Zaradi nenehnega naraščanja stopnje razvoja informacijske tehnologije postajajo elektronski dokumenti vsako leto bolj priročni in zahtevni pri uporabi ter začenjajo prevladovati nad tradicionalnimi papirnimi mediji. Zato je zelo pomembno, da pravočasno posvetimo pozornost zaščiti vsebine informacij ne samo na klasičnih papirnatih medijih, ampak tudi na elektronskih dokumentih. Vsako večje podjetje, ki ima komercialne, državne in druge skrivnosti, želi preprečiti morebitno uhajanje informacij in ogrožanje tajnih podatkov ter v primeru odkritja uhajanja sprejeti ukrepe za zaustavitev odtekanja in identifikacijo kršitelja.
Malo o možnostih zaščite
Za opravljanje teh nalog so uvedeni nekateri zaščitni elementi. Takšni elementi so lahko črtne kode, vidne oznake, elektronske oznake, najbolj zanimive pa so skrite oznake. Eden najbolj izrazitih predstavnikov so vodni žigi, ki jih lahko nanesemo na papir ali dodamo pred tiskanjem na tiskalniku. Ni skrivnost, da tiskalniki pri tiskanju postavljajo lastne vodne žige (rumene pike in druge oznake), vendar bomo upoštevali druge artefakte, ki jih je mogoče postaviti na računalniški zaslon na delovnem mestu zaposlenega. Takšne artefakte generira poseben programski paket, ki nariše artefakte na vrhu uporabnikovega delovnega prostora, kar zmanjša vidnost samih artefaktov in ne posega v uporabnikovo delo. Te tehnologije imajo starodavne korenine v smislu znanstvenega razvoja in algoritmov, ki se uporabljajo za prikaz skritih informacij, vendar so v sodobnem svetu precej redke. Ta pristop najdemo predvsem v vojaški sferi in na papirju, za hitro identifikacijo brezvestnih zaposlenih. Te tehnologije se šele začenjajo uvajati v komercialno okolje. Vidni vodni žigi se zdaj aktivno uporabljajo za zaščito avtorskih pravic različnih predstavnostnih datotek, nevidni pa so precej redki. Vzbujajo pa tudi največ zanimanja.
Varnostni artefakti
Človeku nevidni Vodni žigi tvorijo različne artefakte, ki so načeloma lahko nevidni človeškemu očesu in so lahko zamaskirani na sliki v obliki zelo majhnih pik. Upoštevali bomo vidne predmete, saj so lahko tisti očem nevidni zunaj standardnega barvnega prostora večine monitorjev. Ti artefakti so še posebej dragoceni zaradi visoke stopnje nevidnosti. Vendar je nemogoče narediti CEH popolnoma nevidne. V procesu njihovega izvajanja se v sliko vnese določena vrsta popačenja slike vsebnika in na njej se pojavijo nekakšni artefakti. Razmislimo o dveh vrstah predmetov:
- Ciklično
- Kaotično (uvedeno s pretvorbo slike)
Ciklični elementi predstavljajo določeno končno zaporedje ponavljajočih se elementov, ki se na zaslonski sliki ponovijo več kot enkrat (slika 1).
Kaotične artefakte lahko povzročijo različne vrste transformacij prekrite slike (slika 2), na primer uvedba holograma.
riž. 1 Kolesarski artefakti
riž. 2 kaotični artefakti
Najprej si poglejmo možnosti za prepoznavanje cikličnih artefaktov. Takšni artefakti so lahko:
- besedilni vodni žigi, ki se ponavljajo po zaslonu
- binarna zaporedja
- niz kaotičnih točk v vsaki mrežni celici
Vsi našteti artefakti se nanašajo neposredno na prikazano vsebino, zato jih je mogoče prepoznati tako, da identificirajo lokalne ekstreme histograma vsakega barvnega kanala in v skladu s tem izrežejo vse druge barve. Ta metoda vključuje delo s kombinacijami lokalnih ekstremov vsakega od kanalov histograma. Težava je v iskanju lokalnih ekstremov na dokaj zapleteni sliki s številnimi ostro prehajajočimi detajli; histogram je videti zelo zobato, zaradi česar je ta pristop neuporaben. Lahko poskusite uporabiti različne filtre, vendar bodo vnesli lastna popačenja, kar lahko na koncu privede do nezmožnosti zaznavanja vodnega žiga. Obstaja tudi možnost prepoznavanja teh artefaktov z uporabo določenih detektorjev robov (na primer detektor robov Canny). Ti pristopi imajo svoje mesto za artefakte, ki so v prehodu precej ostri; detektorji lahko poudarijo obrise slike in nato izberejo barvne razpone znotraj obrisov, da binarizirajo sliko, da dodatno poudarijo same artefakte, vendar te metode zahtevajo dokaj natančno nastavitev, da poudarijo zahtevane konture, kot tudi naknadno binarizacijo same slike glede na barve v izbranih konturah. Ti algoritmi veljajo za precej nezanesljive in poskušajo uporabiti bolj stabilne in neodvisne od vrste barvnih komponent slike.
riž. 3 Vodni žig po pretvorbi
Kar zadeva prej omenjene kaotične artefakte, bodo algoritmi za njihovo prepoznavanje radikalno drugačni. Ker se nastanek kaotičnih artefaktov predvideva z nalaganjem določenega vodnega žiga na sliko, ki se transformira z nekaterimi transformacijami (na primer diskretna Fourierjeva transformacija). Artefakti takšnih transformacij so razporejeni po celotnem zaslonu in težko je prepoznati njihov vzorec. Na podlagi tega bo vodni žig lociran po celotni sliki v obliki "naključnih" artefaktov. Prepoznavanje takšnega vodnega žiga se zmanjša na neposredno preoblikovanje slike s pomočjo transformacijskih funkcij. Rezultat transformacije je predstavljen na sliki (slika 3).
Toda pojavljajo se številne težave, ki preprečujejo prepoznavanje vodnega žiga v manj kot idealnih pogojih. Odvisno od vrste pretvorbe lahko pride do različnih težav, na primer do nezmožnosti prepoznave dokumenta, pridobljenega s fotografiranjem pod velikim kotom glede na zaslon, ali preprosto fotografije precej slabe kakovosti ali posnetka zaslona, shranjenega v datoteka z visoko kompresijo izgube. Vse te težave vodijo do zapletov pri identifikaciji vodnega žiga; v primeru poševne slike je treba uporabiti bolj zapletene transformacije ali uporabiti afine transformacije na sliki, vendar ne eno ne drugo ne zagotavlja popolne obnovitve vodnega žiga. Če upoštevamo primer zajema zaslona, se pojavita dve težavi: prva je popačenje pri prikazu na samem zaslonu, druga je popačenje pri shranjevanju slike s samega zaslona. Prvo je precej težko nadzorovati zaradi dejstva, da obstajajo matrice za monitorje različne kakovosti in zaradi odsotnosti ene ali druge barve interpolirajo barvo glede na njihovo barvno predstavitev in s tem vnašajo popačenja v sam vodni žig. Drugi je še težji, ker lahko shranite posnetek zaslona v kateri koli obliki in s tem izgubite del barvnega obsega, zato lahko preprosto izgubimo sam vodni žig.
Težave pri izvajanju
V sodobnem svetu obstaja kar nekaj algoritmov za uvedbo vodnih žigov, vendar noben ne zagotavlja 100-odstotne možnosti nadaljnjega prepoznavanja vodnega žiga po njegovi implementaciji. Glavna težava je določitev nabora pogojev razmnoževanja, ki se lahko pojavijo v vsakem posameznem primeru. Kot smo že omenili, je težko ustvariti algoritem za prepoznavanje, ki bi upošteval vse možne značilnosti popačenja in poskusov poškodovanja vodnega žiga. Na primer, če je Gaussov filter uporabljen za trenutno sliko in so bili artefakti na izvirni sliki precej majhni in kontrastni glede na ozadje slike, potem jih postane nemogoče prepoznati ali pa bo del vodnega žiga izgubljen. . Razmislimo o primeru fotografije, z veliko verjetnostjo, da bo imela moire (slika 5) in "mrežo" (slika 4). Moire se pojavi zaradi diskretnosti zaslonske matrike in diskretnosti matrice snemalne opreme; v tem primeru se dve mrežni sliki prekrivata ena na drugo. Mreža bo najverjetneje delno prekrila artefakte vodnega žiga in povzročila težave pri prepoznavanju; moire pa pri nekaterih metodah vdelave vodnega žiga onemogoča prepoznavo, saj prekriva del slike z vodnim žigom.
riž. 4 Mreža slik
riž. 5 Moire
Za zvišanje praga za prepoznavanje vodnih žigov je potrebno uporabiti algoritme, ki temeljijo na samoučečih se nevronskih mrežah in v procesu delovanja, ki se bodo sami naučili prepoznavati slike vodnih žigov. Zdaj obstaja ogromno orodij in storitev nevronske mreže, na primer od Googla. Če želite, lahko najdete nabor referenčnih slik in naučite nevronsko mrežo, da prepozna potrebne artefakte. Ta pristop ima največ možnosti za identifikacijo tudi močno popačenih vodnih žigov, vendar za hitro identifikacijo zahteva veliko računalniško moč in precej dolgo obdobje usposabljanja za pravilno identifikacijo.
Vse opisano se zdi precej preprosto, a globlje ko se poglobite v ta vprašanja, bolj razumete, da morate za prepoznavanje vodnih žigov porabiti veliko časa za implementacijo katerega koli od algoritmov in še več časa za to, da ga pripeljete do zahtevane verjetnosti. prepoznavanje vsake slike.
Vir: www.habr.com