(Digital watermarking)

امروزه با گسترش سریع  دنیای مجازی؛ نیاز به روش هایی برای حفاظت از دارایی های در دنیای مجازی مانند حفاظت از کتاب های الکترونیک، تصاویر،فیلم ها و ... برای تولیدکنندگان آنها اهمیت زیادی یافته است تا این دارایی ها بتوانند در دنیای مجازی ارزش مادی و اقتصادی خود را حفظ کنند.

ایده اولیه نهان نگاری در اصل قرار دادن یک طرح بر روی محصول بوده است به گونه ای که این طرح Copyright  این محصول را نمایش دهد.از آنجا که در دنیای امروز اطلاعات دارایی است اثبات مالکیت این دارایی که غالبا به فرم دیجیتال است از اهمیت برخوردار است.

نهان نگاری دیجیتال فرایند قرار دادن اطلاعات خاصی (نگاره) در یک سیگنال حمل کننده مانند تصویر، صوت و... است. این اطلاعات اضافی در جهت تشخیص مالکیت، حق تغییر و استفاده از اطلاعات و همچنین integrity  داده ها مورد استفاده قرار میگیرد.

نهان نگاری یک روش Passive  است به این معنا که به خودی خود از دستکاری داده ها و یا استفاده غیر مجاز از آنها جلوگیری نمیکند بلکه دستکاری داده ها و یا استفاده غیر مجاز از آنها را آشکار میکند.

یک سیگنال ممکن است چندین نگاره را در خود داشته باشد ولی برخلاف Metadata  ها حجم داده را افزایش نمیدهد

شکل زیر بلوک دیاگرام یک سیستم نهان نگاری تصویر را نشان میدهد:

در این سیستم نگاره مد نظر به همراه تصویر به سیستم وارد میشوند و نگاره به صورت مناسبی در تصویر رمزنگاری میشود و این تصویر نهان نگاری شده H* در کانال انتقال میابد. از آنجا که در گام بعدی فشرده سازی و یا دیگر فرایند های لازم قبل از ارسال بر روی داده ها انجام میشود بنابرین باید نگاره رمزنگاری شده نسبت به این فرایند ها مقاوم باشد و دچار تغییر نشود تا قابلیت آشکار سازی خود را از دست ندهد.

هر نهان نگاری با توجه به هدف آن خواص متفاوتی دارد: مثلا در مواردی که هدف تشخیص دستکاری داده باشد نهان نگاری باید نسبت به استفاده های غیر مجاز حساس باشد تا نشانگر دستکاری در داده باشد ولی زمانی که هدف درج اطلاعات copy right  باشد باید نسبت به تغییرات تا حد ممکن مقاوم باشد تا امکان تغییر دادن آن وجود نداشته باشد. دسته بندی های زیر برای انواع نهان نگاری ها براساس خواص پیاده سازی رایج هستند:

1.       1-  نهان نگاری کور نهان نگاری غیر کور: در نهان نگاری کور برای جداسازی نگاره نیازی به داده اصلی نیست در حالی که در نهان نگاری غیرکور برای جداسازی نگاره نیازمند داده اصلی هستیم. واضح است که با این تفاسیر نهان نگاری غیر کور کاملا در برابر تغییر کردن مقاوم است اما دسترس بودن داده اصلی برای آشکار ساز کاربرد های عملی آن را محدود میکند.

2.        2- نهان نگاری آشکار و نهان: با توجه به هدف گاهی می خواهیم تا نگاره توسط کاربر قابل درک باشد مثلا در موادی که نگاره در اصل لوگوی مربوط به شرکت تولید کننده است و گاهی مانند اهداف امنیتی می خواهیم تا integrity  داده را بررسی کنیم که در این شرایط باید نگاره در دسترس کابر نباشد و توسط او قابل درک نباشد.

3.         3- نهان نگاری شخصی و عمومی: در نهان نگاری شخصی صرفا کربران مجاز میتوانند نگاره را آشکار کنند مثلا مکان نگاره به صورت خاص در اختیار افراد مجاز قرار مگیرد  در حالی که در نهان سازی عمومی همه افراد میتوانند نگاره را آشکار کنند این نوع نهان نگاری در نگاشتن لوگو ها و دیگر نگاره ها که جنبه تبلیغی نیز دارند مورد استفاده قرار میگیرد.

4.        4- مقاوم و یا شکننده: یک نهان نگاری را مقاوم گوییم در صورتی که در برابر تغییرات عمدی و یا غیر عمدی که رد سیگنال انجام میشود خود را حفظ کند. همانطور که در قبل مطرح شد با توجه به هدف در نظر گرفته شده نگاره ها به صورت مناسب یا یه صورت مقاوم و یا به صورت شکننده و حساس به تغییرات طراحی میشوند.

 بررسی مختصر روش های نهان نگاری در تصاویر:

• روش های نهان نگاری در حوزه مکان: در این روش ها نگاره در اطلاعات gray level  تصویر نگاشته میشود هرچند این روش ها پیچیدگی کمتری دارند اما نگاره به سادگی قابل آشکار سازی و همچنین تغییر کردن است بنابریان چندان روش های مقاومی به نظر نمی آیند.

• روش های حوزه فرکانس: از آنجا که تغییرات اندک ضرایب تبدیل برای یک سیگنال و یا تصویر تغییرات کمی در سیگنال و یا تصویر ایجاد میکند در این روش ها از تغییر دادن ضرایب تبدیل فوریه و یا تبدیل wavelet  و.. تصویر استفاده میشود. البته در این روش ها اگر میزان تغییرات ناشی از نگاره زیاد باشد آنگاه  کیفیت تصویر خراب میشود.

روش های حوزه مکان:

در زیر دو نمونه از روش های حوزه مکان ارائه شده است:

1.        1- روش جایگزینی: در این روش ها ابتدا نگاره به یک جریان بیتی تبدیل میشود و سپس هر بیت در بیت خاصی از پیکسل مربوط به خود اثر می گذارد. در مواردی که طراحی یک نگاره نهان باشد باید تنها سه بیت LSB  تصویر را هدف قرار داد همانطور که در شکل زیر مشاهده میشود تغییرتن در این سه بیت کیفیت تصویر واقعی را کمتر تغییر میدهد و بنابراین درک وجود آن مشکل تر است.

2.      2-   نهان نگاری ترکیبی: در این روش ترکیب خطی از تصویر واقعی و نگاره از طریق جمع کردن پیکسل های تصویر و یا بلوکی از پیکسل های تصویر واقعی و مضربی از پیکسل های نگاره بدست می آید.

روش های حوزه فرکانس:

معمولا انرژی  یک تصویر در فرکانس های پایین و یا میانی  متمرکز شده است بناراین با تغییر دادن ضرایب تبدیل فوریه در این فرکانس ها این تغییرات در کل تصویر پخش می شود همچنین از آنجا که نسبت بین انرژی اضافه شده و انرژی موجود کوچک است تغییرات چشمگیری در کیفیت تصویر ایجاد نمیشود در زیر چند نمونه از روش های حوزه فرکانس مورد بررسی قرار میگیرد:

1.        1- روش جایگزینی: در این جا اطلاعات نگاره به صورت جریان بیتی (جریانی از صفر ها و یک ها) با ضرایب خاصی از تبدیل تصویر جمع میشوند در زیر جریان داده چگونگی انجام این کار را مشاهده می کنید که در آن اطلاعات نگاره به ضرایب discrete cosine transform  تصویر اضافه شده است.

2.        2- روش های ضربی:

در این روش تبدیل یافته نگاره که شامل داده های رندوم با پراکنگی گاوسی است بعد از scale  شدن طبق رابطه زیر به ضرایب تبدیل تصویر اضافه میشود:

ضریب آلفا معمولا با توجه به قدرت ضریب تصویر اصلی انتخاب میشود و انتخاب مقادیر بزرگ برای آن میزان مقاوم بودن نهان نگاری را زیاد میکند اما همچنین distortion  تصویر اصلی را نیز افزایش میدهد.

روش های ترکیبی حوزه مکان- فرکانس:

روش های حوزه مکان علاوه بر سادگی بیشتر امکان در نظر گرفتن تعداد داده بیشتری را نیز میدهند اما همانطور که اشاره شد این روش ها آشکار پذیری راحتری دارند و مقاومت کمتری خواهند داشت در برابر روش های حوزه فرکانس مقاومت بیشتری دارند اما capacity  اضافه کردن نگاره ها در حوزه فرکانس کمتر است. در نتیجه برای راه حل های معقول تر در نهان نگاری معمولا در ترکیب روش های حوزه مکان و فرکانس مطرح میشوند. یک ایده رایج در ترکیب کردن این روش ها با هم این است که نگاره را به دو قسمت تقسیم کنند و بخشی را در حوزه فرکانس و بخشی را در حوزه مکان قرار دهند روش های استفاده کننده از تبدیل wavelet  را نیز کم و بیش میتوان در این دسته پیاده سازی کرد؛ پیچیدگی الگوریتمیک این روش ها از روش های قبلی بیشتر خواهد بود.  در شکل زیر data flow ای از یک نمونه از روش های ترکیبی مشاهده میکنید:

 منبع :
IMAGE PROCESSING AND PATTERN RECOGNITION Fundamentals and Techniques