Kutokana na ongezeko la mara kwa mara katika kiwango cha maendeleo ya teknolojia ya habari, kila mwaka nyaraka za elektroniki zinakuwa rahisi zaidi na zinahitajika kutumika na zinaanza kutawala juu ya vyombo vya habari vya jadi vya karatasi. Kwa hiyo, ni muhimu sana kulipa kipaumbele kwa wakati ili kulinda maudhui ya habari si tu kwenye vyombo vya habari vya jadi vya karatasi, bali pia kwenye nyaraka za elektroniki. Kila kampuni kubwa ambayo ina siri za kibiashara, serikali na zingine inataka kuzuia uvujaji wa habari unaowezekana na maelewano ya habari iliyoainishwa, na ikiwa uvujaji utagunduliwa, chukua hatua za kukomesha uvujaji na kutambua mhalifu.
Kidogo kuhusu chaguzi za ulinzi
Ili kufanya kazi hizi, vipengele fulani vya kinga vinaletwa. Vipengele vile vinaweza kuwa barcodes, vitambulisho vinavyoonekana, vitambulisho vya elektroniki, lakini vinavyovutia zaidi ni vitambulisho vilivyofichwa. Mmoja wa wawakilishi wanaovutia zaidi ni alama za maji; zinaweza kutumika kwa karatasi au kuongezwa kabla ya kuchapishwa kwenye kichapishi. Sio siri kwamba wachapishaji huweka alama zao za maji (dots za njano na alama nyingine) wakati wa uchapishaji, lakini tutazingatia mabaki mengine ambayo yanaweza kuwekwa kwenye skrini ya kompyuta mahali pa kazi ya mfanyakazi. Vipengee vile vinazalishwa na kifurushi maalum cha programu ambacho huchota mabaki juu ya nafasi ya kazi ya mtumiaji, kupunguza mwonekano wa mabaki yenyewe na bila kuingilia kazi ya mtumiaji. Teknolojia hizi zina mizizi ya zamani katika suala la maendeleo ya kisayansi na algorithms inayotumika kuwasilisha habari iliyofichwa, lakini ni nadra sana katika ulimwengu wa kisasa. Njia hii hupatikana hasa katika nyanja ya kijeshi na kwenye karatasi, kwa ajili ya utambulisho wa haraka wa wafanyakazi wasiokuwa waaminifu. Teknolojia hizi ndio zimeanza kuletwa katika mazingira ya kibiashara. Alama zinazoonekana sasa zinatumika kikamilifu kulinda hakimiliki ya faili tofauti za media, lakini zisizoonekana ni nadra sana. Lakini pia huamsha shauku kubwa zaidi.
Vipengee vya Usalama
Haionekani kwa wanadamu Alama za maji huunda mabaki mbalimbali ambayo yanaweza kuwa, kimsingi, yasiyoonekana kwa jicho la mwanadamu, na yanaweza kufunikwa kwenye picha kwa namna ya dots ndogo sana. Tutazingatia vitu vinavyoonekana, kwa kuwa vile visivyoonekana kwa jicho vinaweza kuwa nje ya nafasi ya rangi ya kawaida ya wachunguzi wengi. Vizalia hivi vina thamani mahususi kutokana na kiwango chao cha juu cha kutoonekana. Hata hivyo, haiwezekani kufanya CEHs zisizoonekana kabisa. Katika mchakato wa utekelezaji wao, aina fulani ya upotovu wa picha ya chombo huletwa kwenye picha, na aina fulani ya mabaki yanaonekana juu yake. Wacha tuzingatie aina 2 za vitu:
- Mzunguko
- Chaotic (imeletwa na ubadilishaji wa picha)
Vipengele vya mzunguko vinawakilisha mlolongo fulani wa kikomo wa vipengele vya kurudia ambavyo hurudiwa zaidi ya mara moja kwenye picha ya skrini (Mchoro 1).
Mabaki ya machafuko yanaweza kusababishwa na aina mbalimbali za mabadiliko ya picha iliyofunikwa (Mchoro 2), kwa mfano, kuanzishwa kwa hologramu.
Mchele. 1 Mabaki ya baiskeli
Mchele. 2 Mabaki ya Machafuko
Kwanza, hebu tuangalie chaguzi za kutambua mabaki ya mzunguko. Mabaki kama haya yanaweza kuwa:
- alama za maandishi zinazojirudia kwenye skrini
- mlolongo wa binary
- seti ya alama za machafuko katika kila seli ya gridi ya taifa
Vizalia vya programu vyote vilivyoorodheshwa hutumika moja kwa moja juu ya maudhui yanayoonyeshwa; ipasavyo, vinaweza kutambuliwa kwa kutambua upeo wa ndani wa histogram ya kila chaneli ya rangi na, ipasavyo, kukata rangi nyingine zote. Njia hii inajumuisha kufanya kazi na michanganyiko ya viwango vya ndani vya kila moja ya chaneli za histogramu. Shida iko kwenye utaftaji wa hali ya ndani katika picha ngumu kabisa na maelezo mengi ya mpito; histogram inaonekana sana, ambayo inafanya njia hii kutotumika. Unaweza kujaribu kutumia vichungi mbalimbali, lakini wataanzisha upotoshaji wao wenyewe, ambao unaweza kusababisha kutoweza kugundua watermark. Pia kuna chaguo la kutambua mabaki haya kwa kutumia vigunduzi fulani vya makali (kwa mfano, kigunduzi cha makali ya Canny). Mbinu hizi zina nafasi yake kwa vizalia vya programu ambavyo ni vikali sana katika mpito; vigunduzi vinaweza kuangazia mikondo ya picha na baadaye kuchagua safu za rangi ndani ya mtaro ili kufanya picha iwe mbichi ili kuangazia vizalia vya programu yenyewe, lakini mbinu hizi zinahitaji urekebishaji mzuri ili kuangazia mtaro unaohitajika, na vile vile uboreshaji unaofuata wa picha yenyewe ukilinganisha na rangi katika mtaro uliochaguliwa. Algorithms hizi zinachukuliwa kuwa haziaminiki kabisa na jaribu kutumia imara zaidi na huru ya aina ya vipengele vya rangi ya picha.
Mchele. 3 Watermark baada ya uongofu
Kuhusu mabaki ya machafuko yaliyotajwa hapo awali, algoriti za kuzitambua zitakuwa tofauti sana. Kwa kuwa uundaji wa mabaki ya machafuko huchukuliwa kwa kuweka watermark fulani kwenye picha, ambayo inabadilishwa na baadhi ya mabadiliko (kwa mfano, mabadiliko ya Fourier discrete). Vipengee kutoka kwa mabadiliko kama haya husambazwa kwenye skrini nzima na ni vigumu kutambua muundo wao. Kulingana na hili, watermark itakuwa iko katika picha katika mfumo wa "nasibu" mabaki. Utambuzi wa watermark kama hiyo huja chini ili kubadilisha moja kwa moja ya picha kwa kutumia kazi za ugeuzaji. Matokeo ya mabadiliko yanawasilishwa kwenye takwimu (Mchoro 3).
Lakini shida kadhaa huibuka ambazo huzuia utambuzi wa watermark katika hali duni kuliko bora. Kulingana na aina ya ubadilishaji, kunaweza kuwa na shida mbalimbali, kwa mfano, kutowezekana kwa utambuzi wa hati iliyopatikana kwa kupiga picha kwa pembe kubwa kuhusiana na skrini, au tu picha ya ubora duni, au picha ya skrini iliyohifadhiwa ndani. faili iliyo na ukandamizaji wa hasara kubwa. Shida hizi zote husababisha ugumu wa kutambua watermark; katika kesi ya picha iliyo na pembe, ni muhimu kutumia mabadiliko magumu zaidi au kutumia mabadiliko ya ushirika kwenye picha, lakini hakuna dhamana ya urejesho kamili wa watermark. Ikiwa tunazingatia kesi ya kukamata skrini, matatizo mawili hutokea: ya kwanza ni kupotosha wakati wa kuonyesha kwenye skrini yenyewe, pili ni kupotosha wakati wa kuokoa picha kutoka skrini yenyewe. Ya kwanza ni ngumu sana kudhibiti kwa sababu ya ukweli kwamba kuna matrices ya wachunguzi wa ubora tofauti, na kwa sababu ya kukosekana kwa rangi moja au nyingine, huingiza rangi kulingana na uwakilishi wao wa rangi, na hivyo kuanzisha upotovu kwenye watermark yenyewe. Ya pili ni ngumu zaidi, kwa sababu ya ukweli kwamba unaweza kuhifadhi picha ya skrini katika muundo wowote na, ipasavyo, kupoteza sehemu ya anuwai ya rangi, kwa hivyo, tunaweza kupoteza tu watermark yenyewe.
Matatizo ya utekelezaji
Katika ulimwengu wa kisasa, kuna algorithms nyingi za kuanzisha alama za maji, lakini hakuna inayohakikisha uwezekano wa 100% wa utambuzi zaidi wa watermark baada ya utekelezaji wake. Ugumu kuu ni kuamua seti ya hali ya uzazi ambayo inaweza kutokea katika kila kesi maalum. Kama ilivyoelezwa hapo awali, ni vigumu kuunda algorithm ya utambuzi ambayo itazingatia vipengele vyote vinavyowezekana vya kupotosha na majaribio ya kuharibu watermark. Kwa mfano, ikiwa kichujio cha Gaussian kinatumika kwa picha ya sasa, na vibaki kwenye picha asili vilikuwa vidogo sana na vikitofautiana dhidi ya mandharinyuma ya picha, basi itakuwa vigumu kuzitambua, au sehemu ya watermark itapotea. . Hebu fikiria kesi ya picha, kwa kiwango cha juu cha uwezekano itakuwa na moire (Mchoro 5) na "gridi" (Mchoro 4). Moire hutokea kwa sababu ya uwazi wa matrix ya skrini na uwazi wa matrix ya vifaa vya kurekodi; katika hali hii, picha mbili za mesh zimewekwa juu ya kila mmoja. Meshi ina uwezekano mkubwa wa kufunika vizalia vya awali vya watermark na kusababisha tatizo la utambuzi; moire, kwa upande wake, katika baadhi ya mbinu za upachikaji wa watermark hufanya isiwezekane kuitambua, kwa kuwa inapishana sehemu ya picha na watermark.
Mchele. 4 Gridi ya picha
Mchele. 5 Moire
Ili kuongeza kizingiti cha kutambua alama za maji, ni muhimu kutumia algorithms kulingana na mitandao ya neural ya kujifunza binafsi na katika mchakato wa operesheni, ambayo wenyewe watajifunza kutambua picha za watermark. Sasa kuna idadi kubwa ya zana na huduma za mtandao wa neva, kwa mfano, kutoka kwa Google. Ukipenda, unaweza kupata seti ya picha za marejeleo na ufundishe mtandao wa neva kutambua vibaki vya programu vinavyohitajika. Mbinu hii ina nafasi nzuri zaidi ya kutambua alama za alama zilizopotoshwa sana, lakini kwa utambuzi wa haraka unahitaji nguvu kubwa ya kompyuta na muda mrefu wa mafunzo kwa utambuzi sahihi.
Kila kitu kilichoelezewa kinaonekana kuwa rahisi sana, lakini kadiri unavyoingia kwenye maswala haya, ndivyo unavyoelewa zaidi kuwa ili kutambua alama za maji unahitaji kutumia muda mwingi kutekeleza algorithms yoyote, na hata wakati zaidi wa kuileta kwa uwezekano unaohitajika. kutambua kila picha.
Chanzo: mapenzi.com