Исследование метода аутентификации двоичных изображений при помощи технологии ЦВЗ презентация

Исследование метода аутентификации двоичных изображений при помощи технологии ЦВЗ Д.т.н., проф. Коржик В.И. Студентка группы ИКТЗ-23 Тришневская И.А.

Идея метода Разделяем двоичное изображение (ДИ) на блоки 3х3 пикселя X = (xij) 1≤i, j ≤3, где xij = 1, если ij-пиксель черный и xij = 0, если ij-пиксель белый Определяем дискриминационное отображениеd: X → d(X) Определяем обратную операцию – flipping – инвертирование центрального пикселя f: X → f(X) = Y = (yij) 1≤i, j ≤3 Определяем 3 типа областей: Регулярные R = {X | d(X) ≠ 0 & d(f(X)) > d(X)} Сингулярные S = {X | d(f(X)) ≠ 0 & d(f(X)) < d(X)} Неиспользуемые U = {X | d(X) = 0 or d(f(X)) = 0 or d(f(X)) = d(X)}

Формируем RSU-последовательность σ и назначаем R-область 1, S-область 0, U-область – nil Формируем RSU-последовательность σ и назначаем R-область 1, S-область 0, U-область – nil Удаляем из последовательности nil-области Сжимаем {0,1}-последовательность (используем сжатие без потерь – адаптированное арифметическое кодирование) Формируем код идентификации сообщения (message authentication code – MAC) – последовательность двоичных символов, полученных из ДИ криптографическим алгоритмом (длинна 64-256 бит) Проверяем, можно ли добавить MAC к сжатой последовательности Если nT – nC ≥ n0, дописываем после сжатой последовательности MAC nT – общее число R и S областей, nC – длина сжатой последовательности, n0 – длина MAC Трансформируем {0,1}-последовательность в RS. (U-области сохраняются неизменными) Если элементы полученной последовательности и исходной не совпадают, меняем значение центрального пикселя в соответствующих областях.

Проверка подлинности Дано ДИ с вложенным MAC. Формируем RSU-последовательность и назначаем 1, 0 и nil, как при вложении {0,1}-битный поток разделяем на МАС и сжатый {R,S}-вектор. Декодируем последовательность Изображение обрабатывается с целью регулирования состояния всех R и S областей, инвертируя, если это необходимо, центральный пиксель в исходное положение. Таким образом мы получаем точную копию исходного сообщения Формируем МАС, соответствующий полученному изображению и сравниваем с извлеченным в п.2 Если МАС совпадают, значит ДИ подлинное

Арифметическое кодирование Арифметическое кодирование (Arithmetic coding) — алгоритм сжатия информации без потерь, который при кодировании ставит в соответствие тексту вещественное число из отрезка [0;1). Данный метод (как и алгоритм Хаффмана) является энтропийным т.е. длина кода конкретного символа зависит от частоты встречаемости этого символа в тексте. Арифметическое кодирование показывает более высокие результаты сжатия, чем алгоритм Хаффмана, для данных с неравномерными распределениями вероятностей кодируемых символов. При кодировании алгоритму передается только текст для кодирования При декодировании алгоритму передается закодированный текст и длина исходного текста

Кодирование Рассмотрим отрезок [0,1) на координатной прямой Поставим каждому символу текста в соответствие отрезок, длина которого равна частоте его появления. Считаем символ из входного потока и рассмотрим отрезок, соответствующий этому символу. Этот отрезок разделим на части, пропорциональные частотам встречаемости символов. Повторим пункт (3) до конца входного потока. Выберем любое число из получившегося отрезка. Это и будет результат арифметического кодирования.

Декодирование Выберем на отрезке [0, 1), разделенном на части, длины которых равны вероятностям появления символов в тексте, подотрезок, содержащий входное вещественное число. Символ, соответствующий этому подотрезку, дописываем в ответ. Нормируем подотрезок и вещественное число. Повторим п. (1-2) до тех пор, пока не получим ответ (до конца файла).

Результаты исследования

Выводы по таблице АК дает нам достаточно места для аутентификатора Меньше всего подходят для вложений пёстрые и зашумленные изображения Больше места для вложения дают более однотонные и четкие изображения Чаще всего в изображении доступно для вложения 64-500 бит (стандартный аутентификатор 64-128 бит) Около 18% изображений из исследуемой базы непригодны для вложения стандартного аутентификатора

Текстурность изображения n1, n2 – размер изображения - область 2х2 пикселя, где ij – координаты области, k – k-ый пиксель области Вывод: связи между текстурностью изображения и количеством освобождаемых бит не выявлено

Итоги Изучено арифметическое кодирование. Реализован адаптивный кодер на Java Произведен расчет количества R, S и U областей, количество освобождаемых после кодирования бит и значения текстурности для 100 изображений Написан код на Java для автоматизации данного процесса Исследована связь между значением текстурности и количеством свободных для вложения бит. Связи не установлено

Перспективы Реализация добавления аутентификатора к двоичному изображению Улучшение метода Установление связи между параметрами изображения и его пригодностью для вложения аутентификатора

Список литературы Valery Korzhik, Guillermo Morales-Luna and Michail Zubarev “Distortion Free Exact Authentication of Binary Images” journal of latex class files, vol.6, no. 1, January 2007 Valery Korzhik, Guillermo Morales-Luna, Ivan Fedyanin “Using Generalized Viterbi Algorithm to Perform Highly Effective Stegosystem for Images” Б.Д.Кудряшов учебник для вузов «Теория информации» 2009г