انفارمیشن ٹکنالوجی کی ترقی کی سطح میں مسلسل اضافے کی وجہ سے، ہر سال الیکٹرانک دستاویزات زیادہ آسان اور استعمال میں مانگ میں ہیں اور روایتی کاغذی میڈیا پر حاوی ہونے لگے ہیں۔ اس لیے نہ صرف روایتی کاغذی میڈیا بلکہ الیکٹرانک دستاویزات پر بھی معلومات کے مواد کی حفاظت پر بروقت توجہ دینا بہت ضروری ہے۔ تجارتی، ریاستی اور دیگر راز رکھنے والی ہر بڑی کمپنی معلومات کے ممکنہ لیک ہونے اور خفیہ معلومات کے سمجھوتہ کو روکنا چاہتی ہے، اور اگر کسی لیک کا پتہ چل جاتا ہے، تو لیک کو روکنے کے لیے اقدامات کریں اور خلاف ورزی کرنے والے کی شناخت کریں۔
تحفظ کے اختیارات کے بارے میں تھوڑا سا
ان کاموں کو انجام دینے کے لیے، بعض حفاظتی عناصر متعارف کرائے جاتے ہیں۔ اس طرح کے عناصر بارکوڈ، مرئی ٹیگ، الیکٹرانک ٹیگ ہو سکتے ہیں، لیکن سب سے زیادہ دلچسپ پوشیدہ ٹیگ ہیں۔ سب سے زیادہ متاثر کن نمائندوں میں سے ایک واٹر مارکس ہیں؛ انہیں کاغذ پر لگایا جا سکتا ہے یا پرنٹر پر پرنٹ کرنے سے پہلے شامل کیا جا سکتا ہے۔ یہ کوئی راز نہیں ہے کہ پرنٹرز پرنٹ کرتے وقت اپنے واٹر مارکس (پیلے رنگ کے نقطے اور دیگر نشانات) لگاتے ہیں، لیکن ہم دیگر نمونوں پر غور کریں گے جو کسی ملازم کے کام کی جگہ پر کمپیوٹر اسکرین پر رکھے جا سکتے ہیں۔ اس طرح کے نمونے ایک خاص سوفٹ ویئر پیکج کے ذریعے تیار کیے جاتے ہیں جو صارف کے کام کی جگہ کے اوپری حصے پر نمونے کھینچتے ہیں، خود نمونے کی مرئیت کو کم کرتے ہوئے اور صارف کے کام میں مداخلت کیے بغیر۔ سائنسی ترقیات اور پوشیدہ معلومات کو پیش کرنے کے لیے استعمال کیے جانے والے الگورتھم کے لحاظ سے ان ٹیکنالوجیز کی جڑیں قدیم ہیں، لیکن جدید دنیا میں یہ بہت کم ہیں۔ یہ نقطہ نظر بنیادی طور پر فوجی میدان میں اور کاغذ پر پایا جاتا ہے، بےایمان ملازمین کی فوری شناخت کے لیے۔ یہ ٹیکنالوجیز ابھی تجارتی ماحول میں متعارف ہونے لگی ہیں۔ مرئی واٹر مارکس اب مختلف میڈیا فائلوں کے کاپی رائٹ کے تحفظ کے لیے فعال طور پر استعمال کیے جا رہے ہیں، لیکن غیر مرئی والے بہت کم ہیں۔ لیکن وہ سب سے زیادہ دلچسپی بھی پیدا کرتے ہیں۔
حفاظتی نمونے
انسانوں کے لیے غیر مرئی واٹر مارکس مختلف نمونے بناتے ہیں جو اصولی طور پر انسانی آنکھ کے لیے پوشیدہ ہو سکتے ہیں اور بہت چھوٹے نقطوں کی شکل میں تصویر میں نقاب پوش ہو سکتے ہیں۔ ہم نظر آنے والی اشیاء پر غور کریں گے، کیونکہ جو آنکھوں سے پوشیدہ ہیں وہ زیادہ تر مانیٹر کے معیاری رنگ کی جگہ سے باہر ہو سکتے ہیں۔ یہ نمونے اپنی اعلیٰ درجے کی غیر مرئی ہونے کی وجہ سے خاص اہمیت کے حامل ہیں۔ تاہم، CEHs کو مکمل طور پر پوشیدہ بنانا ناممکن ہے۔ ان کے نفاذ کے عمل میں، تصویر میں کنٹینر کی تصویر کی ایک خاص قسم کی تحریف کو متعارف کرایا جاتا ہے، اور اس پر کچھ قسم کے نمونے ظاہر ہوتے ہیں۔ آئیے اشیاء کی 2 اقسام پر غور کریں:
- چکراتی
- افراتفری (تصویر کی تبدیلی کے ذریعہ متعارف کرایا گیا)
چکراتی عناصر دہرائے جانے والے عناصر کی ایک مخصوص محدود ترتیب کی نمائندگی کرتے ہیں جو اسکرین امیج پر ایک سے زیادہ بار دہرائے جاتے ہیں (تصویر 1)۔
افراتفری کے نمونے اوورلیڈ امیج (تصویر 2) کی مختلف قسم کی تبدیلیوں کی وجہ سے ہو سکتے ہیں، مثال کے طور پر، ہولوگرام کا تعارف۔
چاول۔ 1 سائیکلنگ کے نمونے
چاول۔ 2 افراتفری کے نمونے
سب سے پہلے، آئیے چکراتی نمونوں کو پہچاننے کے اختیارات کو دیکھتے ہیں۔ اس طرح کے نمونے ہو سکتے ہیں:
- متن کے واٹر مارکس اسکرین پر دہرائے جاتے ہیں۔
- بائنری ترتیب
- ہر گرڈ سیل میں افراتفری والے پوائنٹس کا ایک سیٹ
تمام درج کردہ نمونے براہ راست دکھائے گئے مواد کے اوپر لگائے جاتے ہیں؛ اس کے مطابق، ہر رنگ چینل کے ہسٹوگرام کے مقامی ایکسٹریما کی شناخت کر کے اور اس کے مطابق، دیگر تمام رنگوں کو کاٹ کر ان کی شناخت کی جا سکتی ہے۔ اس طریقہ کار میں ہسٹوگرام چینلز میں سے ہر ایک کی مقامی انتہاؤں کے امتزاج کے ساتھ کام کرنا شامل ہے۔ مسئلہ ایک کافی پیچیدہ تصویر میں مقامی انتہا کی تلاش پر منحصر ہے جس میں بہت سی تیزی سے منتقلی کی تفصیلات ہیں؛ ہسٹوگرام بہت سا ٹوتھ لگ رہا ہے، جو اس نقطہ نظر کو ناقابل عمل بناتا ہے۔ آپ مختلف فلٹرز لگانے کی کوشش کر سکتے ہیں، لیکن وہ اپنی تحریفات متعارف کرائیں گے، جو بالآخر واٹر مارک کا پتہ لگانے میں ناکامی کا باعث بن سکتے ہیں۔ ان نمونوں کو کچھ ایج ڈٹیکٹر (مثال کے طور پر، کینی ایج ڈیٹیکٹر) کا استعمال کرتے ہوئے پہچاننے کا آپشن بھی موجود ہے۔ یہ نقطہ نظر ان نمونوں کے لیے اپنی جگہ رکھتے ہیں جو منتقلی میں کافی تیز ہوتے ہیں؛ ڈٹیکٹر تصویر کی شکل کو نمایاں کر سکتے ہیں اور بعد ازاں تصویر کو بائنرائز کرنے کے لیے رنگ کی حدود کو منتخب کر سکتے ہیں تاکہ خود نمونے کو مزید نمایاں کیا جا سکے، لیکن ان طریقوں کو نمایاں کرنے کے لیے کافی ٹھیک ٹیوننگ کی ضرورت ہوتی ہے۔ مطلوبہ شکلیں، نیز منتخب شکلوں میں رنگوں کی نسبت خود تصویر کی بائنرائزیشن۔ یہ الگورتھم کافی ناقابل اعتبار سمجھے جاتے ہیں اور تصویر کے رنگ کے اجزاء کی قسم سے زیادہ مستحکم اور آزاد استعمال کرنے کی کوشش کرتے ہیں۔
چاول۔ 3 تبدیلی کے بعد واٹر مارک
جہاں تک پہلے ذکر کیے گئے افراتفری کے نمونوں کا تعلق ہے، ان کو پہچاننے کے الگورتھم یکسر مختلف ہوں گے۔ چونکہ افراتفری کے نمونے کی تشکیل تصویر پر ایک مخصوص آبی نشان لگا کر فرض کی جاتی ہے، جو کچھ تبدیلیوں (مثال کے طور پر، مجرد فوئیر ٹرانسفارم) سے تبدیل ہوتی ہے۔ اس طرح کی تبدیلیوں کے نمونے پوری اسکرین پر تقسیم کیے جاتے ہیں اور ان کے پیٹرن کو پہچاننا مشکل ہوتا ہے۔ اس کی بنیاد پر، واٹر مارک پوری تصویر میں "بے ترتیب" نمونے کی شکل میں موجود ہوگا۔ اس طرح کے واٹر مارک کی پہچان ٹرانسفارمیشن فنکشنز کا استعمال کرتے ہوئے براہ راست تصویری تبدیلی پر آتی ہے۔ تبدیلی کا نتیجہ تصویر میں پیش کیا گیا ہے (تصویر 3)۔
لیکن بہت سے مسائل پیدا ہوتے ہیں جو مثالی حالات سے کم میں واٹر مارک کی شناخت کو روکتے ہیں۔ تبادلوں کی قسم پر منحصر ہے، مختلف مشکلات ہو سکتی ہیں، مثال کے طور پر، اسکرین سے متعلق کسی بڑے زاویے پر تصویر کھینچ کر حاصل کی گئی دستاویز کی شناخت کا ناممکن، یا صرف اس کے بجائے ناقص معیار کی تصویر، یا اسکرین کیپچر میں محفوظ کیا گیا ہائی نقصان کمپریشن کے ساتھ ایک فائل. یہ تمام مسائل واٹر مارک کی شناخت میں پیچیدگی کا باعث بنتے ہیں؛ زاویہ والی تصویر کی صورت میں، یہ ضروری ہے کہ یا تو زیادہ پیچیدہ تبدیلیاں لاگو کی جائیں یا تصویر پر affine تبدیلیاں لاگو کی جائیں، لیکن نہ ہی واٹر مارک کی مکمل بحالی کی ضمانت دیتا ہے۔ اگر ہم اسکرین کیپچر کے معاملے پر غور کریں تو دو مسائل پیدا ہوتے ہیں: پہلی اسکرین پر ہی ڈسپلے کرتے وقت مسخ ہوتا ہے، دوسرا تصویر کو اسکرین سے محفوظ کرتے وقت مسخ ہوتا ہے۔ پہلے کو کنٹرول کرنا کافی مشکل ہے اس حقیقت کی وجہ سے کہ مختلف کوالٹی کے مانیٹروں کے لیے میٹرکس موجود ہیں، اور ایک یا دوسرے رنگ کی عدم موجودگی کی وجہ سے، وہ رنگ کو ان کے رنگوں کی نمائندگی کے لحاظ سے جوڑ دیتے ہیں، اس طرح واٹر مارک میں ہی بگاڑ پیدا ہوتا ہے۔ دوسرا اور بھی مشکل ہے، اس حقیقت کی وجہ سے کہ آپ اسکرین شاٹ کو کسی بھی فارمیٹ میں محفوظ کر سکتے ہیں اور، اس کے مطابق، رنگ کی حد کا کچھ حصہ کھو سکتے ہیں، لہذا، ہم صرف واٹر مارک کو ہی کھو سکتے ہیں۔
نفاذ کے مسائل
جدید دنیا میں، واٹر مارکس کو متعارف کرانے کے لیے کافی الگورتھم موجود ہیں، لیکن کوئی بھی اس کے نفاذ کے بعد واٹر مارک کی مزید شناخت کے 100% امکان کی ضمانت نہیں دیتا۔ اصل مشکل تولیدی حالات کے سیٹ کا تعین کرنا ہے جو ہر مخصوص معاملے میں پیدا ہو سکتی ہے۔ جیسا کہ پہلے ذکر کیا گیا ہے، ایک شناختی الگورتھم بنانا مشکل ہے جو تحریف کی تمام ممکنہ خصوصیات اور واٹر مارک کو نقصان پہنچانے کی کوششوں کو مدنظر رکھے۔ مثال کے طور پر، اگر موجودہ تصویر پر گاوسی فلٹر لگایا جاتا ہے، اور اصل تصویر میں موجود نمونے کافی چھوٹے تھے اور تصویر کے پس منظر سے متضاد تھے، تو پھر یا تو انہیں پہچاننا ناممکن ہو جاتا ہے، یا واٹر مارک کا کچھ حصہ کھو جائے گا۔ . آئیے ایک تصویر کے معاملے پر غور کریں، اس میں بہت زیادہ امکان کے ساتھ موئیر (تصویر 5) اور ایک "گرڈ" (تصویر 4) ہوگا۔ موئر اسکرین میٹرکس کی مجرد پن اور ریکارڈنگ کے سامان کے میٹرکس کی صریح پن کی وجہ سے ہوتا ہے؛ اس صورت حال میں، دو میش امیجز ایک دوسرے پر لگائی جاتی ہیں۔ جال غالباً جزوی طور پر واٹر مارک کے نمونے کو ڈھانپ دے گا اور شناخت میں دشواری کا سبب بنے گا؛ موئیر، بدلے میں، کچھ واٹر مارک سرایت کرنے کے طریقوں سے اسے پہچاننا ناممکن ہو جاتا ہے، کیونکہ یہ تصویر کے کچھ حصے کو واٹر مارک کے ساتھ اوورلیپ کر دیتا ہے۔
چاول۔ 4 تصویری گرڈ
چاول۔ 5 موئر
واٹر مارکس کو پہچاننے کی حد کو بڑھانے کے لیے، خود سیکھنے والے نیورل نیٹ ورکس پر مبنی الگورتھم کا استعمال کرنا ضروری ہے اور آپریشن کے عمل میں، جو خود واٹر مارک کی تصاویر کو پہچاننا سیکھیں گے۔ اب نیورل نیٹ ورک ٹولز اور سروسز کی ایک بڑی تعداد موجود ہے، مثال کے طور پر، گوگل سے۔ اگر آپ چاہیں تو، آپ حوالہ جات کی تصاویر کا ایک سیٹ تلاش کر سکتے ہیں اور اعصابی نیٹ ورک کو ضروری نمونوں کو پہچاننا سکھا سکتے ہیں۔ اس نقطہ نظر میں انتہائی مسخ شدہ واٹر مارکس کی بھی شناخت کرنے کے سب سے زیادہ امید افزا امکانات ہیں، لیکن فوری شناخت کے لیے اسے بڑی کمپیوٹنگ طاقت اور درست شناخت کے لیے کافی طویل تربیتی مدت درکار ہوتی ہے۔
بیان کردہ ہر چیز کافی آسان معلوم ہوتی ہے، لیکن آپ ان مسائل میں جتنا گہرائی میں جائیں گے، اتنا ہی زیادہ آپ سمجھیں گے کہ واٹر مارکس کو پہچاننے کے لیے آپ کو کسی بھی الگورتھم کو لاگو کرنے میں بہت زیادہ وقت صرف کرنا ہوگا، اور اس سے بھی زیادہ وقت اسے مطلوبہ امکان تک پہنچانے میں صرف کرنا ہوگا۔ ہر تصویر کو پہچاننا۔
ماخذ: www.habr.com