Devido ao constante aumento do nível de desenvolvimento da tecnologia da informação, a cada ano os documentos eletrônicos estão se tornando mais convenientes e mais procurados e começam a dominar a mídia tradicional em papel. Portanto, é muito importante prestar atenção oportuna à proteção do conteúdo da informação não apenas nos meios tradicionais de papel, mas também nos documentos eletrônicos. Toda grande empresa que possui segredos comerciais, de estado e outros deseja evitar possíveis vazamentos de informações e comprometimento de informações confidenciais e, caso seja detectado um vazamento, tomar medidas para impedir os vazamentos e identificar o infrator.
Um pouco sobre as opções de proteção
Para realizar estas tarefas, são introduzidos certos elementos de proteção. Tais elementos podem ser códigos de barras, etiquetas visíveis, etiquetas eletrônicas, mas os mais interessantes são as etiquetas ocultas. Um dos representantes mais marcantes são as marcas d'água, que podem ser aplicadas no papel ou adicionadas antes da impressão na impressora. Não é nenhum segredo que as impressoras colocam suas próprias marcas d'água (pontos amarelos e outras marcas) ao imprimir, mas consideraremos outros artefatos que podem ser colocados na tela do computador no local de trabalho de um funcionário. Tais artefatos são gerados por um pacote de software especial que desenha artefatos no espaço de trabalho do usuário, minimizando a visibilidade dos próprios artefatos e sem interferir no trabalho do usuário. Estas tecnologias têm raízes antigas em termos de desenvolvimentos científicos e de algoritmos utilizados para apresentar informações ocultas, mas são bastante raras no mundo moderno. Esta abordagem é encontrada principalmente na esfera militar e no papel, para a pronta identificação de funcionários inescrupulosos. Essas tecnologias estão apenas começando a ser introduzidas no ambiente comercial. Marcas d'água visíveis estão sendo usadas ativamente para proteger os direitos autorais de vários arquivos de mídia, mas as invisíveis são bastante raras. Mas também despertam o maior interesse.
Artefatos de segurança
Invisíveis para os humanos As marcas d'água formam vários artefatos que podem ser, em princípio, invisíveis ao olho humano, podendo ser mascarados na imagem na forma de pontos muito pequenos. Consideraremos objetos visíveis, uma vez que aqueles invisíveis aos olhos podem estar fora do espaço de cores padrão da maioria dos monitores. Esses artefatos são de particular valor devido ao seu alto grau de invisibilidade. No entanto, é impossível tornar os CEHs completamente invisíveis. No processo de sua implementação, um certo tipo de distorção da imagem do contêiner é introduzido na imagem e alguns artefatos aparecem nela. Vamos considerar 2 tipos de objetos:
- Cíclico
- Caótico (introduzido pela conversão de imagem)
Os elementos cíclicos representam uma certa sequência finita de elementos repetidos que se repetem mais de uma vez na imagem da tela (Fig. 1).
Artefatos caóticos podem ser causados por vários tipos de transformações da imagem sobreposta (Fig. 2), por exemplo, a introdução de um holograma.
Arroz. 1 Artefatos de ciclismo
Arroz. 2 artefatos caóticos
Primeiro, vejamos as opções para reconhecer artefatos cíclicos. Tais artefatos podem ser:
- marcas d'água de texto repetidas na tela
- sequências binárias
- um conjunto de pontos caóticos em cada célula da grade
Todos os artefatos listados são aplicados diretamente sobre o conteúdo exibido; portanto, eles podem ser reconhecidos identificando os extremos locais do histograma de cada canal de cor e, consequentemente, cortando todas as outras cores. Este método envolve trabalhar com combinações de extremos locais de cada um dos canais do histograma. O problema reside na busca de extremos locais em uma imagem bastante complexa, com muitos detalhes de transição nítida; o histograma parece muito dentado, o que torna esta abordagem inaplicável. Você pode tentar aplicar vários filtros, mas eles introduzirão suas próprias distorções, o que pode levar à incapacidade de detectar a marca d'água. Também existe a opção de reconhecer esses artefatos usando determinados detectores de bordas (por exemplo, o detector de bordas Canny). Essas abordagens têm seu lugar para artefatos que são bastante nítidos na transição; os detectores podem destacar os contornos da imagem e, posteriormente, selecionar faixas de cores dentro dos contornos para binarizar a imagem, a fim de destacar ainda mais os próprios artefatos, mas esses métodos exigem um ajuste bastante fino para destacar o contornos necessários, bem como posterior binarização da própria imagem em relação às cores nos contornos selecionados. Esses algoritmos são considerados pouco confiáveis e tentam usar componentes de cor da imagem mais estáveis e independentes do tipo.
Arroz. 3 Marca d'água após conversão
Quanto aos artefatos caóticos mencionados anteriormente, os algoritmos para reconhecê-los serão radicalmente diferentes. Já a formação de artefatos caóticos é assumida pela imposição de uma certa marca d’água na imagem, que é transformada por algumas das transformações (por exemplo, a transformada discreta de Fourier). Os artefatos dessas transformações são distribuídos por toda a tela e é difícil identificar seu padrão. Com base nisso, a marca d’água ficará localizada em toda a imagem na forma de artefatos “aleatórios”. O reconhecimento de tal marca d’água se resume à transformação direta da imagem usando funções de transformação. O resultado da transformação é apresentado na figura (Fig. 3).
Mas surgem vários problemas que impedem o reconhecimento da marca d'água em condições abaixo das ideais. Dependendo do tipo de conversão, podem surgir várias dificuldades, por exemplo, a impossibilidade de reconhecimento de um documento obtido fotografando em grande ângulo em relação à tela, ou simplesmente uma foto de baixa qualidade, ou uma captura de tela salva em um arquivo com compactação de alta perda. Todos estes problemas levam à complicação da identificação de uma marca d'água; no caso de uma imagem em ângulo, é necessário aplicar transformações mais complexas ou aplicar transformações afins à imagem, mas nenhuma delas garante a restauração completa da marca d'água. Se considerarmos o caso da captura de tela, surgem dois problemas: o primeiro é a distorção ao exibir na própria tela, o segundo é a distorção ao salvar a imagem da própria tela. O primeiro é bastante difícil de controlar pelo fato de existirem matrizes para monitores de qualidade diferente, e pela ausência de uma ou outra cor, interpolam a cor dependendo de sua representação de cores, introduzindo distorções na própria marca d'água. A segunda é ainda mais difícil, pois você pode salvar uma captura de tela em qualquer formato e, consequentemente, perder parte da gama de cores, portanto, podemos simplesmente perder a própria marca d’água.
Problemas de implementação
No mundo moderno, existem muitos algoritmos para introdução de marcas d'água, mas nenhum garante 100% de possibilidade de reconhecimento adicional de uma marca d'água após sua implementação. A principal dificuldade é determinar o conjunto de condições de reprodução que podem surgir em cada caso específico. Conforme mencionado anteriormente, é difícil criar um algoritmo de reconhecimento que leve em consideração todas as características possíveis de distorção e tentativas de danificar a marca d’água. Por exemplo, se um filtro gaussiano for aplicado à imagem atual e os artefatos na imagem original forem muito pequenos e contrastantes com o fundo da imagem, então será impossível reconhecê-los ou parte da marca d'água será perdida . Consideremos o caso de uma fotografia, com alto grau de probabilidade ela terá moiré (Fig. 5) e uma “grade” (Fig. 4). O moiré ocorre devido à discrição da matriz da tela e à discrição da matriz do equipamento de gravação, nesta situação duas imagens de malha são sobrepostas uma à outra. A malha provavelmente cobrirá parcialmente os artefatos da marca d'água e causará um problema de reconhecimento; o moiré, por sua vez, em alguns métodos de incorporação de marca d'água torna impossível reconhecê-la, uma vez que sobrepõe parte da imagem à marca d'água.
Arroz. 4 Grade de imagem
Arroz. 5 Moiré
Para aumentar o limite de reconhecimento de marcas d'água, é necessário utilizar algoritmos baseados em redes neurais de autoaprendizagem e no processo de operação, que aprenderão a reconhecer imagens de marcas d'água. Agora há um grande número de ferramentas e serviços de redes neurais, por exemplo, do Google. Se desejar, você pode encontrar um conjunto de imagens de referência e ensinar a rede neural a reconhecer os artefatos necessários. Esta abordagem tem as chances mais promissoras de identificar marcas d'água altamente distorcidas, mas para uma identificação rápida requer grande poder de computação e um longo período de treinamento para a identificação correta.
Tudo descrito parece bastante simples, mas quanto mais você se aprofunda nessas questões, mais você entende que para reconhecer marcas d'água você precisa gastar muito tempo na implementação de qualquer um dos algoritmos, e ainda mais tempo para trazê-lo à probabilidade necessária de reconhecendo cada imagem.
Fonte: habr.com