CC BY
30
Доклады БГУИР
2016 № 6 (100) УДК 343.98
МЕТОД КОНТЕНТНО-ЗАВИСИМОГО МАРКИРОВАНИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ БЕЗОПАСНОЙ ВИЗУАЛЬНОЙ СХЕМЫ РАЗДЕЛЕНИЯ СЕКРЕТА
А.А. БОРИСКЕВИЧ
Белорусский государственный университет информатики и радиоэлектроники П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 29 июля 2016
Разработан метод контентно-зависимого маркирования изображений без внедрения цифрового водяного знака (ЦВЗ), основанный на визуальной схеме разделения секрета (ВСРС), позволяющей шифровать ЦВЗ в виде шумоподобных секретного и пуличного теневых изображений с помощью бинарных контентно-зависимых вейвлет-образов с визуально значимыми признаками и кодовой таблицы и восстанавливать ЦВЗ посредством выполнения логической операции (И, ИЛИ или исключающее ИЛИ) над секретным и публичным теневыми изображениями. Представлены результаты компьютерного моделирования.
Ключевые слова: визуальная схема, разделение секрета, бинарный контентно-зависимый вейвлет-образ.
Введение
В настоящее время одним из эффективных средств защиты мультимедийной информации является технология ЦВЗ - встраивание в защищаемый объект невидимых идентификационных меток, которые позволяют контролировать использование и распространение маркированного мультимедийного контента [1-3] Современные информационные технологии облегчают дублирование, манипуляции и распространение цифрового контента (изображения, видео и аудио). Реализация технологии защиты мультимедийного контента требует решения ряда сложных проблем: перцептуальная и статистическая незаметность ЦВЗ, устойчивость к контентно-сохраняющим воздействиям. Технология ЦВЗ наиболее подвержена коалиционным атакам [3] целью которых является генерация такой версии контента, которая не содержит идентификационной информации о пользователях или эта информация не может быть восстановлена. В свою очередь, в космических и медицинских системах не допускаются какие-либо изменения спутниковых и медицинских изображений [3, 4], которые могут повлиять на точность визуально значимой информации. В связи с этим актуальной проблемой является разработка технологий маркирования, основанных на принципах визуальной криптографии, удовлетворяющих повышенным требованиям безопасности данных и не подвергающих искажениям защищаемое изображение [5-7].
Метод контентно-зависимого вейвлет-маркирования изображений
Одним из эффективных решений проблемы робастного маркирования без искажений защищаемого изображения является использование визуальной схемы разделения секрета (ВСРС(к = 2, п = 2)) [7], в которой ЦВЗ шифруется в виде п = 2 шумоподобных теневых изображений (частичных секретов) с помощью бинарных контентно-зависимых изображений с визуально значимыми признаками и кодовой таблицы и восстанавливается с помощью к = 2 теневых изображений (ТИ). Участниками при использовании схемы ВСРС (2,2) в системе
защиты авторских прав на контент (рис. 1) являются владельцы, имеющие права на контент защищаемого изображения, удостоверяющий центр, который разрешает споры посредством проверки авторских прав на изображение, и нарушитель, который модифицирует изображение для уменьшения вероятности восстановления ЦВЗ. Удостоверяющий центр генерирует личное шумоподобное бинарное ТИ, несущее информацию о защищаемом изображении, ЦВЗ и секретном ключе владельца контента. Личные ТИ и ЦВЗ регистрируются удостоверяющим центром. Для выявления нарушения цифровых прав владельца и незаконного распространения публичное ТИ извлекается из защищенного изображения. Бинарный ЦВЗ извлекается посредством выполнения логической операции (И (AND), ИЛИ (OR), исключающее ИЛИ (XOR)) над секретным и публичным ТИ.
Рис. 1. Блок-схема контентно-зависимого вейвлет-маркирования изображений на основе визуальной схемы разделения секрета
Для увеличения устойчивости к контентно-неизменяющимся воздействиям (сжатие, фильтрации, аддитивный шум и другие) предлагается метод, основанный на выборе параметров элементов кодовой таблицы (табл. 1) и увеличения количество кодируемых пикселов ЦВЗ до двух (табл. 2), т.е. ВСРС (2,2) с т = 2 без расширения ТИ с использованием метрик их качества.
Таблица 1. Параметры компонентов кодовой таблицы ВСРС (2, 2)
Основные компоненты ВСРС (2, 2) Параметры компонентов ВСРС (2, 2)
Исходное защищаемое изображение, бинарные изображения Метрики качества, локально-глобальные статистические параметры, количество уровней вейвлет-декомпозиции, секретный ключ
ЦВЗ Размер блока кодируемых пикселов ЦВЗ, вероятности выбора строки (столбца) с кодовыми блоками
Кодовые блоки Количество черно-белых пикселов кодового блока, равенство вероятностей появления черных и белых пикселов кодового блока, равенство вероятностей использования кодовых блоков
Теневые изображения (ТИ) Пороговое к и максимальное n количество теневых изображений, показатели качества ТИ
Восстановление ЦВЗ Типы операций AND, OR, XOR, контраст и размер
Таблица 2. Кодовая таблица ВСРС (2,2) с кодовыми блоками размером 1хш(от = 2)
Пара пикселов ЦВЗ Бинарный контентно-зависимый вейвлет-образ Пара пикселов ТИ 1 Пара пикселов ТИ 2 Пара пикселов восстановленного ЦВЗ
00 Чет (01,10) 0 10 10 10
1 01 01 01
Нечет (01, 10) 11 0 10 01 11
1 01 10 11
Для обеспечения безопасности ТИ предложена процедура, основанная на увеличении количества одновременно кодируемых пикселов ЦВЗ до двух (т = 2), равное количеству пикселов кодового блока, при сохранении размеров восстановления ЦВЗ, то есть без расширения его размеров, и вычислении количества появлений каждой пары пикселов 01 и 10 в ЦВЗ. Предложенная кодовая таблица ВСРС (табл. 2) характеризуется множеством параметров (к = 2, п = 2, т = 2, а = 1/2*"1, рг, рев, рвш) (табл. 1). Параметр а определяет контраст восстановленного ЦВЗ. Предложенная кодовая таблица позволяет обеспечить
(БЩг (m, n), Ks) =<
(1)
максимальный уровень безопасности информации в понятиях трех критериев качества визуального шифрования: равенство вероятностей pr выбора строк кодовой таблицы, содержащих различные кодовые блоки ТИ для шифрования пары пикселов ЦВЗ, равенство вероятностей pbw появления черных и белых пикселов кодового блока и равенство вероятностей рев использования кодовых блоков.
Существуют алгоритмы бинарных контентно-зависимых вейвлет-образов [8, 9], формируемые с помощью операции сравнения текущего вейвлет-коэффициента со значениями вейвлет-признака, вычисленными с помощью низкочастотных и среднечастотных вейвлет-коэффициентлв защищаемого изображения, что не обеспечивает требуемую безопасность ВСРС. Для повышения устойчивости к широкому спектру преднамеренных и непреднамеренных воздействий синтез бинарных контентно-зависимых вейвлет-образов Бщ = ((БщХт, n), Ks )) осуществляется с помощью соотношения
[1 при locf(Ks, сЩ1 (т n)) > glob f (сщ (т n)), [о при locf(Ks, сЩг (т n)) < glob f (cLLj (m n)) где loc f (•) и glob f (•) - локальный и глобальный операторы обработки, определяющие вейвлет-признаки в окрестности определенного размера (3x3, 5x5 и 7x7) с центром в псевдослучайной г -й позиции j -го низкочастотного LLj поддиапазона значений c (m, n) вейвлет-коэффициентов защищаемого изображения; j - индекс уровня вейвлет-разложения; Ks - секретный ключ владельца.
В качестве локальных и глобальных вейвлет-признаков предлагается использовать локальное среднее значение loccLLji (т, n) = (2k + 1)(2l +1)_1 ^1^_1\cLZJi (m, n)|, значение
медианы locmed (| ^ß(m, n)|) в окрестности размером (2k + 1)(2/ +1) или значение низкочастотного вейвлет-коэффициента (m, n) с центром в i -й псевдослучайной позиции LLj низкочастотного поддиапазона защищаемого изображения j -го уровня вевйлет-разложения, генерируемой псевдослучайным генератором с помощью секретного ключа, и глобальные среднее арифметическое значение globaverage(|^(m, n)|) и значение медианы
globmed(|n)|) в пределах LLj низкочастотного диапазона.
На рис. 2 представлены бинарные контентно-зависимые вейвлет-образы для различных локально-глобальных статистических параметров низкочастотного поддиапазона LL одноуровневой вейвлет-матрицы изображения France с использованием вейвлет-функции Haar.
шшт
а б
Рис. 2. Бинарные контентно-зависимые вейвлет-образы защищаемого изображения (France) для различных локально-глобальных статистических параметров низкочастотного поддиапазона: а, б - локально-глобальные средние значения (ЛГС) и значения медианы (ЛГМ) низкочастотных вейвлет-коэффициентов; в - значения низкочастотных вейвлет-коэффициентов и глобальное значение медианы (ГМ) низкочастотных вейвлет-коэффициентов
Следует отметить, что безопасность схемы ВСРС зависит от соотношения вероятностией появления нулей и единиц в бинарных контентно-зависимых вейвлет-образов Бщ = ((Б^(т, n), Ks)) кодовой книги ВСРС (табл. 2).
Результаты моделирования
В табл. 3 и 4 приведены оценки свойств бинарных контентно-зависимых вейвлет-образов для различных изображений размером 512^512 c использованием вейвлет-функции Haar.
Таблица 3. Оценка энтропии бинарных контентно-зависимых вейвлет-образов для одноуровневого уровня вейвлет-разложения различных полуионовых изображений
Вейвлет-признаки Lena Barbara Baboon France
ГМ3 маска 3x3 0,999682 0,999928 0,999864 0,999772
ГМ5 маска 5x5 0,999995 0,999875 0,999864 0,999324
ГМ7 маска 7x7 0,999815 0,999546 0,999864 0,999324
ЛГС3 маска 3x3 0,996153 0,999594 0,999910 0,996140
ЛГС5 маска 5x5 0,997742 0,999973 0,999978 0,997866
ЛГС7 маска 7x7 0,997680 0,999997 0,999952 0,997892
ЛГМ3 маска 3x3 0,998871 0,994998 0,981232 0,992725
ЛГМ5 маска 5x5 0,999474 0,999297 0,997550 0,999804
ЛГМ7 маска 7x7 0,999825 0,999996 0,999150 0,999999
Таблица 4. Оценка коэффициента межпиксельной корреляции бинарных контентно-зависимых вейвлет-образов для трех уровней вейвлет-разложения полутонового изображения France
Вейвлет-признаки 1-й уровень 2-й уровень 3-й уровень
ГМ3 маска 3x3 0,669 0,509 0,394
ГМ5 маска 5x5 0,673 0,509 0,375
ГМ7 маска 7x7 0,673 0,521 0,379
ЛГС3 маска 3x3 0,0003 0,0076 0,0088
ЛГС5 маска 5x5 0,0054 0,0105 0,030
ЛГС7 маска 7x7 0,00302 0 0,0176
ЛГМ3 маска 3x3 0,00035 0,002 0,027
ЛГМ5 маска 5x5 0,006 0,0009 0,016
ЛГМ7 маска 7x7 0,0019 0,004 0,009
Из табл. 3 и 4 следует, что энтропия для бинарных контентно-зависимых вейвлет-образов, полученных из изображений размером 512^512 (Lena, Barbara, Baboon, France), почти не зависит от типа изображений, принимает значения не меньше 0,99 и достигает максимальных значений 0,999999 для использования ЛГМ вейвлет-признака (маска 7x7). Выявлено, небольшое влияние размера окрестности на увеличение энтропии и малое влияние уровня вейвлет-разложения на бинарную энтропию. Определено, что локально-глобальные алгоритмы обеспечивают минимизацию коэффициента корреляции для изображения France (от 0,0005 до 0,007) для первого и второго уровней вейвлет-разложения. В свою очередь, использование ГМ вейвлет-признака сохраняет максимальный коэффициент корреляции от 0,3 до 0,7 в зависимости от уровня вейвлет-разложения. На рис. 3 представлены результаты синтеза ТИ и восстановления ЦВЗ в виде личной
подписи владельца контента и QR кода с использованием ВСРС (2,2) с т = 2 без расширения (табл. 2) и бинарных контентно-зависимых вейвлет-образов на основе локально-глобальных значений медианы низкочастотных вейвлет-коэффициентов.
еж з и к
Рис. 3. Визуальное шифрование и восстановление ЦВЗ на основе ВСРС (2,2) с т = 2 без расширения: а, е - защищаемое изображение; б, ж - теневые изображения 1; в, з - теневые изображения 2; г, и - восстановленные ЦВЗ (операция OR); д, к - восстановленные ЦВЗ (операция ХОR)
Для оценки защищенности маркированных изображений (табл. 5) использованы коэффициент гХс1у) межпиксельной (вертикальной, диагональной и горизонтальной) корреляции [10] и информационная энтропия Н бинарных ТИ: (/) = СОУ (у)
х,у = 4Щх)-ТШ' (2)
Н = -р1^2 р - (1-р)\О%2(1-р), (3)
где соу(х, у) = И1 хь. - Е (х))(уи - Е, (у)) - среднее значение ковариации пар 1-го типа
¡=1
значений соседних пикселов Хц и Уц ТИ; I = {У, Н, О} - тип вертикальных V,
n
горизонтальных Н и диагональных В пар соседних пикселов ТИ; Е1 (х) = N 1 ^ х^ и
¡=1
n
А (х) = N хи - е1(х)) - среднее значение и дисперсия значений пикселов Х1 . ТИ для ¡=1 ' пар 1-го типа; 1 и N - индекс и количество пар соседних пикселов, случайно выбранных из ТИ и равное 1000; р и (1-р) - вероятности появления значений черных и белых пикселов ТИ соответственно.
Таблица 5. Оценка эффективности визуального шифрования WDP на основе ВСРС (2,2) с кодовыми блоками
размером 1*т(ш = 2) и 2^2 (т = 4)
Метрики качества ТИ Личная подпись QR-код
m = 2 m = 4 m = 2 m = 4
расшифровано не расшифровано расшифровано расшифровано не расшифровано расшифровано
Hs 1,000 1,000 0,9999 1,0000 1,0000 0,9999
r(i) x y 0,4985 0,0769 0,1639 0,5038 0,0790 0,1619
Из табл. 5 видно, что ВСРС (2,2) с парой пикселов (т = 2) без расширения в 6,25 и 2,0 раза безопаснее, чем ВСРС (2,2) с парой пикселов (т — 2) и четырьмя пикселами (т — 4) с расширением соответственно в понятиях коэффициента межпиксельной автокорреляции гХс 1у)
теневого изображения независимо от типа визуального шифруемого секретного изображения («личная подпись» и QR-кода).
Заключение
Разработан метод контентно-зависимого маркирования изображений без внедрения ЦВЗ, основанный на визуальной схеме разделения секрета (ВСРС(£ = 2, n = 2)), позволяющей шифровать ЦВЗ в виде шумоподобных ТИ (n = 2) с помощью бинарных контентно-зависимых вейвлет-образов с визуально значимыми признаками и кодовой таблицы и восстанавливать ЦВЗ посредством выполнения логической операции (И (AND), ИЛИ (OR), исключающее ИЛИ (XOR)) над секретным и публичным ТИ (k = 2), что обеспечивает высокий уровень защищенности контента изображений без изменения их качества за счет выбора оптимальных параметров кодовой таблицы в понятиях критериев (равенство вероятностей выбора строк кодовой книги, равенство вероятностей появления черных и белых пикселов кодового блока и равенство вероятностей использования кодовых блоков) и критериев качества теневых изображений (информационная энтропия, коэффициенты межпиксельной автокорреляции).
Из результатов оценки качества синтеза контентно-зависимых изображений в вейвлет-области следует, что использование локально-глобальных средних арифметических значений вейвлет-коэффициентов обеспечивает энтропию (0,996...1,0) и коэффициент межпиксельной. корреляции (0,0003... 0,003) для трех уровней вейвлет-разложения при использовании маски 3x3; локально-глобальных значений медианы вейвлет-коэффициентов - энтропию (0,999...1,0)
и коэффициент межпиксельной корреляции (0,0019...0,009) для трех уровней вейвлет-разложения при использовании маски 7x7 и глобальных значений медианы вейвлет-коэффициентов - энтропию (0,999...1,0) и коэффициент межпиксельной корреляции (0,375...0,673) для трех уровней вейвлет-разложения при использовании масок 3x3, 5x5, 7x7.
Установлено, что что ВСРС (2,2) с парой пикселов (m = 2) без расширения в 6,25 и 2,0 раза безопаснее, чем ВСРС (2,2) с парой пикселов (m = 2) и четырьмя пикселами (m = 4) с расширением соответственно в понятиях коэффициента межпиксельной автокорреляции теневого изображения независимо от типа визуального шифруемого секретного изображения («личная подпись» и QR-кода).
METHOD OF CONTENT-DEPENDENT WATERMARKING IMAGES BASED ON SECURITY VISUAL SECRET SHARING SCHEME
А.А. BORISKEVICH
Abstract
A method of content-dependent watermarking images without embedding digital watermark based on visual secret sharing scheme, which allows to encrypt the digital watermark as a noise like secret and public shadow images using binary content-dependent wavelet-pattern with visually significance features and code table and to reconstruct the digital watermark by means of performing a logical operation (AND, OR or XOR) on a secret and a public shadow images. The results of computer simulation are represented.
Keywords: visual secret sharing scheme, binary content-dependent wavelet-pattern.
Список литературы
1. Lu C. Multimedia Security: Steganography and Digital Watermarking Techniques for Protection of Intellectual Property. Idea Group Publishing, 2004.
2. Рябко Б.Я., Фионов А.Н. Основы современной криптографии и стеганографии. М., 2013.
3. Борискевич А.А., ПолещукП.Л. // Специальная техника. 2013. № 1. С. 22-33.
4. Huang H.K. PACS and Imaging Informatics. Basic Principles and Applications. John Wiley and Sons Ltd Publisher, 2010.
5. Naor M, Shamir A. // Eurocrypt. 1995. P. 1-12.
6. Cimato S., Ching-Nung Yang Cimato S. Visual Cryptography and Secret Image Sharing. CRC Press, Taylor & Francis Group, 2011.
7. Борискевич А.А. // Докл. БГУИР. 2012. № 5 (67). С. 73-79.
8. Fu R., Jin W. // The 2010 International Conference on Multimedia Technology (ICMT). 2010. P. 1-4.
9. Rupachandra Singh T., Manglem Singh K., Roy S. // Wavelet Transform International Journal of Computer Applications. 2012. Vol. 39, № 1. P. 18-24.
10. Борискевич А.А. // Докл. БГУИР. 2010. № 5(51) C. 31-39.
