Nén fractal cho bài toán ẩn dữ liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM NGÔ THANH NGUYÊN NÉN FRACTAL CHO BÀI TOÁN ẨN DỮ LIỆU LUẬN VĂN THẠC SỸ Chuyên ngành: Công nghệ Thông tin Mã ngành: 60480201 TP HCM, tháng 03 năm 2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM NGÔ THANH NGUYÊN NÉN FRACTAL CHO BÀI TOÁN ẨN DỮ LIỆU LUẬN VĂN THẠC SỸ Chuyên ngành: Công nghệ Thông tin Mã ngành: 60480201 CÁN BỘ HƢỚNG DẪN KHOA HỌC: PGS.TS LÊ HOÀI BẮC TP HCM, tháng 03 năm 2015 CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TP HCM Cán hƣớng dẫn khoa học: PGS TS LÊ HOÀI BẮC Luận văn Thạc sĩ đƣợc bảo vệ Trƣờng Đại học Công nghệ TP HCM (HUTECH) ngày 11 tháng năm 2015 Thành phần Hội đồng đánh giá Luận văn Thạc sĩ gồm: Họ Tên TT Chức danh Hội đồng PGS TSKH Nguyễn Xuân Huy Chủ tịch GS.TSKH Hoàng Văn Kiếm Phản biện TS Võ Đình Bảy Phản biện PGS TS Đỗ Phúc Ủy viên TS Nguyễn Văn Mùi Ủy viên, Thƣ ký Xác nhận Chủ tịch Hội đồng đánh giá Luận văn sau Luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV PGS TSKH Nguyễn Xuân Huy TRƢỜNG ĐH CÔNG NGHỆ TP HCM CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG QLKH – ĐTSĐH Độc lập – Tự – Hạnh phúc TP HCM, ngày … tháng… năm 2015 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : Ngô Thanh Nguyên Giới tính: Nam Ngày, tháng, năm sinh : 09-09-1988 Nơi sinh: TP.Pleiku Chuyên ngành : Công Nghệ Thông Tin MSHV : 1341860014 I- Tên đề tài: NÉN FRACTAL CHO BÀI TOÁN ẨN DỮ LIỆU II- Nhiệm vụ nội dung: - Nghiên cứu phƣơng pháp ẩn liệu - Nghiên cứu lĩnh vực nén Fractal - Áp dụng nén Fractal cho toán ẩn liệu III- Ngày giao nhiệm vụ:18– 08 – 2014 IV- Ngày hoàn thành nhiệm vụ: 14 – 03 – 2015 V- Cán hƣớng dẫn: Phó Giáo Sƣ Tiến Sĩ Lê Hoài Bắc CÁN BỘ HƢỚNG DẪN KHOA QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) (Họ tên chữ ký) i LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng Các số liệu, kết nêu Luận văn trung thực chƣa đƣợc công bố công trình khác Tôi xin cam đoan giúp đỡ cho việc thực Luận văn đƣợc cảm ơn thông tin trích dẫn Luận văn đƣợc rõ nguồn gốc Học viên thực Luận văn Ngô Thanh Nguyên ii LỜI CẢM ƠN ! Em xin bày tỏ lòng biết ơn sâu sắc tới PGS TS.Lê Hoài Bắc, thầy tận tình hƣớng dẫn giúp đỡ em nhiều trình tìm hiểu nghiên cứu đề tài đƣợc giao để em hoàn thành tốt luận văn Em xin chân thành cảm ơn đến quý thầy cô khoa công nghệ thông tin tận tình dạy bảo, truyền đạt cho em nhiều kiến thức quý báu suốt thời gian học tập trƣờng Trong trình nghiên cứu đƣợc thầy cô giáo hƣớng dẫn tận tình nhƣng nhiều nguyên nhân chủ quan khách quan nên đề tài không tránh khỏi sai sót Em mong nhận đƣợc đóng góp ý kiến quý báu quý thầy cô để em phát triển mở rộng đề tài nghiên cứu Em xin chân thành cám ơn ! TP Hồ Chí Minh, tháng 03 năm 2015 Ngƣời thực Ngô Thanh Nguyên iii TÓM TẮT Đối với toán Ẩn liệu (Data hiding-DH) [2] quan tâm tới khả nhúng, tính vô hình nhƣ tính mạnh mẽ chống công Ở luận văn đề xuất phƣơng pháp sử dụng thuật toán nén Fractal[8] toán DH Với thuật toán nén Fractal giải cho toán DH khả nhúng tính vô hình thông tin mật đƣợc nén với tỉ lệ nén cao nhƣ Fractal đồng thời khả nhúng toán DH tăng cao Để dễ dàng việc đánh giá phƣơng pháp ta sử dụng thuật toán ẩn liệu LSB matching revisited iv ABSTRACT In Data hiding [2] problem, What we care about is not only ability hidding, ability invisible,and ability against attack In this dissertation, I suggest using Fractal compression[8] method to solve it Fractal method will solve ability hidding and ability invisible in data hiding problem because information confidential compressed With Fractal is hight compression ratio so ability hidding of Data hiding problem increase To estimate this method easier, the data hiding we should use is LSB v Mục lục A MỞ ĐẦU B NỘI DUNG CHƢƠNG I TỔNG QUAN 1.1 Giấu tin 1.1.1 Mô hình kỹ thuật giấu thông tin 10 1.1.3 Các yêu cầu toán Ẩn liệu 13 1.1.4 Ứng dụng ẩn liệu 15 1.2 Thuật toán Least Significant Bit LSB LSB matching revisited 18 1.2.1 Thuật toán LSB matching revisited 20 1.3 Nén Ảnh 23 1.3.1 Quá trình nén giải nén: 24 1.3.3 Một số phƣơng pháp nén thông tin 26 1.3.4 Thuật toán nén Fractal 32 CHƢƠNG II THUẬT TOÁN ĐỀ XUẤT 39 2.1 Hƣớng tiếp cận 39 2.2 Thuật toán đề xuất: 39 2.3 Qui trình nhúng 41 CHƢƠNG III KẾT QUẢ THỰC NGHIỆM VÀ PHÂN TÍCH 43 3.1 Đánh giá dung lƣợng tính vô hình 44 3.2 Đánh giá tính mạnh mẽ 45 3.3 Đánh khả chống công 47 C KẾT LUẬN VÀ PHƢƠNG HƢỚNG PHÁT TRIỂN 60 D TÀI LIỆU THAM KHẢO 61 vi Danh mục từ viết tắt Từ viết tắt Từ đầy đủ DH Data Hiding LSB Least Significant Bit IFS Iterated Function Systems LSB- MR Least Significant Bit matching revisited PSNR Peak Signal to Noise Ratio MSE Mean squared error HCF COM Histogram characteristic function center of mass BER Bit error rate C Cover M Message S Stego POV Pair of values RS Regular Singular 50 Hình hình 001.bmp ẩn dữa liệu Ta đƣợc hình sau: 0.9 xác suât giấu tin 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 20 40 60 80 100 phần trăm kiểm tra ảnh Hình biểu đồ mô tả phát ảnh có giấu tin sử dụng thống kê POV Đối với ảnh thông tin giấu đƣợc nhúng liên tục (từ góc trái ảnh) giá trị P gần tới sau rơi xuống xét tới vùng không giấu tin Với kỹ thuật độ phát cao mà tính toán đƣợc độ dài thông điệp giấu Với bảng 3.2 kết ứng dụng thuật toán POV (với hệ số kiểm tra 10% ảnh) tập ảnh ẩn liệu 100 kết ẩn loạithuật toán LSB , thuật toán LSB-MR thuật toán đề xuất số lƣợng phát 34, 29 23 Từ ta 51 thấy việc xác định thông tin ẩn thuật toán thuật toán đề xuất có khả vô hình cao Bảng Bảng kết xác suất giấu tin với thuật toán POV Tên ảnh 10 Thuật toán đề xuất 1 0 0 1 LSB - MR 1 0 0 0.87 1 LSB 0.78 1 0 1 11 0 21 1 31 0.34 41 0 51 1 61 0.86 71 0.46 91 12 22 1 32 0.82 0.62 42 0 52 1 62 72 0 92 13 0.81 23 1 33 0.12 0.51 43 0.97 53 0 63 0 73 93 14 24 0 0.93 34 1 44 0.88 54 0 64 0 74 0.64 0.76 94 15 0 25 0 35 0 45 0 55 0 65 0 75 0.71 95 16 0 26 0 36 0.87 46 0 56 0 66 0.92 76 0 96 17 0 0.58 27 0.95 37 1 47 0 57 0 67 0.89 77 0.95 97 18 0 28 1 38 0 48 0 58 68 0.99 78 0 98 19 0 29 0.23 0.98 39 0 49 0 59 0 69 0 79 0 99 20 0 30 0 40 0 50 0.52 60 1 70 0 80 0 100 52 0.99 0 0.67 0 0 0.56 0 0 0 0 1 1 0 a Kỹ thuật phát liệu ẩn RS Thuật toánRegular Singular - RS thuật toán phát hiên tin cậy nhóm tác giả J Fridrich, M Goljan, and R Du [14] đƣa ra, với ý tƣởng chia miền giá trị ảnh thành nhóm có miền giá trị đặn (R-Regular), miền giá trị dị thƣờng (S-Singular) Ta thấy với ảnh có giấu tin tổng số miền R gần với tổng số miền S Để thực việc phân liệu ảnh thành miền có giá trị đặn miền giá trị dị thƣờng ta sử dụng hàm phụ trợ: + Hàm Hamming xác định khoảng cách điểm tập + Một ánh xạ F xác định tập P gọi Flipping F2 = I I ánh xạ đồng Ta sử dụng hai tập ánh xạ F1 F-1 nhƣ sau: Ta có công thức F-1(x)=F1(x+1) –1 với tất x (3) => Nhóm G đƣợc định thuộc nhóm nhóm (Regular Group (R), Singular Group (S), Unusable Group (U)) khi: G R f(FM(G)) > f(G) G S f(FM(G)) < f(G) G U f(FM(G)) = f(G) + Với M mặt lạ phụ trợ chứa giá trị -1, 0, để trộn Pixel nhóm FM(G) đƣợc xác định nhƣ sau: Thuật toán RS Input : Ảnh cấp xám giấu tin 53 Output : Phát xem ảnh có giấu tin hay không Bƣớc 1: Đọc liệu ảnh C với giá trị pixel thuộc Bƣớc 2: Sau chia C thành knhóm G khác nhóm có n pixel Bƣớc 3: Tính khoảng cách điểm tập Gk Bƣớc 4: Trộn Pixel nhóm G với mặt nhạ phụ trợ M chứa giá trị {-1, 0, 1} để trộn Pixel nhóm Tính FM(G) : Bƣớc 5: Tính khoảng cách điểm tập FM(G): Bƣớc 6: Nhóm G đƣợc định thuộc nhóm nhóm (Regular Group (R), Singular Group (S), Unusable Group (U)) khi: G S f(FM(G)) < f(G) G U f(FM(G)) = f(G) Bƣớc 7: Lập lại bƣớc cho tói hết nhóm Gk Bƣớc 8: Đặt RM số nhóm R, SM số nhóm S, UM số nhóm U Chúng ta có: Theo giả thuyết thống kê phƣơng pháp ảnh điển hình (chƣa giấu thông tin) giá trị RM gần giá trị R_M tƣơng tự giá trị SM gần giá trị S_M (Với -M = -M) RM R_M SM S_M Sự ngẫu nhiên LSB gây khác RM SM Khi độ dài thông điệp giấu LSB tăng lên làm cho RMvà R_M khác nhau, 54 tƣơng tự SMcàng khác S-Mtrong RM SM có giá trị gần Tức với ảnh có giấu thông tin ẩn LSB ảnh RM SM RM R_M (R_M> RM) S M S_M (S M> S_M) Ứng dụng thuộc tính RS ta thực nghiệm tập ảnh ẩn liệu 100 ảnh thuật toán LSB-MR số lƣợng phát thuật toán đề xuất ta đƣợc Từ ta thấy thuật toán RS phát ảnh chứa thông tin thấp thuật toán LSB-MR thuật toán đề xuất c) Kỹ thuật phát liệu ẩn HCF COM Kỹ thuật phát liệu ẩn HCF COM (Histogram Characteristic Function – the Center of mass) [12] phƣơng pháp tiếng việc phát liệu ẩn đƣợc nhúng thuật toán thuộc họ LSB HCF COM sử dụng hàm đặc trƣng histogram để phát ẩn liệu ẩn: Với số lƣợng pixel có giá trị màu n (n= 0,…,255) , pixel vị trí Harmsen sử dụng khối trung tâm COM HFC Với biến đổi Fourier (DFT) với chiều dài Mặt khác HCF- COM xem ẩn liệu dạng LSB nhƣ việc thêm nhiễu tăng cƣơng 55 Tiếp theo tính HCF COM đƣợc đƣợc so sánh với hình ảnh giữ liệu ẩn Ứng dụng thuộc tính HCF COM ta thực nghiệm tập ảnh ẩn liệu thuật toán LSB matching, LSB-MR , thuật toán đề xuất ta đƣợc kết nhƣ sau: Bảng 3 Bảng kết ứng dụng thuật toán HCF COM tập ảnh ẩn liệu Ảnh LSB MR LSB Matching Đề xuất 36.644 37.776 36.364 37.673 37.36 38.138 46.144 41.464 46.161 41.491 46.387 41.667 17 36.681 25.731 36.981 26.325 37.076 26.465 25 34.229 26.105 37.28 28.431 59.097 59.595 59.098 59.598 59.1 59.592 10 42.891 43.145 42.954 43.169 43.067 43.174 18 44.191 46.092 44.508 45.785 44.714 45.91 26 48.052 50.044 47.98 49.963 49.566 42.942 49.48 42.923 49.303 42.755 11 41.908 32.304 42.528 32.809 42.064 32.392 19 34.487 33.219 34.832 33.248 35.275 33.564 27 34.124 35.089 34.047 34.841 31.653 20.362 32.22 21.454 32.72 20.769 12 38.274 30.713 38.939 30.812 39.121 30.951 20 48.109 47.561 48.103 47.53 48.259 47.676 28 41.087 38.73 42.998 39.936 31.829 24.902 32.208 25.439 32.832 25.117 13 36.115 33.655 37.251 33.717 36.92 33.854 21 39.04 35.92 38.963 35.193 39.796 36.383 29 34.424 39.222 34.276 39.142 33.576 38.09 37.55 37.698 33.585 32.059 14 37.007 18.834 37.463 19.732 37.663 20.05 22 34.619 22.301 34.962 22.715 34.243 21.726 30 35.99 37.383 38.086 38.189 31.045 28.942 31.733 29.169 32.259 29.364 15 43.758 40.757 43.733 40.82 44.092 40.925 23 33.907 32.385 34.071 32.314 34.421 32.523 31 51.672 51.977 51.669 51.959 37.292 17.081 37.43 17.268 37.852 17.971 16 34.991 12.915 34.284 14.487 35.126 13.761 24 33.557 30.007 33.843 30.289 34.295 30.558 32 43.376 45.756 43.291 45.768 56 34.637 26.419 33 37.998 40.134 38.57 40.202 38.589 40.196 41 53.572 54.34 53.996 54.413 53.859 54.61 49 37.293 33.974 37.244 34.317 37.882 33.701 57 36.815 31.196 37.127 31.158 37.455 31.309 65 43.555 45.072 43.445 44.868 44.128 45.192 73 40.878 48.314 50.023 34 46.028 46.515 46.87 46.546 45.779 46.568 42 37.095 40.364 38.174 40.095 36.435 39.053 50 37.02 38.535 37.983 38.338 37.771 38.656 58 54.981 44.524 54.761 44.169 54.584 44.235 66 41.535 42.636 37.753 40.863 37.104 40.339 74 35.317 34.257 34.921 35 36.802 29.237 38.494 32.609 37.114 26.137 43 34.715 36.45 34.469 36.183 34.826 36.327 51 33.579 32.696 33.786 32.58 34.89 33.078 59 43.93 44.522 43.986 44.611 44.2 44.515 67 45.16 46.325 44.887 46.265 45.23 46.432 75 31.866 40.859 38.686 36 34.187 33.317 34.115 33.178 34.646 33.374 44 36.094 22.26 36.271 22.313 36.346 22.675 52 40.126 38.96 38.439 38.327 39.348 38.625 60 40.935 29.615 39.718 29.364 39.834 29.553 68 42.66 44.519 42.837 44.364 42.892 44.445 76 36.025 34.447 39.191 37 43.311 46.522 43.651 47.074 43.496 47.008 45 32.156 29.802 34.292 30.341 33.015 30.002 53 34.909 27.965 33.944 27.757 34.525 27.617 61 40.138 40.868 41.136 41.13 40.261 40.728 69 32.534 22.187 32.671 22.508 33.267 22.546 77 36.492 34.982 36.943 38 60.884 61.649 50.656 51.056 48.341 49.187 46 33.551 21.164 36.561 23.383 34.009 21.698 54 45.262 36.8 45.291 36.843 45.45 37.172 62 35.994 40.225 36.221 40.211 36.39 40.223 70 34.17 40.587 34.814 40.779 35.075 40.857 78 37.33 51.825 52.018 39 41.693 32.901 43.193 35.946 42.624 32.884 47 35.45 38.764 37.181 39.111 36.289 38.963 55 35.732 25.124 34.309 22.975 35.02 23.76 63 36.548 37.799 37.32 38.023 37.119 37.851 71 46.351 47.952 45.709 47.744 45.921 47.709 79 33.008 43.826 45.85 40 53.558 55.721 42.673 42.924 43.39 43.042 48 33.848 27.021 36.391 27.476 33.708 26.882 56 37.994 32.37 39.566 39.277 38.878 32.811 64 43.288 45.399 43.037 45.383 43.353 45.544 72 46.762 48.697 47.024 48.707 46.732 48.62 80 39.836 57 44.021 39.57 43.396 40.165 43.589 81 55.95 56.926 55.81 56.597 56.011 56.706 89 38.712 40.794 40.258 41.517 39.587 41.135 97 33.364 22.001 34.456 22.93 34.238 22.644 30.142 35.653 29.532 36.306 29.994 82 32.154 29.745 32.498 29.563 33.229 29.792 90 40.901 44.639 40.798 41.768 41.093 41.649 98 34.695 31.167 38.406 32.047 35.685 31.114 21.147 36.111 24.099 33.15 21.517 83 46.198 48.71 46.042 46.602 46.602 47.099 91 28.839 37.48 39.013 36.125 30.741 34.23 99 41.422 41.254 41.894 41.722 41.773 41.467 25.355 35.877 25.224 36.299 25.81 84 35.304 35.375 36.775 35.315 35.601 35.313 92 35.364 32.713 38.111 33.97 36.467 33.119 100 40.483 35.839 40.532 35.594 40.652 36.026 38.635 36.714 38.902 36.947 39.139 85 54.436 55.082 55.918 55.701 54.76 54.847 93 38.298 38.351 39.241 39.002 38.965 38.694 41.183 40.02 41.974 38.125 41.422 86 54.678 55.224 54.271 55.534 54.779 56.124 94 33.414 31.885 33.776 31.885 34.107 31.927 Dựa vào bảng 3.3 ta tính đƣợc bảng 3.4 theo tỉ lệ khác Bảng 4Bảng tính tỉ lệ dự đoán đƣờng cong ROC Tỉ lệ dự đoán Flase positive 0.04 0.06 0.14 0.16 0.2 Tỉ lệ dự đoán LSB LSB matching MR Thuật toán đề xuất 0.02 0.02 0.02 0.06 0.06 0.08 0.12 0.12 0.12 0.18 0.14 0.12 0.24 0.16 0.16 32.628 32.56 32.718 32.601 32.786 87 48.06 46.873 48.989 50.004 49.22 50.619 95 50.503 50.83 51.836 51.547 51.348 51.133 27.741 42.054 26.287 41.531 27.412 88 54.759 56.438 54.781 56.334 54.818 56.415 96 38.957 40.942 41.996 41.779 40.276 41.322 58 0.22 0.26 0.28 0.34 0.42 0.44 0.46 0.5 0.56 0.6 0.66 0.68 0.9 0.92 0.96 0.98 0.32 0.32 0.38 0.44 0.48 0.52 0.54 0.56 0.6 0.72 0.74 0.76 0.96 0.96 0.98 0.22 0.26 0.32 0.38 0.44 0.48 0.52 0.56 0.56 0.62 0.66 0.68 0.9 0.94 0.96 0.98 0.16 0.24 0.3 0.34 0.42 0.44 0.46 0.5 0.5 0.64 0.66 0.72 0.88 0.9 0.96 1 0.9 Tỷ lệ dự đoán 0.8 0.7 0.6 LSB matching 0.5 0.4 LSB- MR 0.3 Thuật toán đề xuất 0.2 0.1 0 0.2 0.4 0.6 0.8 Tỷ lệ dự đoán False positive `Hình Đƣờng cong ROC HCF COM cho thuật toán LSB matching, LSB-MR thuật toán đề xuất 59 Từ bảng 3.4 ta có hình 3.5 thể xác suất dự đoán phát sai xác suất phát với ngƣỡng phát thay đổi Từ đƣờng cong ROC, ta thấy đƣợc xác suất phát thuật toán công HCF COM giảm so với thuật toán LSB-matching LSB MR Đạt đƣợc điều thuật toán đề xuất hình ảnh chứa thông tin mật có mức thay đổi bit pixel so với hai thuật toán 60 C KẾT LUẬN VÀ PHƢƠNG HƢỚNG PHÁT TRIỂN Những kết nghiên cứu đạt được: Luận văn đƣa hƣớng tiếp cận việc nhúng rút trích liệu đặc biệt áp dụng với thuật toán ẩn liệu có nhƣ ẩn liệu DFT, DCT, DWT, LSB, LSB Matching,… Luận văn tiến hành thực nghiệm với phƣơng pháp LSB-MR Kết thực nghiệm cho thấy vƣợt trội phƣơng pháp đề xuất so với LSB-MR dung lƣợng nhúng, nhƣ khẳ vô hình Mặt khác, lƣợng thông tin, phƣơng pháp thay đổi ảnh chứa so với LSB-MR, thuật toán đề xuất làm cho công HCF-COM hiệu (so với công LSB-MR) Nhƣng bên cạnh ta thấy đƣợc khả chịu công hình ảnh (xén ảnh, biến đổi Afine) so với thuật toán LSB-MR Vì mục đích nhúng thông tin mật hình ảnh có kích thƣớc lơn việc sữ dụng thuật toán đề xuất tốt Phương hướng phát triển: Trong phạm vi luận văn luận văn em đạt đƣợc yêu cầu đặt Tuy nhiên hạn chế kiến thức thời gian nghiên cứu nên kết đạt đƣợc khiêm tốn Đối với thuật toán đề xuất sử dụng thuật toán nén Fractal để nến giải nén thực chất việc nén giải nén cung cấp tạo sinh để vẽ lại ảnh gốc dựa số nhỏ thông tin ban đầu Do công cụ vẽ làm việc độ phân giải, thu đƣợc ảnh giải nén độ phân giải nào, tức cho ảnh có độ phân giải cao chất lƣợng ảnh không thay đổi mà tỉ số nén đạt đƣợc cao Bên cạnh để tăng khả chống công hình ảnh ta nên áp dụng thêm phƣơng pháp ẩn liệu phép biến đổi miền (DFT,DCT…) 61 D TÀI LIỆU THAM KHẢO [1] Wang.H & Wang.S, “Cyber warfare: Steganography vs Steganalysis,“ in communications of the ACM, vol.47, no.10, October 2004 [2]Lê Hoài Bắc Lê Thị Hoàng Ngân, “Ẩn Dữ Liệu Chia Sẻ Thông Tin”, NXB Đại Học Quốc Gia TP Hồ Chí Minh, 2011 [3] Chi- Kwong Chan, L.M Cheng, “Hiding data in images by siple LSB substitution”, Pattern Recognition 37 (2004) 469 -474 [4] J Mielikainen, “LSB matching revisited”, IEEE Signal Process Lett., vol 13, no 5, pp.285287, May 2006 [5] T Sharp, “An implementation of key-based digital signal steganography,” in Proc Information Hiding Workshop, vol 2137, Springer LNCS, 2001, pp 1326 [6] Shunquan Tan; Bin Li, “Targeted steganalysis of adaptive pixel-value differencing steganography,” Image Processing (ICIP), 2012 19th IEEE International Conference on, pp 1129 – 1132, Oct.3 2012 [7]J.Harmsen and W.Pearlman, “Steganalysis of additive-noise modelable information hiding”, in Proc SPIE Security Watermarking Multimedia contents, vol 5020, 2003, pp 131142 [8]L.F.Anson, “Fractal image compression”, Bytes Magazine, 10/1993 [9] M F Barnsley and S G Demko, Iterated function systems and the global construction of fractals, Proc Roy Soc London A399 (1985), 2433–275 [10] M F Barnsley and L P Hurd “Fractal Image Compression” AK Peters Ltd, Wellesley, Ma, 1992 [11]A Jacquin A Fractal Theory of iterated Markov Operators with Applications to Digital Image Coding PhD thesis, Georgia Institute of Technology, August 1989 [12] Andrew D.ker “Steganalysis of LSB Matching in Grayscale Image” IEEE signal processing letter, Vol 12, No 6, June 2005 62 [13] A Westfeld and A Pfitzmann, “Attacks on steganographic systems,” in Proc Information Hiding Workshop, Springer LNCS 1768, pp 61–76, 1999 [14] J Fridrich, M Goljan, and R Du, “Reliable detection of LSB steganography in color and grayscale images,” Proc ACM Workshop on Multimedia and Security, pp 27–30, 2001 [15] G.Scheafer and M.Stich, “UCID: An uncompressed color image database” ,Proc SPIE, Storage and Retrieval Methods and Appilcations for Multimedia 2004 63 PHỤ LỤC Phụ lục 100 hình gray dùng làm ảnh chứa có kích thƣớc 1024x1024, đƣợc gán tên lần lƣợt từ 1.bmp tới 100.bmp 64 Phụ lục 50 hình gray 8bit dùng làm ảnh ẩn có kích thƣớc 256x256, đƣợc gán tên từ 1.bmp tới 50.bmp, giấu tin ảnh chứa từ 1.bmp tới 50.bmp ẩn hình ẩn từ 1.bmp tới 50.bmp ảnh chứa từ 51.bmp tới 100.bmp ẩn hình ẩn từ 50.bmp tới 1.bmp [...]... gốc ban đầu.Việc giải nén này thƣờng phải dựa vào các thông tin đi kèm theo dữ liệu nén ,tuỳ thuộc vào kiểu nén hay phƣơng pháp nén mà dữ liệu giải nén có đƣợc hoàn toàn giống với dữ liệu gốc ban đầu hay không Tóm lại quá trình nén và giải nén dữ liệu có thể mô tả một cách tóm tắt theo sơ đồ dƣới đây: Dữ liệu Quá trình nén Quá trình giải nén Hình 1 7Quá trình nén và giải nén Dữ liệu ... công đoạn : Nén : dữ liệu gốc qua bộ mã hoá dữ liệu , bộ mã hoá này thực hiện nén dữ liệu đến một mức thích hợp cho việc lƣu trữ và truyền dẫn thông tin Quá trình này sẽ thực hiện việc loại bỏ hay cắt bớt những dƣ thừa của ảnh để thu đƣợc thông tin cần thiết nhƣng vẫn đảm bảo đƣợc chất lƣợng ảnh Giải nén : dữ liệu nén đi qua bộ giải mã dữ liệu, bộ giải mã sẽ thực hiện giải nén để thu đƣợc dữ liệu gốc... 1 3 2 Với thuật toán phát hiện dữ liệu ẩn HCF COM – phƣơng pháp nổi tiếngnhất đối với thuật toán họ LSB[7] cho thấy LSB-MR cho hiệu quả tốt hơn LSB matching, vì số lƣợng bit bị thay dổi trên mỗi pixel của LSB matching là 0.5 cao hơn LSB-MR 0.375 23 1.3 Nén Ảnh Các tập tin ảnh số hóa thƣờng có rất nhiều thông tin dƣ thừa, và nén ảnh là một kỹ thuật mã hóa để giảm số lƣợng các bit dữ liệu cần thiết để... bằng thuật toán LSB MR; c) Ảnh mật nhúng và rút trích bằng thuật toán đề xuất 46 Hình 3 4 Sơ đồ ánh xạ giá trị các pixel khi nhúng 48 Hình 3 5 Hình 001.bmp đã ẩn dữa liệu 50 Hình 3 6 Biểu đồ mô tả phát hiện ảnh có giấu tin sử dụng thống kê POV 50 Hình 3 7 Đƣờng cong ROC của HCF COM cho 3 thuật toán LSB Matching, LSB MR và thuật toán đề xuất 58 1 A MỞ ĐẦU Ẩn dữ liệu hay... dòng văn bản) Kỹ thuật giấu tin đang đƣợc áp dụng cho nhiều loại đối tƣợng chứ không riêng gì dữ liệu đa phƣơng tiện nhƣ ảnh, audio, video Gần đây đã có một số nghiên cứu giấu tin trong cơ sở dữ liệu quan hệ, các gói IP truyền trên mạng chắc chắn sau này còn tiếp tục phát triển tiếp cho các môi trƣờng dữ liệu số khác 8 b Phân loại theo kỹ thuật: Ẩn dữ liệu Covert channels Steganography Technical Steganography... ứng dụng mà ngƣời ta sẽ ƣu tiên cho tiêu chuẩn nào hơn Mối quan hệ giữa 3 tiêu chí này có thể biểu diễn thông qua mộ hình Rõ ràng 3 tiêu chí này tỉ lệ nghịch nhau Một cách đơn giản là tại một thời điểm, tổng của 3 tiêu chí này không đổi Có nghĩa là nếu một hệ thống ẩn dữ liệu đáp ứng tuyệt đối 3 tiêu chí này cùng lúc Ngoài 3 yêu cầu quan trọng này, một bài toán ẩn dữ liệu cần phải xem xét them 3 yếu... Nhƣng các bài toán đƣợc đặt ra hiện nay của các bài toán DH đó chính là làm sao nâng cao đƣợc tính bền vững, tính trong suốt, và khả năng lƣu trữ Phƣơng pháp hiệu quả và đơn giản nhất để tăng dung lƣợng nhúng là sử dụng phƣơng pháp nén thông tin Nén thông tin sẽ làm giảm các dữ liệu dƣ thừa và góp phần làm tăng hiệu quả cho việc mã hóa và giấu tin mật Do vậy việc kết hợp các phƣơng pháp nén thông tin... 1 4 Các bƣớc để mã hóa chuỗi 31 Bảng 3 1 Giá trị trung bình PSNR trên 100 ảnh đã nhúng với các thuật toán ẩn dữ liệu khác nhau 45 Bảng 3 2 Bảng kết quả xác suất giấu tin với thuật toán POV 51 Bảng 3 3 Bảng kết quả ứng dụng thuật toán HCF COM trên tập ảnh ẩn dữ liệu 55 Bảng 3 4Bảng tính tỉ lệ dự đoán của đƣờng cong ROC 57 viii Danh mục các biểu đồ, đồ thị, sơ đồ,... tính vô hình của thông tin mật trong sản phẩm DH (ở luận văn này tôi chọn ẩn dữ liệu trong hình ảnh) Vì vậy trong luận văn của mình, tôi trình bày về vấn đề nén thông tin mật Fractal trong các bài toán DH 2 B NỘI DUNG CHƢƠNG I TỔNG QUAN 1.1 Giấu tin Giấu tin [2] là giấu (hoặc nhúng) một lƣợng thông tin số vào trong đối tƣợng dữ liệu số khác “Giấu tin” nhiều khi không phải chỉ hành động giấu theo nghĩa... thông ngầm là một trong những ứng dụng sớm nhất của công nghệ giấu tin, hay chính xác hơn là của ẩn dữ liệu Các hệ thống thuộc ứng dụng này cho phép truyền đi những thông điệp bí mật ứng dụng này đƣợc mô tả thông qua bài toán kinh điển “ bài toán ngƣời tù” Có 2 phạm nhân ở 2 phòng khác nhau đang cố truyền tin cho nhau Vấn đề của họ là không thể truyền thông tin trực tiếp mà phải thông qua ngƣời cai tù ... : 1341860014 I- Tờn ti: NẫN FRACTAL CHO BI TON N D LIU II- Nhim v v ni dung: - Nghiờn cu cỏc phng phỏp n d liu - Nghiờn cu lnh vc nộn Fractal - p dng nộn Fractal cho bi toỏn n d liu III- Ngy... bi toỏn v cỏc o a fractal( multifractalmeasurement) cú liờn quan n s m rng cỏc khỏi nim s chiu fractal vi i tng fractaltrong t nhiờn, ng thi cng liờn quan n vic ỏp dng cỏc o fractal cỏc ngnhkhoa... ca fractal mụ t t nhiờn bn cú th xem thờm b su nh fractal kốm theo Trong giai on ny B Mandelbrot v cỏc nh toỏn hoc khỏc nh A.Douady v J.Hubbard ó t nn múng v phỏt trin lớ thuyt cho hỡnh hc Fractal