Als gevolg van de constante toename van het ontwikkelingsniveau van de informatietechnologie worden elektronische documenten elk jaar handiger en populairder in gebruik en beginnen ze de traditionele papieren media te domineren. Daarom is het erg belangrijk om tijdig aandacht te besteden aan het beschermen van de inhoud van informatie, niet alleen op traditionele papieren media, maar ook op elektronische documenten. Elk groot bedrijf met commerciële, staats- en andere geheimen wil mogelijke informatielekken en het compromitteren van geheime informatie voorkomen, en als er een lek wordt ontdekt, maatregelen nemen om de lekken te stoppen en de overtreder te identificeren.
Iets over de beschermingsopties
Om deze taken uit te voeren, worden bepaalde beschermende elementen geïntroduceerd. Dergelijke elementen kunnen streepjescodes, zichtbare tags en elektronische tags zijn, maar de meest interessante zijn verborgen tags. Een van de meest opvallende vertegenwoordigers zijn watermerken; ze kunnen op papier worden aangebracht of worden toegevoegd voordat ze op een printer worden afgedrukt. Het is geen geheim dat printers hun eigen watermerken (gele stippen en andere markeringen) aanbrengen bij het afdrukken, maar we zullen andere artefacten overwegen die op een computerscherm op de werkplek van een werknemer kunnen worden geplaatst. Dergelijke artefacten worden gegenereerd door een speciaal softwarepakket dat artefacten bovenop de werkruimte van de gebruiker tekent, waardoor de zichtbaarheid van de artefacten zelf wordt geminimaliseerd en zonder het werk van de gebruiker te verstoren. Deze technologieën hebben eeuwenoude wortels in termen van wetenschappelijke ontwikkelingen en de algoritmen die worden gebruikt om verborgen informatie te presenteren, maar zijn vrij zeldzaam in de moderne wereld. Deze aanpak is vooral te vinden in de militaire sfeer en op papier, voor het snel identificeren van gewetenloze werknemers. Deze technologieën beginnen nog maar net in de commerciële omgeving te worden geïntroduceerd. Zichtbare watermerken worden nu actief gebruikt om het auteursrecht van verschillende mediabestanden te beschermen, maar onzichtbare watermerken zijn vrij zeldzaam. Maar ze wekken ook de grootste belangstelling.
Beveiligingsartefacten
Onzichtbaar voor mensen Watermerken vormen verschillende artefacten die in principe onzichtbaar kunnen zijn voor het menselijk oog, en in de afbeelding kunnen worden gemaskeerd in de vorm van zeer kleine puntjes. We zullen rekening houden met zichtbare objecten, omdat objecten die onzichtbaar zijn voor het oog mogelijk buiten de standaard kleurruimte van de meeste monitoren vallen. Deze artefacten zijn van bijzondere waarde vanwege hun hoge mate van onzichtbaarheid. Het is echter onmogelijk om CEH’s volledig onzichtbaar te maken. Tijdens het implementatieproces wordt een bepaald soort vervorming van de containerafbeelding in de afbeelding geïntroduceerd en verschijnen er een soort artefacten op. Laten we 2 soorten objecten bekijken:
- Cyclisch
- Chaotisch (geïntroduceerd door beeldconversie)
Cyclische elementen vertegenwoordigen een bepaalde eindige reeks herhalende elementen die meer dan eens op het schermbeeld worden herhaald (Fig. 1).
Chaotische artefacten kunnen worden veroorzaakt door verschillende soorten transformaties van het overlappende beeld (figuur 2), bijvoorbeeld de introductie van een hologram.
Rijst. 1 Fietsartefacten
Rijst. 2 chaotische artefacten
Laten we eerst eens kijken naar de opties voor het herkennen van cyclische artefacten. Dergelijke artefacten kunnen zijn:
- tekstwatermerken die zich over het scherm herhalen
- binaire reeksen
- een reeks chaotische punten in elke rastercel
Alle genoemde artefacten worden direct bovenop de weergegeven inhoud toegepast; dienovereenkomstig kunnen ze worden herkend door de lokale extrema van het histogram van elk kleurkanaal te identificeren en dienovereenkomstig alle andere kleuren uit te snijden. Bij deze methode wordt gewerkt met combinaties van lokale uitersten van elk van de histogramkanalen. Het probleem berust op het zoeken naar lokale extrema in een vrij complex beeld met veel scherp overgaande details; het histogram ziet er erg zaagtand uit, wat deze benadering niet toepasbaar maakt. U kunt proberen verschillende filters toe te passen, maar deze introduceren hun eigen vervormingen, wat uiteindelijk kan leiden tot het onvermogen om het watermerk te detecteren. Er is ook de mogelijkheid om deze artefacten te herkennen met behulp van bepaalde randdetectoren (bijvoorbeeld de Canny-randdetector). Deze benaderingen hebben hun plaats voor artefacten die behoorlijk scherp zijn in de overgang; detectoren kunnen beeldcontouren markeren en vervolgens kleurbereiken binnen de contouren selecteren om het beeld te binariseren om de artefacten zelf verder te benadrukken, maar deze methoden vereisen een vrij fijne afstemming om de vereiste contouren, evenals de daaropvolgende binarisering van de afbeelding zelf ten opzichte van de kleuren in de geselecteerde contouren. Deze algoritmen worden als vrij onbetrouwbaar beschouwd en proberen stabieler en onafhankelijk van het type kleurcomponenten van de afbeelding te gebruiken.
Rijst. 3 Watermerk na conversie
Wat de eerder genoemde chaotische artefacten betreft, zullen de algoritmen voor het herkennen ervan radicaal anders zijn. Omdat de vorming van chaotische artefacten wordt aangenomen door een bepaald watermerk op het beeld te plaatsen, dat wordt getransformeerd door enkele van de transformaties (bijvoorbeeld de discrete Fourier-transformatie). Artefacten van dergelijke transformaties zijn over het hele scherm verspreid en het is moeilijk om hun patroon te identificeren. Op basis hiervan zal het watermerk door de hele afbeelding heen worden geplaatst in de vorm van “willekeurige” artefacten. Herkenning van een dergelijk watermerk komt neer op directe beeldtransformatie met behulp van transformatiefuncties. Het resultaat van de transformatie wordt weergegeven in de figuur (Fig. 3).
Maar er doen zich een aantal problemen voor die de herkenning van watermerken onder minder dan ideale omstandigheden verhinderen. Afhankelijk van het type conversie kunnen er verschillende problemen zijn, bijvoorbeeld de onmogelijkheid om een document te herkennen dat is verkregen door te fotograferen onder een grote hoek ten opzichte van het scherm, of gewoon een foto van tamelijk slechte kwaliteit, of een schermopname die is opgeslagen in een bestand met compressie met hoog verlies. Al deze problemen leiden tot de complicatie van het identificeren van een watermerk; in het geval van een gehoekt beeld is het noodzakelijk om complexere transformaties of affiene transformaties op het beeld toe te passen, maar geen van beide garandeert een volledig herstel van het watermerk. Als we het geval van schermopname beschouwen, doen zich twee problemen voor: het eerste is vervorming bij weergave op het scherm zelf, het tweede is vervorming bij het opslaan van het beeld vanaf het scherm zelf. De eerste is vrij moeilijk te controleren vanwege het feit dat er matrices zijn voor monitoren van verschillende kwaliteit, en door de afwezigheid van een of andere kleur, interpoleren ze de kleur afhankelijk van hun kleurweergave, waardoor vervormingen in het watermerk zelf worden geïntroduceerd. De tweede is zelfs nog moeilijker, omdat je een screenshot in elk formaat kunt opslaan en daardoor een deel van het kleurbereik kunt verliezen, daarom kunnen we eenvoudigweg het watermerk zelf verliezen.
Implementatieproblemen
In de moderne wereld zijn er nogal wat algoritmen voor het introduceren van watermerken, maar geen enkele garandeert 100% mogelijkheid tot verdere herkenning van een watermerk na de implementatie ervan. De grootste moeilijkheid is het bepalen van de reeks reproductieomstandigheden die zich in elk specifiek geval kunnen voordoen. Zoals eerder vermeld is het moeilijk om een herkenningsalgoritme te creëren dat rekening houdt met alle mogelijke kenmerken van vervorming en pogingen om het watermerk te beschadigen. Als er bijvoorbeeld een Gaussiaans filter wordt toegepast op de huidige afbeelding en de artefacten in de originele afbeelding vrij klein waren en contrasteerden met de achtergrond van de afbeelding, wordt het onmogelijk om ze te herkennen, anders gaat een deel van het watermerk verloren. . Laten we eens kijken naar het geval van een foto, met een hoge mate van waarschijnlijkheid zal deze moiré hebben (Fig. 5) en een “raster” (Fig. 4). Moiré ontstaat vanwege de discretie van de schermmatrix en de discretie van de matrix van de opnameapparatuur; in deze situatie worden twee mesh-beelden over elkaar heen gelegd. Het gaas zal hoogstwaarschijnlijk de watermerkartefacten gedeeltelijk bedekken en een herkenningsprobleem veroorzaken; moiré maakt het op zijn beurt bij sommige methoden voor het insluiten van watermerken onmogelijk om het te herkennen, omdat het een deel van de afbeelding overlapt met het watermerk.
Rijst. 4 Beeldraster
Rijst. 5 Moiré
Om de drempel voor het herkennen van watermerken te verhogen, is het noodzakelijk om algoritmen te gebruiken die zijn gebaseerd op zelflerende neurale netwerken en die tijdens het gebruik zelf watermerkafbeeldingen zullen leren herkennen. Nu zijn er een groot aantal neurale netwerktools en -diensten, bijvoorbeeld van Google. Indien gewenst kunt u een reeks referentiebeelden vinden en het neurale netwerk leren de noodzakelijke artefacten te herkennen. Deze aanpak biedt de meest veelbelovende kansen voor het identificeren van zelfs zeer vervormde watermerken, maar voor snelle identificatie vereist het grote rekenkracht en een vrij lange trainingsperiode voor correcte identificatie.
Alles wat wordt beschreven lijkt vrij eenvoudig, maar hoe dieper je in deze kwesties duikt, hoe meer je begrijpt dat je, om watermerken te herkennen, veel tijd moet besteden aan het implementeren van een van de algoritmen, en nog meer tijd aan het tot de vereiste waarschijnlijkheid brengen ervan. het herkennen van elk beeld.
Bron: www.habr.com