Do trình độ phát triển của công nghệ thông tin không ngừng tăng lên, hàng năm tài liệu điện tử ngày càng trở nên tiện lợi và có nhu cầu sử dụng hơn và bắt đầu chiếm ưu thế so với các phương tiện truyền thông giấy truyền thống. Vì vậy, điều hết sức quan trọng là phải quan tâm kịp thời đến việc bảo vệ nội dung thông tin không chỉ trên các phương tiện truyền thông giấy truyền thống mà còn trên các tài liệu điện tử. Mọi công ty lớn có bí mật thương mại, nhà nước và các bí mật khác đều muốn ngăn chặn khả năng rò rỉ thông tin và xâm phạm thông tin mật, và nếu phát hiện rò rỉ, hãy thực hiện các biện pháp để ngăn chặn rò rỉ và xác định kẻ vi phạm.
Một chút về các tùy chọn bảo vệ
Để thực hiện các nhiệm vụ này, một số yếu tố bảo vệ nhất định được đưa vào. Các yếu tố như vậy có thể là mã vạch, thẻ hiển thị, thẻ điện tử, nhưng thú vị nhất là thẻ ẩn. Một trong những đại diện nổi bật nhất là hình mờ, chúng có thể được áp dụng trên giấy hoặc thêm vào trước khi in trên máy in. Không có gì bí mật khi máy in đặt hình mờ của riêng chúng (chấm vàng và các dấu khác) khi in, nhưng chúng tôi sẽ xem xét các đồ tạo tác khác có thể được đặt trên màn hình máy tính tại nơi làm việc của nhân viên. Những tạo phẩm như vậy được tạo ra bởi một gói phần mềm đặc biệt có chức năng vẽ các tạo tác lên trên không gian làm việc của người dùng, giảm thiểu khả năng hiển thị của các tạo tác đó và không can thiệp vào công việc của người dùng. Những công nghệ này có nguồn gốc xa xưa về mặt phát triển khoa học và các thuật toán được sử dụng để trình bày thông tin ẩn nhưng khá hiếm trong thế giới hiện đại. Cách tiếp cận này chủ yếu được áp dụng trong lĩnh vực quân sự và trên giấy tờ, để nhanh chóng xác định những nhân viên vô đạo đức. Những công nghệ này chỉ mới bắt đầu được đưa vào môi trường thương mại. Hình mờ hiển thị hiện đang được sử dụng tích cực để bảo vệ bản quyền của nhiều tệp phương tiện khác nhau, nhưng hình mờ ẩn khá hiếm. Nhưng chúng cũng khơi dậy sự quan tâm lớn nhất.
Hiện vật bảo mật
Vô hình đối với con người Hình mờ tạo thành nhiều tạo tác khác nhau, về nguyên tắc, có thể vô hình đối với mắt người và có thể được che trong hình ảnh dưới dạng các chấm rất nhỏ. Chúng ta sẽ xem xét các vật thể nhìn thấy được vì những vật thể không nhìn thấy được bằng mắt có thể nằm ngoài không gian màu tiêu chuẩn của hầu hết các màn hình. Những hiện vật này có giá trị đặc biệt do khả năng tàng hình cao. Tuy nhiên, không thể làm cho CEH hoàn toàn vô hình. Trong quá trình thực hiện, một loại biến dạng nhất định của hình ảnh vùng chứa sẽ được đưa vào hình ảnh và một số loại tạo tác xuất hiện trên đó. Hãy xem xét 2 loại đối tượng:
- theo chu kỳ
- Hỗn loạn (được giới thiệu bằng cách chuyển đổi hình ảnh)
Các phần tử tuần hoàn biểu thị một chuỗi hữu hạn nhất định các phần tử lặp lại được lặp lại nhiều lần trên hình ảnh màn hình (Hình 1).
Các tạo tác hỗn loạn có thể được gây ra bởi nhiều loại biến đổi khác nhau của hình ảnh được phủ (Hình 2), chẳng hạn như sự xuất hiện của ảnh ba chiều.
Cơm. 1 hiện vật đạp xe
Cơm. 2 cổ vật hỗn loạn
Trước tiên, chúng ta hãy xem xét các tùy chọn để nhận dạng các tạo phẩm tuần hoàn. Những đồ tạo tác như vậy có thể là:
- hình mờ văn bản lặp đi lặp lại trên màn hình
- chuỗi nhị phân
- một tập hợp các điểm hỗn loạn trong mỗi ô lưới
Tất cả các tạo phẩm được liệt kê đều được áp dụng trực tiếp lên trên nội dung được hiển thị; theo đó, chúng có thể được nhận dạng bằng cách xác định điểm cực trị cục bộ của biểu đồ của từng kênh màu và theo đó, cắt bỏ tất cả các màu khác. Phương pháp này liên quan đến việc làm việc với sự kết hợp của các điểm cực trị cục bộ của từng kênh biểu đồ. Vấn đề nằm ở việc tìm kiếm cực trị cục bộ trong một hình ảnh khá phức tạp với nhiều chi tiết chuyển tiếp sắc nét; biểu đồ trông rất răng cưa, khiến cho phương pháp này không thể áp dụng được. Bạn có thể thử áp dụng nhiều bộ lọc khác nhau, nhưng chúng sẽ tạo ra những biến dạng riêng, điều này cuối cùng có thể dẫn đến việc không thể phát hiện hình mờ. Ngoài ra còn có tùy chọn nhận dạng các tạo phẩm này bằng cách sử dụng một số bộ dò cạnh nhất định (ví dụ: bộ dò cạnh Canny). Các phương pháp này dành cho các tạo tác khá sắc nét trong quá trình chuyển đổi; máy dò có thể làm nổi bật các đường viền hình ảnh và sau đó chọn các phạm vi màu trong các đường viền để nhị phân hóa hình ảnh nhằm làm nổi bật hơn nữa các tạo tác, nhưng các phương pháp này yêu cầu tinh chỉnh khá tốt để làm nổi bật các tạo tác. các đường viền được yêu cầu, cũng như sự nhị phân hóa tiếp theo của chính hình ảnh so với màu sắc trong các đường viền đã chọn. Các thuật toán này được coi là khá không đáng tin cậy và cố gắng sử dụng ổn định và độc lập hơn với loại thành phần màu của hình ảnh.
Cơm. 3 Hình mờ sau khi chuyển đổi
Đối với các hiện vật hỗn loạn được đề cập trước đó, các thuật toán nhận dạng chúng sẽ hoàn toàn khác nhau. Vì sự hình thành của các tạo tác hỗn loạn được giả định bằng cách áp đặt một hình mờ nhất định lên hình ảnh, hình mờ này được biến đổi bởi một số phép biến đổi (ví dụ: biến đổi Fourier rời rạc). Các tạo tác từ các phép biến đổi như vậy được phân bổ trên toàn bộ màn hình và rất khó để xác định mô hình của chúng. Dựa trên điều này, hình mờ sẽ được định vị trên toàn bộ hình ảnh dưới dạng các tạo tác “ngẫu nhiên”. Việc nhận dạng hình mờ như vậy phụ thuộc vào việc chuyển đổi hình ảnh trực tiếp bằng cách sử dụng các hàm chuyển đổi. Kết quả của phép biến đổi được trình bày trong hình (Hình 3).
Tuy nhiên, một số vấn đề nảy sinh ngăn cản việc nhận dạng hình mờ trong điều kiện không lý tưởng. Tùy thuộc vào loại chuyển đổi, có thể có nhiều khó khăn khác nhau, ví dụ: không thể nhận dạng tài liệu thu được bằng cách chụp ảnh ở góc lớn so với màn hình hoặc đơn giản là ảnh có chất lượng khá kém hoặc ảnh chụp màn hình được lưu ở định dạng một tập tin có độ nén mất mát cao. Tất cả những vấn đề này dẫn đến sự phức tạp trong việc xác định hình mờ; trong trường hợp hình ảnh có góc cạnh, cần phải áp dụng các phép biến đổi phức tạp hơn hoặc áp dụng các phép biến đổi affine cho hình ảnh, nhưng không đảm bảo khôi phục hoàn toàn hình mờ. Nếu xét trường hợp chụp ảnh màn hình, có hai vấn đề nảy sinh: thứ nhất là biến dạng khi hiển thị trên chính màn hình, thứ hai là biến dạng khi lưu ảnh từ chính màn hình. Việc đầu tiên khá khó kiểm soát do có các ma trận dành cho các màn hình có chất lượng khác nhau và do không có màu này hoặc màu khác, chúng sẽ nội suy màu tùy thuộc vào cách thể hiện màu sắc của chúng, từ đó tạo ra các biến dạng cho hình mờ. Điều thứ hai thậm chí còn khó khăn hơn, do bạn có thể lưu ảnh chụp màn hình ở bất kỳ định dạng nào và do đó, mất một phần dải màu, do đó, chúng ta có thể đơn giản làm mất hình mờ.
Vấn đề thực hiện
Trong thế giới hiện đại, có khá nhiều thuật toán để giới thiệu hình mờ, nhưng không có thuật toán nào đảm bảo 100% khả năng nhận dạng thêm hình mờ sau khi thực hiện. Khó khăn chính là xác định tập hợp các điều kiện tái tạo có thể phát sinh trong từng trường hợp cụ thể. Như đã đề cập trước đó, rất khó để tạo ra một thuật toán nhận dạng có thể tính đến tất cả các đặc điểm có thể xảy ra như biến dạng và cố gắng làm hỏng hình mờ. Ví dụ: nếu bộ lọc Gaussian được áp dụng cho hình ảnh hiện tại và các thành phần giả trong ảnh gốc khá nhỏ và tương phản với nền của hình ảnh thì sẽ không thể nhận ra chúng hoặc một phần hình mờ sẽ bị mất . Hãy xem xét trường hợp của một bức ảnh, với khả năng cao là nó sẽ có moire (Hình 5) và “lưới” (Hình 4). Moire xảy ra do sự rời rạc của ma trận màn hình và sự rời rạc của ma trận của thiết bị ghi; trong tình huống này, hai hình ảnh lưới được chồng lên nhau. Lưới rất có thể sẽ che phủ một phần các tạo tác hình mờ và gây ra vấn đề nhận dạng; moire, đến lượt nó, trong một số phương pháp nhúng hình mờ khiến cho không thể nhận ra nó, vì nó chồng lên một phần của hình ảnh với hình mờ.
Cơm. 4 Lưới hình ảnh
Cơm. 5 Moire
Để tăng ngưỡng nhận dạng hình mờ, cần sử dụng các thuật toán dựa trên mạng nơ-ron tự học và trong quá trình hoạt động, chúng sẽ tự học cách nhận dạng hình mờ. Hiện nay có một số lượng lớn các công cụ và dịch vụ mạng thần kinh, chẳng hạn như từ Google. Nếu muốn, bạn có thể tìm một tập hợp các hình ảnh tham chiếu và dạy mạng lưới thần kinh nhận biết các tạo phẩm cần thiết. Cách tiếp cận này có cơ hội hứa hẹn nhất để xác định các hình mờ thậm chí có độ méo cao, nhưng để nhận dạng nhanh, nó đòi hỏi sức mạnh tính toán lớn và thời gian đào tạo khá dài để nhận dạng chính xác.
Mọi thứ được mô tả có vẻ khá đơn giản, nhưng càng đi sâu vào những vấn đề này, bạn càng hiểu rằng để nhận ra hình mờ, bạn cần dành nhiều thời gian để thực hiện bất kỳ thuật toán nào và thậm chí nhiều thời gian hơn để đưa nó đạt được xác suất cần thiết. nhận biết từng hình ảnh
Nguồn: www.habr.com