ
- binÄrÄs sekvences
- haotisku punktu kopa katrÄ režģa ŔūnÄ
Visi uzskaitÄ«tie artefakti tiek uzklÄti tieÅ”i virs attÄlotÄ satura; attiecÄ«gi tos var atpazÄ«t, identificÄjot katra krÄsu kanÄla histogrammas lokÄlÄs ekstrÄmas un attiecÄ«gi izgriežot visas pÄrÄjÄs krÄsas. Å Ä« metode ietver darbu ar katra histogrammas kanÄla lokÄlo galÄjÄ«bu kombinÄcijÄm. ProblÄma balstÄs uz lokÄlu ekstrÄmu meklÄÅ”anu diezgan sarežģītÄ attÄlÄ ar daudzÄm krasi pÄrejoÅ”Äm detaļÄm; histogramma izskatÄs ļoti zÄÄ£zoba, kas padara Å”o pieeju nepiemÄrojamu. Varat mÄÄ£inÄt lietot dažÄdus filtrus, taÄu tie radÄ«s savus kropļojumus, kas galu galÄ var novest pie nespÄjas noteikt Å«denszÄ«mi. Ir arÄ« iespÄja atpazÄ«t Å”os artefaktus, izmantojot noteiktus malu detektorus (piemÄram, Canny malu detektoru). Å Ä«s pieejas ir paredzÄtas artefaktiem, kuru pÄreja ir diezgan asa; detektori var izcelt attÄla kontÅ«ras un pÄc tam kontÅ«ru robežÄs atlasÄ«t krÄsu diapazonus, lai attÄlu binarizÄtu, lai vÄl vairÄk izceltu paÅ”us artefaktus, taÄu Ŕīm metodÄm ir nepiecieÅ”ama diezgan precÄ«za regulÄÅ”ana, lai izceltu attÄlu. nepiecieÅ”amÄs kontÅ«ras, kÄ arÄ« sekojoÅ”a paÅ”a attÄla binarizÄcija attiecÄ«bÄ pret krÄsÄm atlasÄ«tajÄs kontÅ«rÄs. Å ie algoritmi tiek uzskatÄ«ti par diezgan neuzticamiem un cenÅ”as izmantot stabilÄkus un neatkarÄ«gÄkus no attÄla krÄsu komponentu veida.
RÄ«si. 3 ÅŖdenszÄ«me pÄc konvertÄÅ”anas
Kas attiecas uz iepriekÅ” minÄtajiem haotiskajiem artefaktiem, tad to atpazÄ«Å”anas algoritmi bÅ«s radikÄli atŔķirÄ«gi. TÄ kÄ haotisku artefaktu veidoÅ”anÄs tiek pieÅemta, uzliekot attÄlam noteiktu Å«denszÄ«mi, kas tiek pÄrveidota ar dažÄm transformÄcijÄm (piemÄram, diskrÄtÄ FurjÄ transformÄcija). Artefakti no Å”ÄdÄm transformÄcijÄm tiek izplatÄ«ti visÄ ekrÄnÄ, un ir grÅ«ti noteikt to modeli. Pamatojoties uz to, Å«denszÄ«me tiks izvietota visÄ attÄlÄ ānejauÅ”asā artefaktu veidÄ. Å Ädas Å«denszÄ«mes atpazÄ«Å”ana ir saistÄ«ta ar tieÅ”u attÄla pÄrveidoÅ”anu, izmantojot transformÄcijas funkcijas. PÄrveidoÅ”anas rezultÄts parÄdÄ«ts attÄlÄ (3. att.).
TaÄu rodas vairÄkas problÄmas, kas neļauj atpazÄ«t Å«denszÄ«mi mazÄk nekÄ ideÄlos apstÄkļos. AtkarÄ«bÄ no konvertÄÅ”anas veida var rasties dažÄdas grÅ«tÄ«bas, piemÄram, nav iespÄjams atpazÄ«t dokumentu, kas iegÅ«ts, fotografÄjot lielÄ leÅÄ·Ä« attiecÄ«bÄ pret ekrÄnu, vai vienkÄrÅ”i diezgan sliktas kvalitÄtes fotoattÄlu vai ekrÄnuzÅÄmumu, kas saglabÄts fails ar lielu kompresijas zudumu. Visas Ŕīs problÄmas rada sarežģījumus Å«denszÄ«mes identificÄÅ”anÄ, leÅÄ·a attÄla gadÄ«jumÄ ir jÄpiemÄro vai nu sarežģītÄkas transformÄcijas, vai jÄpiemÄro attÄlam afÄ«nÄs transformÄcijas, taÄu neviena no tÄm negarantÄ pilnÄ«gu Å«denszÄ«mes atjaunoÅ”anu. Ja Åemam vÄrÄ ekrÄna tverÅ”anas gadÄ«jumu, rodas divas problÄmas: pirmÄ ir kropļojumi, attÄlojot ekrÄnÄ, otrÄ ir kropļojumi, saglabÄjot attÄlu no paÅ”a ekrÄna. Pirmo ir diezgan grÅ«ti kontrolÄt, jo ir dažÄdas kvalitÄtes monitoru matricas, un vienas vai otras krÄsas trÅ«kuma dÄļ tÄs interpolÄ krÄsu atkarÄ«bÄ no to krÄsu attÄlojuma, tÄdÄjÄdi radot izkropļojumus paÅ”Ä Å«denszÄ«mÄ. Otrais ir vÄl grÅ«tÄks, jo jÅ«s varat saglabÄt ekrÄnuzÅÄmumu jebkurÄ formÄtÄ un attiecÄ«gi zaudÄt daļu no krÄsu diapazona, tÄpÄc mÄs varam vienkÄrÅ”i zaudÄt paÅ”u Å«denszÄ«mi.
ÄŖstenoÅ”anas problÄmas
MÅ«sdienu pasaulÄ ir diezgan daudz Å«denszÄ«mju ievieÅ”anas algoritmu, taÄu neviens negarantÄ 100% iespÄju turpmÄk atpazÄ«t Å«denszÄ«mi pÄc tÄs ievieÅ”anas. GalvenÄs grÅ«tÄ«bas rada reprodukcijas nosacÄ«jumu kopuma noteikÅ”ana, kas var rasties katrÄ konkrÄtajÄ gadÄ«jumÄ. KÄ minÄts iepriekÅ”, ir grÅ«ti izveidot atpazÄ«Å”anas algoritmu, kas Åemtu vÄrÄ visas iespÄjamÄs kropļojumu pazÄ«mes un mÄÄ£inÄjumus sabojÄt Å«denszÄ«mi. PiemÄram, ja paÅ”reizÄjam attÄlam tiek lietots Gausa filtrs un artefakti sÄkotnÄjÄ attÄlÄ bija diezgan mazi un kontrastÄjoÅ”i pret attÄla fonu, tos vai nu vairs nav iespÄjams atpazÄ«t, vai arÄ« tiks zaudÄta daļa no Å«denszÄ«mes. . AplÅ«kosim fotogrÄfijas gadÄ«jumu, ar lielu varbÅ«tÄ«bas pakÄpi tai bÅ«s muarÄ (5. att.) un ārežģisā (4. att.). MuarÄ rodas ekrÄna matricas diskrÄtuma un ierakstÄ«Å”anas iekÄrtas matricas diskrÄtuma dÄļ; Å”ajÄ situÄcijÄ divi tÄ«kla attÄli tiek uzlikti viens otram. Acs, visticamÄk, daļÄji nosegs Å«denszÄ«mju artefaktus un radÄ«s atpazÄ«Å”anas problÄmu; savukÄrt muarÄ dažÄs Å«denszÄ«mju iegulÅ”anas metodÄs to nav iespÄjams atpazÄ«t, jo tas pÄrklÄj daļu attÄla ar Å«denszÄ«mi.
RÄ«si. 4 AttÄlu režģis
RÄ«si. 5 MuÄra
Lai palielinÄtu Å«denszÄ«mju atpazÄ«Å”anas slieksni, ir nepiecieÅ”ams izmantot paÅ”mÄcÄ«bas neironu tÄ«klu un darbÄ«bas procesÄ algoritmus, kas paÅ”i iemÄcÄ«sies atpazÄ«t Å«denszÄ«mju attÄlus. Tagad ir milzÄ«gs skaits neironu tÄ«klu rÄ«ku un pakalpojumu, piemÄram, no Google. Ja vÄlaties, varat atrast atsauces attÄlu kopu un iemÄcÄ«t neironu tÄ«klam atpazÄ«t nepiecieÅ”amos artefaktus. Å ai pieejai ir visdaudzsoloÅ”ÄkÄs iespÄjas identificÄt pat ļoti izkropļotas Å«denszÄ«mes, taÄu Ätrai identificÄÅ”anai nepiecieÅ”ama liela skaitļoÅ”anas jauda un diezgan ilgs apmÄcÄ«bas periods pareizai identifikÄcijai.
Viss aprakstÄ«tais Ŕķiet diezgan vienkÄrÅ”s, taÄu, jo dziļÄk ienirt Å”ajÄs problÄmÄs, jo vairÄk saproti, ka, lai atpazÄ«tu Å«denszÄ«mes, ir jÄpavada daudz laika, lai ieviestu kÄdu no algoritmiem, un vÄl vairÄk laika, lai to panÄktu lÄ«dz vajadzÄ«gajai varbÅ«tÄ«bai. atpazÄ«st katru attÄlu.
Avots: www.habr.com