Nội dung của bài viết này nhằm tìm hiểu các vùng ảnh sẽ được lựa chọn một cách thích nghi dựa trên dung lượng giấu và đặc tính của ảnh mang. Với dung lượng giấu thấp, các vùng ảnh có độ phức tạp cao sẽ được sử dụng để nhúng tin. Khi số lượng bít tin cần giấu tăng lên, nhiều khối điểm ảnh hơn sẽ được sử dụng, bao gồm cả các vùng ảnh có độ phức tạp thấp. Để đảm bảo dung lượng khả giấu, nhiều hơn một lớp bít của điểm ảnh sẽ được sử dụng. Các kết quả thực nghiệm được thực hiện với 10 000 ảnh xám, xác định khả năng an ninh chống tấn công phát hiện và trích lọc của lược đồ đề xuất là cao hơn của các phương pháp trước đó.
Section on Information and Communication Technology (ICT) - No 13 (6-2019) LƯỢC ĐỒ GIẤU TIN AN NINH THEO KHỐI CẢI TIẾN TRÊN NHIỀU LỚP BÍT CỦA ẢNH SỐ SỬ DỤNG Mà GRAY PHẢN XẠ Nguyễn Đức Tuấn1 , Lê Hữu Dũng1 Tóm tắt Việc ẩn giấu thơng tin vào vùng ảnh phẳng tạo ảnh mang tin với chất lượng cảm quan tính an ninh thấp Vì vậy, báo này, phương pháp giấu tin an ninh cao theo khối nhiều lớp bít ảnh số sử dụng mã Gray phản xạ giới thiệu Trong giải pháp này, vùng ảnh lựa chọn cách thích nghi dựa dung lượng giấu đặc tính ảnh mang Với dung lượng giấu thấp, vùng ảnh có độ phức tạp cao sử dụng để nhúng tin Khi số lượng bít tin cần giấu tăng lên, nhiều khối điểm ảnh sử dụng, bao gồm vùng ảnh có độ phức tạp thấp Để đảm bảo dung lượng khả giấu, nhiều lớp bít điểm ảnh sử dụng Các kết thực nghiệm thực với 10 000 ảnh xám, xác định khả an ninh chống công phát trích lọc lược đồ đề xuất cao phương pháp trước Từ khóa Giấu tin theo khối; đa lớp; an ninh; mã Gray phản xạ; ensemble classifier; dung lượng cao Giới thiệu Ngày nay, với phát triển mạnh mẽ công nghệ truyền tải ngày nhiều liệu có giá trị truyền thơng qua Internet Các liệu đối mặt với nguy bị công đánh cắp, sửa đổi bất hợp pháp mà khơng có biện pháp bảo vệ sử dụng Đã có nhiều thuật tốn mật mã sử dụng để mã hoá liệu nằm bảo vệ chúng khỏi vi phạm Và kỹ thuật ẩn giấu thông tin sử dụng lớp an ninh bổ sung để bảo vệ liệu Ngồi ra, ẩn giấu thơng tin cịn sử dụng để đảm bảo tính tồn vẹn nội dung số mà việc thay đổi đối tượng mang tin làm thay đổi nội dung tin giấu Với nhiều thuật tốn ẩn giấu thơng tin [1]–[5] giới thiệu nhằm tạo kênh truyền liệu an tồn thơng qua Internet, ảnh số đối tượng mang tin sử dụng nhiều phổ biến chúng Đối với thuật tốn giấu tin dung lượng khả giấu tính bí mật thơng tin giấu hai u cầu quan trọng Hai yêu cầu có mối quan hệ tương quan, tăng dung lượng cần giấu 58 Trường Đại học Mở Hà Nội Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) tạo nhiều biến đổi đối tượng mang tin Dẫn đến tồn tin ẩn giấu bị phát dựa biến đổi Nên hầu hết phương thức giấu tin phát triển hướng đến việc cải thiện hai yếu tố Least Significant Bit (LSB) [6] phương pháp giấu tin đơn giản có dung lượng giấu phù hợp Việc nhúng tin thực cách thay bít có trọng số thấp điểm ảnh bít thơng điệp Kết suy biến ảnh mang tin (stego image) dễ dàng bị nhận biết phương pháp công trực quan (visual attack) kỹ thuật tăng cường LSB (LSB Enhancement [7]) Vì vậy, thuật toán giấu tin sử dụng phương pháp lựa chọn thích hợp vùng ảnh ảnh số phát triển: EA-LSBMR [8], CBL [9], PRSA [10], EDSI [11] Trong EA-LSBMR, để giảm khả bị phát công trực quan tin giấu, vùng ảnh lựa chọn cách thích nghi dựa kích thước thơng điệp cần giấu Ở mức dung lượng giấu thấp, có điểm ảnh có độ phức tạp (được xác định dựa khác biệt điểm ảnh liên tiếp) cao sử dụng Khi dung lượng tin cần giấu tăng lên, điểm ảnh có độ phức tạp thấp sử dụng Tuy nhiên, dung lượng cần giấu tăng lên đến bít tin/1 điểm ảnh (1 bpp – bit per pixels) tất điểm ảnh ảnh nguồn sử dụng, điểm ảnh có thuộc vùng ảnh phức tạp hay khơng Để giảm thiểu suy biến gây trình nhúng tin, Sabeti đồng nghiệp áp dụng trình xử lý gồm pha [9] Đầu tiên, bít có trọng số thấp tất điểm ảnh ảnh nguồn lật thành "0" Việc giúp giảm thay đổi trường hợp bít thơng điệp "0" áp dụng thuật tốn nhúng tin LSB-Matching (LBM-M) pha thứ hai Mặc dù thuật toán lựa chọn điểm ảnh vùng ảnh có độ phức tạp cao để giấu tin Nhưng việc áp dụng pha tiền xử lý làm cho ảnh mang tin có biến đổi mang tính chất vùng Vì vậy, tồn tin giấu dễ dàng bị phát LSB Enhancement Nhằm nâng cao khả chống lại công phát trực quan, thuật toán giấu tin ảnh số dựa việc xếp điểm ảnh (A Pixel Rearrangement based Steganography Algorithm – PRSA) giới thiệu [10] Trong thuật toán này, bít tin thơng điệp giấu cách thay đổi trật tự điểm ảnh tập hợp (được chọn vùng ảnh có độ phức tạp cao) Tuy nhiên, việc lại tạo suy biến mặt cấu trúc ảnh mang tin dung lượng tin khả giấu bị giới hạn Tất thuật tốn có hạn chế chung điểm ảnh lựa chọn dựa ngưỡng T (ngưỡng độ phức tạp) EA_LSBMR, PRSA CBL Đối với EDSI [11] giá trị T ln xác định trước Vì vậy, tin giấu dễ dàng bị trích xuất Trong báo này, lược đồ giấu tin dựa thuật toán giấu tin theo khối điều chỉnh (modified matrix embedding – MME) giới thiệu nhằm giải vấn đề tồn giải pháp đề xuất trước đó: 59 Section on Information and Communication Technology (ICT) - No 13 (6-2019) • • • • • Để giảm thiểu khả bị phát công trực quan, bít tin thơng điệp nhúng vào điểm ảnh (được lựa chọn cách thích nghi) vùng ảnh có độ phức tạp cao Để đảm bảo dung lượng giấu, nhiều lớp bít điểm ảnh (thuộc vùng ảnh có độ phức tạp cao) sử dụng Nhằm tăng khả chống lại cơng trích lọc, ngưỡng độ phức tạp mặc định để lựa chọn vùng ảnh lớp bít sử dụng khoá để tách liệu nhúng Các ngưỡng mặc định sử dụng để cân tính an ninh chống phát tin giấu chất lượng cảm quan ảnh mang Để giảm thiểu biến đổi điểm ảnh (trên vùng ảnh chọn) nhúng tin vào lớp bít có trọng số cao, phương án tối ưu (tạo suy biến cho ảnh mang) lựa chọn để áp dụng phương án đề xuất MME Sau đó, lớp bít lớp bít (có tin giấu) điều chỉnh cho biến đổi thấp giá trị điểm ảnh Để lựa chọn vùng ảnh xác hơn, điểm ảnh biểu diễn mã Gray (Canonical Gray Code) thay sử dụng cách biểu diễn nhị phân Các phương thức liên quan 2.1 Mã Gray ứng dụng giấu tin Mã Gray gọi Canonical Gray Code (CGC), mã nhị phân phản xạ, phát minh Frank Gray mô tả sáng chế cấp vào năm 1953 Trong mã này, từ mã (code word) có giá trị khác khác vị trí từ mã [12] Ví dụ: hai giá trị 127(10) 128(10) biểu diễn tương ứng 01000000(2) , 11000000(2) Vì vậy, việc giấu tin vào lớp bít với điểm ảnh biểu diễn mã Gray không tạo hiệu ứng giống mã nhị phân quy ước (Pure Binary Code – PBC) Chẳng hạn, giấu bít tin vào lớp bít thứ điểm ảnh Sự thay đổi giá trị thể bảng Bảng Sự thay đổi giá trị điểm ảnh thay đổi bít thứ theo PBC CGC Giá trị ban đầu 0000 (0) 0001 (1) 0010 (2) 0011 (3) PBC 0100 (4) 0101 (5) 0110 (6) 0110 (7) Giá trị ban đầu 0000 (0) 0001 (1) 0011 (2) 0010 (3) CGC 0100 (7) 0101 (6) 0111 (5) 0110 (4) Qua bảng 1, giá trị điểm ảnh biểu diễn PBC thay đổi cố định đơn vị thực việc lật bít thứ Trong với CGC, giá trị bị thay đổi không cố định Điều giúp loại bỏ hiệu ứng ảnh hưởng nhiều lớp bít thực giấu tin nhiều lớp bít khác điểm ảnh điểm ảnh lân cận 60 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) 2.2 Phương pháp giấu tin theo khối cải tiến dựa mã Hamming Để có nhiều phương án nhúng tin, phương pháp nhúng tin theo khối điều chỉnh (Modified Matrix Encoding - MME) giới thiệu vào năm 2007 Kim [13] Thông qua phương thức này, suy biến chất lượng ảnh mang giảm thiểu cách lựa chọn phương án sửa đổi gây biến đổi ảnh mang Các lược đồ MME đặt tên MME2, MME3, dựa theo số lượng sửa đổi (t) khối bít liệu gốc để ẩn k bít tin mật vào n bít liệu mang [14] Với t = 2, nhiều hai phép chỉnh sửa thực MME Về bản, xử lý thuật tốn ME việc xác định cặp vị trí (β ,γ) cho β ⊕ γ = α (α vị trí cần chỉnh sửa phương pháp Matrix Embedding [15] với phép xor ⊕) Với giá trị khác α, ta liệt kê (n – 1)/2 cặp giá trị vị trí (β ,γ) cách dễ dàng Để nhúng tin vào khối liệu mang, thay đổi cặp giá trị vị trí danh sách Vì vậy, MME2 thường sử dụng làm thuật toán giấu tin lược đồ ẩn giấu thông tin lựa chọn Phương án ứng với nhiễu thấp lựa chọn để biến đổi nhằm giảm thiểu suy biến tạo ảnh mang tin (stego image) Phương pháp đề xuất Để giải vấn đề tồn phương pháp giới thiệu, báo này, giải pháp dựa phương pháp giấu tin theo khối sử dụng mã Gray đề xuất Ở phía người gửi, (1), thông điệp cần giấu lựa chọn với ảnh nguồn (cover image) làm liệu đầu vào cho bước (2) ước lượng tham số (L: số lớp bít sử dụng, comp_sol: mảng ngưỡng độ phức tạp cho lớp bít tương ứng) Ở bước (3), thông điệp lựa chọn nhúng vào ảnh nguồn giải pháp MBPMME_CGC Sau (4), ảnh mang tin (stego image) chuyển đến người nhận thông qua email dịch vụ chia sẻ trực tuyến (không áp dụng phép chỉnh sửa ảnh ảnh mang tin) Các tham số sử dụng để nhúng tin sử dụng khóa bảo mật cho thơng tin giấu chống lại cơng trích lọc Việc chuyển tham số thực thơng qua kênh an tồn Về phía người nhận, ảnh mang tin tải về, người nhận cung cấp tham số để trích xuất thông tin nhúng từ ảnh mang tin thông qua phương pháp MBPMME_CGC 3.1 Lược đồ nhúng tin theo khối đa lớp sử dụng mã Gray (MBPMME_CGC) Thông điệp mật nhúng vào khối điểm ảnh phức tạp nhiều lớp bít khác theo bước sau: • Bước Biểu diễn điểm ảnh ảnh nguồn theo mã Gray 61 Section on Information and Communication Technology (ICT) - No 13 (6-2019) • • Bước Ước lượng ngưỡng độ phức tạp (với thuật toán 1) dựa kích thước thơng điệp cần giấu đặc tính phức tạp ảnh nguồn sử dụng Bước Ảnh nguồn chia thành khối × điểm ảnh tin giấu từ lớp bít cao xuống lớp bít thấp khối điểm ảnh (nhị phân) lớp bít thoả mãn độ phức tạp lớn ngưỡng phức tạp (đã ước lượng Bước 2) tương ứng lớp bít Việc nhúng tin thực thuật tốn MME có điều chỉnh để lựa chọn thích nghi điểm ảnh nhằm giảm thiểu suy biến ảnh mang tin (trong thuật toán 2) Khối 64 điểm ảnh chia thành khối nhỏ với điểm ảnh để áp dụng MME giấu bít thơng điệp vào điểm ảnh Như vậy, với khối 64 bít lớp bít khối điểm ảnh, giấu 27 bít tin 3.2 Thuật toán ước lượng ngưỡng độ phức tạp cho lớp bít Với ảnh số khác nhau, độ phức tạp vùng ảnh khác Vì vậy, để lựa chọn vùng ảnh phức tạp để nhúng lượng thông điệp mật mà không sử dụng vùng ảnh trơn (phẳng), cần phải xác định ngưỡng độ phức tạp cho lớp bít Và để xác định độ phức tạp cho khối điểm ảnh nhị phân, phương pháp đề xuất báo [16] xử dụng Để giảm thiểu thời gian thực hiện, đại lượng run-length irregularity (RLI) sử dụng mà đảm bảo việc xác định xác độ phức tạp khối điểm ảnh Trong thuật tốn này, tham số step điều chỉnh để giảm thiểu thời gian thực tăng số lượng khối điểm ảnh sử dụng Khi giá trị step nhỏ có nhiều khối điểm ảnh sử dụng thời gian thực việc ước lượng gia tăng Tham số def _comp sử dụng để điều chỉnh số lượng bít tin giấu lớp bít khối điểm ảnh cách thay đổi giá trị Và comp_sol sử dụng khoá bí mật để chống lại việc trích lọc thơng tin Với việc ước lượng trước số lượng khối điểm ảnh có độ phức tạp từ 1.0 giảm dần theo bước giá trị step, thời gian để xác định ngưỡng độ phức tạp cho lớp bít giảm Thời gian cần thiết thấp so với việc ước lượng cách ngưỡng phức tạp cho lớp bít dừng lại có đủ số lượng khối điểm ảnh để nhúng thông điệp 3.3 Giấu tin theo khối dựa mã Hamming lựa chọn thích nghi Để giảm thiểu suy biến tạo ảnh mang tin, cần xác định phương án tạo biến đổi theo thuật toán MME Bằng cách lựa chọn cặp vị trí (phương án) mà việc thay đổi giá trị điểm ảnh (được biểu diễn CGC) tương ứng vị trí tạo thay đổi nhất, suy biến gây trình nhúng tin ảnh mang tin giảm thiểu Và suy biến tạo giảm thiểu áp dụng trình điều chỉnh 62 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) Thuật toán Ước lượng ngưỡng độ phức tạp cho lớp bít Input: ảnh nguồn I, kích thước thơng điệp LM Output: số lớp bít cần sử dụng L, mảng chứa ngưỡng độ phức tạp comp_sol tương ứng begin step ← 0.05; blockRequire ← LM/27; bitpl ← 0; sol ← số khối tương ứng với độ phức tạp 1.0 giảm dần theo step cho tất lớp bít; def _comp ← ngưỡng độ phức tạp tối thiểu mặc định lớp bít; comp_sol() ← 0; sumBitpl ← 0; /* tổng số khối bít lớp bít */ while (true) for i = to numof BlockAvai ← số lượng khối bít lớp bít i có độ phức tạp ≥ def _comp(i); if (sumBitpl ≤ blockRequire) then sumBitpl ← sumBitpl + numof BlockAvai; comp_sol(i) ← độ phức tạp thấp lớp bít thứ i tương ứng với số khối bít có độ phức tạp ≥ def _comp(i); else L = i /* ghi nhận số lớp bít sử dụng */ break; end end comp_sol = [0.05 0.05 0.05 0.05 0.05 0.05 1.0 1.0]; L = 6; break; end end thích nghi cho mã Gray Vì vậy, chất lượng cảm quan ảnh mang trì kể lượng lớn thơng tin giấu Trong thuật tốn này, F khối bít lớp bít thứ k khối điểm ảnh biểu diễn theo mã Gray 3.4 Thuật tốn điều chỉnh thích nghi cho mã Gray phản xạ Trong lược đồ đề xuất, bít tin giấu lớp bít cao tạo thay đổi lớn giá trị điểm ảnh Vì vậy, trình điều chỉnh thích nghi áp dụng để làm giảm thiểu thay đổi Đối với hệ mã nhị phân (PBC), việc điều chỉnh thực theo quy tắc: 63 Section on Information and Communication Technology (ICT) - No 13 (6-2019) Thuật toán Giấu tin theo khối lựa chọn thích nghi MME_CGC Input: thơng điệp m, khối điểm ảnh I, lớp bít cần giấu k Output: khối điểm ảnh chứa tin nhúng I begin F ← Lấy khối bít tương ứng lớp bít thứ k khối điểm ảnh; P ← vị trí cần thay đổi I theo cơng thức H ∗ F − m ; if (P = 0) then xác định cặp vị trí (β, γ) cho β ⊕ γ = P ; chngV alP ← giá trị thay đổi lật bít lớp thứ k điểm ảnh P ; for i = to chngV alP air_i ← giá trị thay đổi lật bít lớp thứ k cặp điểm ảnh (βi , γi ); end minV alChngP air ← tổng giá trị thay đổi nhỏ cặp (βi , γi ); if minV alChngP air ≤ chngV alP then thay đổi cặp điểm ảnh tương ứng (βmin , γmin ) thuật tốn điều chỉnh thích nghi cho mã Gray; else thay đổi điểm ảnh vị trí P thuật tốn điều chỉnh thích nghi cho mã Gray; end else biến đổi I end end • • Nếu bít (tại lớp bít thứ k) bị lật từ "0" sang "1": lật tất bít lớp bít k – lớp 0, từ "1" sang "0" Ngược lại: lật tất bít lớp bít k – lớp 0, từ "0" sang "1" Vì vậy, giá trị điểm ảnh p (được cho bảng 2), bít tin giấu vào lớp bít k p, điểm ảnh mang tin p có giá trị trước sau điều chỉnh thể bảng Các bít thay đổi sau thực trình điều chỉnh gạch chân Bảng Sự thay đổi giá trị điểm ảnh điều chỉnh thích nghi với mã nhị phân p (PBC) 1011 0010 (178) 1011 1100 (188) 1000 1000 (136) k 2 p (P BC) 1011 0110 (182) 1011 1000 (184) 1000 0000 (128) Thay đổi 4 p sau điều chỉnh (PBC) 1011 0100 (180) 1011 1011 (187) 1000 0111 (135) Giảm thiểu Như vậy, lớp bít điểm ảnh sử dụng để nhúng tin nhờ việc áp dụng trình điều chỉnh thích nghi, giá trị điểm ảnh bị thay đổi trường hợp tốt đơn vị 64 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) Bảng Sự thay đổi giá trị điểm ảnh điều chỉnh thích nghi với mã Gray Điểm ảnh nguồn (CGC) Lớp bít k Điểm ảnh mang tin (CGC) Thay đổi 1110 1110 1010 1010 2 3 1110 1110 1010 1010 11 15 1011 1001 0011 0000 (178) (177) (194) (192) 1111 1101 1011 1000 (181) (182) (205) (207) Điểm ảnh mang tin sau điều chỉnh (CGC) 1110 1110(180) 1110 1110 (180) 1010 1100(200) 1010 1100 (200) Giảm thiểu Đối với mã Gray, việc điều chỉnh áp dụng quy tắc giống mã nhị phân Bởi quan hệ bít mã nhị phân mã Gray biểu diễn sau: gi = bi−1 ⊕ bi Vì vậy, để thực việc giảm thiểu biến đổi điểm ảnh nhúng tin lớp bít k, thay bít lớp bít k – lớp bít giá trị 2k−1 – Giá trị 2k−1 – xác định thực trình sinh giá trị khác khớp thử với (8 – k) bít từ k đến điểm ảnh Khi (k – 1) bít giá trị 2k−1 – tạo giá trị điểm ảnh với thay đổi thấp tin nhúng lớp bít k so với phương án khác Như vậy, q trình điều chỉnh thích nghi với mã Gray không mang lại nhiều hiệu mã nhị phân Tuy nhiên, trình giúp làm giảm thiểu biến đổi ảnh mang tin Kết thực nghiệm phân tích, đánh giá Để đánh giá chất lượng cảm quan tính an ninh tin giấu lược đồ đề xuất, thực nghiệm thực sở liệu ảnh thô (raw) BOWS [17] Cơ sở liệu ảnh bao gồm 10 000 ảnh không nén dạng ảnh xám (grayscale), thường sử dụng làm sở liệu ảnh thi phát triển thuật toán giấu tin tổ chức Watermarking Virtual Laboratory (Wavila) Các ảnh định dạng pgm (kích thước 512×512 điểm ảnh) BOWS chuyển đổi sang định dạng ảnh bitmap (bmp) sử dụng hàm imwrite MATLAB Các dung lượng khác thông điệp (được sinh ngẫu nhiên) nhúng vào ảnh nguồn BOWS thuật toán giới thiệu (EDSI, PRSA, EA_LSBMR), thuật toán đề xuất MBPMME_CGC (sử dụng mã Gray) MBPMME_PBC (sử dụng mã nhị phân quy ước - Pure Binary Code để biểu diễn điểm ảnh ảnh nguồn) Việc đo lường chất lượng cảm quan ảnh nhúng tin thực với độ đo PNSR (Peak Signal to Noise Ratio), wPSNR (Weighted PSNR) SSIM (Structure SIMilarity index) Nhằm xác định tính an ninh tin giấu trước dạng công phát trực quan thống kê, phương pháp công LSB Enhancement Ensemble 65 Section on Information and Communication Technology (ICT) - No 13 (6-2019) Classification [18] thực ảnh gốc BOWS ảnh mang tin tương ứng với dung lượng giấu khác Về tính an ninh chống lại cơng trích lọc thơng tin, thơng điệp mật nhúng cách linh hoạt vào khối điểm ảnh ảnh mang dựa ngưỡng độ phức tạp Vì vậy, ngưỡng sử dụng khố để bảo vệ liệu nhúng Nếu khơng có giá trị ngưỡng này, kẻ cơng khơng thể xác định vùng ảnh sử dụng bít liệu ẩn giấu khối ảnh Tuy nhiên, liệu nhúng bền vững trước dạng công chỉnh sửa ảnh mang tin 4.1 Đánh giá dung lượng giấu chất lượng cảm quan ảnh mang Với việc sử dụng nhiều lớp bít để nhúng tin, hầu hết ảnh BOWS đạt mức dung lượng giấu 1,5 bpp với phương pháp đề xuất MBPMME Tiếp theo thực nghiệm xác định chất lượng cảm quan ảnh mang tin thể thông qua giá trị PSNR Đây đại lượng để đánh giá độ nhiễu (suy biến) ảnh gốc ảnh mang tin PSNR thường đo đơn vị logarithm decibel (dB) Thông thường, PSNR cao suy biến chất lượng ảnh mang tin so với ảnh gốc thấp PSNR tính theo cơng thức: P SN R = 10 × log10 (255)2 M SE (1) MSE sai số tồn phương trung bình (mean square error) ảnh gốc ảnh mang tin [19] Bảng PNSR trung bình ảnh mang nhúng thuật toán với dung lượng giấu [0.10 – 0.40] bpp bpp 0.10 0.15 0.20 0.25 0.30 0.35 0.40 EDSI 49.4558 46.9926 45.4137 44.2509 43.3458 42.6286 42.0154 PRSA 51.9239 47.1812 43.4792 40.3873 37.7184 35.4594 33.5621 PSNR EA_LSBMR 61.7049 59.8170 58.4379 57.3226 56.4144 55.6238 54.8765 (dB) MBPMME_CGC_A 63.4367 61.6720 60.4234 59.4513 58.6560 57.9697 57.3208 MBPMME_PBC_A 63.4491 61.6881 60.4354 59.4624 58.6647 57.9724 57.3004 Và thực nghiệm thực phần này, hai phương pháp MBPMME_CGC MBPMME_PBC thực hai chế độ: có áp dụng tiến trình điều chỉnh (MBPMME_CGC_A, MBPMME_PBC_A) không áp dụng (MBPMME_CGC, MBPMME_PBC) Bảng hiển thị giá trị PSNR ước lượng từ ảnh nguồn (cover image) BOWS ảnh mang tin (stego image) tương ứng nhúng với dung lượng 66 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) Bảng wPNSR trung bình ảnh mang nhúng thuật toán với dung lượng giấu [0.10 – 0.40] bpp bpp 0.10 0.15 0.20 0.25 0.30 0.35 0.40 EDSI 63.8610 61.3860 59.8030 58.6388 57.7321 57.0274 56.4394 PRSA 70.4435 65.3311 61.2996 57.9073 54.9412 52.3987 50.2319 wPSNR (dB) EA_LSBMR MBPMME_CGC_A 76.3940 78.5675 74.4522 76.7971 73.0300 75.5477 71.8752 74.5699 70.9323 73.7643 70.1140 73.0662 69.3367 72.3963 MBPMME_PBC_A 78.6048 76.8282 75.5721 74.5826 73.7801 73.0707 72.3814 [0.10 – 0.4] bpp phương thức EDSI, PRSA, EA_LSBMR, MBPMME_CGC, MBPMME_PBC Dễ dàng nhận thấy, PSNR MBPMME_CGC MBPMME_PBC cao tất phương thức khác Điều đạt nhờ q trình lựa chọn thích nghi điểm ảnh mà việc chỉnh sửa để giấu tin tạo suy biến cho ảnh mang trình điều chỉnh thích nghi áp dụng sau Tuy nhiên, chất lượng ảnh mang tin tạo MBPMME_CGC thấp MBPMME_PBC chút (các giá trị PSNR cao in đậm) Bởi q trình điều chỉnh thích nghi với PBC thực tốt Để khảo sát chất lượng cảm quan vùng ảnh có độ phức tạp, đại lượng wPSNR sử dụng Vì đại lượng PSNR so sánh khác biệt điểm ảnh cách đơn [20] Cịn wPSNR sử dụng noise visibility function (NVF), hàm mơ tả kết cấu cục ảnh có giá trị đến Giá trị thể vùng ảnh phẳng vùng ảnh có độ phức tạp cao [21] wPSNR tính theo cơng thức wP SN R = 10 × log10 max(x)2 N V F (I − I)) (2) I I ảnh gốc ảnh mang tin Tương tự vậy, với giá trị wPSNR hiển thị bảng 5, chất lượng cảm quan vùng ảnh phức tạp ảnh mang tạo phương thức đề xuất cao tất phương pháp trước Kết MBPMME_PBC đạt nhờ vào thuật toán điều chỉnh thực tốt so với MBPMME_CGC Bảng SSIM trung bình ảnh mang nhúng thuật toán với dung lượng giấu [0.10 – 0.40] bpp bpp 0.10 0.15 0.20 0.25 0.30 0.35 0.40 EDSI 0.9985 0.9976 0.9966 0.9957 0.9948 0.9939 0.9930 PRSA 0.9965 0.9912 0.9830 0.9717 0.9572 0.9405 0.9225 EA_LSBMR 0.9998 0.9997 0.9995 0.9992 0.9990 0.9987 0.9983 SSIM MBPMME_CGC_A 0.9998 0.9997 0.9996 0.9995 0.9993 0.9992 0.9990 MBPMME_PBC_A 0.9998 0.9996 0.9995 0.9994 0.9993 0.9991 0.9990 Tiếp theo, SSIM độ đo khác biệt mặt cấu trúc ảnh nguồn (cover image) ảnh mang tin (stego image) sử dụng Giá trị gần 1.0 sai khác 67 Section on Information and Communication Technology (ICT) - No 13 (6-2019) mặt cấu trúc ảnh nguồn ảnh mang tin thấp SSIM ước lượng dựa thành phần ảnh độ sáng (l), độ tương phản (c) tương tự cấu trúc (r) [22] Giá trị SSIM ảnh ảnh số x y tính theo cơng thức: SSIM (x, y) = [l(x, y)]α [c(x, y)]β [r(x, y)]γ (3) với α, β, γ tham số xác định mức độ quan trọng thành phần xem xét 65 MBPMME_CGC MBPMME_PBC 60 PSNR(dB) 55 50 45 40 35 0.5 1.5 Hình Các giá trị PNSR trung bình ảnh mang nhúng thuật toán MBPMME_CGC MBPMME_PBC với dung lượng giấu [0.10 – 1.50] bpp Với giá trị SSIM trình bày bảng 6, cấu trúc ảnh mang tin (được giấu phương pháp đề xuất) có sai khác so với ảnh mang phương pháp EDSI, PRSA EA_LSBMR Đối với MBPMME_CGC MBPMME_PBC, PSNR wPSNR ảnh mang tạo MBPMME_PBC cao suy biến cấu trúc lại cao so với ảnh mang MBPMME_CGC lượng tin giấu gia tăng Sự suy biến mặt cấu trúc làm tăng khả bị phát cơng cụ phân tích phát tin giấu dựa thống kê ảnh mang tin tạo MBPMME_PBC Trong thực nghiệm tiếp theo, so sánh đại lượng PNSR, wPSNR, SSIM phương pháp MBPMME_CGC MBPMME_PBC thực Trong thực nghiệm này, trình điều chỉnh thích nghi khơng áp dụng cho hai phương pháp với dung lượng giấu từ 0.1 đến 1.5 bpp Với liệu thể Hình 1, dễ dàng nhận thấy chất lượng cảm quan ảnh mang tạo MBPMME_CGC có chất lượng tốt mức dung lượng giấu [0.4 – 1.5] bpp so với MBPMME_PBC Điều tính chất mã Gray mà việc giấu tin lớp bít tạo khác giá 68 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) 80 MBPMME_CGC MBPMME_PBC 75 wPSNR(dBB) 70 65 60 55 50 0.5 1.5 Hình Các giá trị wPNSR trung bình ảnh mang nhúng thuật toán MBPMME_CGC MBPMME_PBC với dung lượng giấu [0.10 – 1.50] bpp trị thay đổi Và so với PBC CGC giá trị bị thay đổi điểm ảnh lớp bít thứ k thấp Sự vượt trội MBPMME_CGC dung lượng giấu cao (từ 0.40 đến 1.5 bpp) so với MBPMME_PBC trì đại lượng wPSNR (Hình 2) q trình điều chỉnh thích nghi không áp dụng Qua giá trị SSIM thể Hình cho thấy dung lượng tin giấu tăng biến đổi mặt cấu trúc ảnh mang tin gia tăng (giá trị SSIM giảm) Và suy biến mặt cấu trúc ảnh mang tạo MBPMME_CGC thấp so với MBPMME_PBC, đặc biệt dung lượng tin giấu gia tăng MBPMME_CGC MBPMME_PBC 0.99 0.98 0.97 0.96 0.95 0.94 0.93 0.5 1.5 Hình Các giá trị SSIM trung bình ảnh mang nhúng thuật toán MBPMME_CGC MBPMME_PBC với dung lượng giấu [0.10 – 1.50] bpp 69 Section on Information and Communication Technology (ICT) - No 13 (6-2019) 4.2 Lựa chọn khối điểm ảnh Trong phương pháp đề xuất, khối điểm ảnh phức tạp lựa chọn để nhúng tin Độ phức tạp khối tin số lượng lớp bít điểm ảnh sử dụng xác định dựa kích thước thơng điệp (a) (b) (c) (d) (e) (f) Hình Sự lựa chọn khối điểm ảnh nhị phân với dung lượng giấu lớp bít khác nhau: a) Ảnh nguồn, b) LSB, c) lớp bít với 0.1 bpp, d) lớp bít với 0.2 bpp, e) lớp bít với 0.3 bpp, f) lớp bít với 0.4 bpp nhúng tin MBPMME_CGC Như Hình 4, với dung lượng giấu 0.1 bpp khối điểm ảnh có độ phức tạp cao (so với khối điểm ảnh khác ảnh nguồn) lựa chọn lớp bít (LSB) Khi dung lượng giấu tin tăng lên, khối điểm ảnh có độ phức tạp thấp lựa chọn Đến khơng cịn khối điểm ảnh phức tạp cịn lại (trừ khối điểm ảnh trơn/phẳng) lớp bít cao điểm ảnh sử dụng (4.f) Độ phức tạp khối ảnh phụ thuộc vào cách mà lớp bít biểu diễn Khi so sánh CGC PBC, dễ dàng nhận thấy CGC cho nhiều thông tin lớp bít Nói cách khác, độ xác độ phức tạp ước lượng khối bít (được biểu diễn CGC) cao so với PBC Chẳng hạn, lớp bít ảnh, lớp bít biểu diễn CGC (Hình 5.e) thể tốt vùng ảnh trơn/phẳng so với lớp bít biểu diễn PBC (Hình 5.f) so sánh với ảnh nguồn Như vậy, qua Hình 5, dễ dàng nhận thấy vùng ảnh phẳng bầu trời, dòng 70 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) (a) (b) (c) (d) (e) (f) Hình Sự lựa chọn khối điểm ảnh nhị phân với dung lượng giấu 1.5 bpp lớp bít: a) lớp bít với CGC, b) lớp bít với PBC, c) lớp bít với CGC, d) lớp bít với PBC, e) lớp bít với CGC, f) lớp bít với PBC sơng, bờ tường phẳng ảnh gốc không lựa chọn để nhúng tin kể lượng lớn thông tin cần giấu 4.3 Đánh giá an ninh tin 4.3.1 An ninh tin giấu trước công tăng cường LSB (LSB Enhancement): Việc ẩn giấu thông tin gây số biến đổi ảnh mang Tuy nhiên, thay đổi khó nhận mà bít tin giấu vào điểm ảnh nằm vùng ảnh phức tạp Hơn nữa, việc thay đổi diễn bít có trọng số thấp điểm ảnh nên giá trị thay đổi nhiều vùng giá trị 256 khơng quan sát Vì vậy, LSB Enhancement, giá trị giữ nguyên, trở thành 255, làm bật lên thay đổi điểm ảnh ảnh mang tin Trong thực nghiệm này, LSB Enhancement thực ảnh mang tin với dung lượng giấu 0.4 bpp thuật tốn CBL (Hình 6.c), PRSA (6.d), MBPMME_PBC (6.e) MBPMME_CGC (6.f) Qua ảnh kết thể Hình 6, dễ dàng nhận thấy, trình tiền xử lý CBL tạo nên khn hình giống thành phần ảnh nguồn Trong ảnh kết PRSA, MBPMME_PBC, MBPMME_CGC giống với ảnh kết ảnh nguồn Tuy nhiên, mã nhị phân sử dụng biểu diễn điểm ảnh nên việc lựa chọn 71 Section on Information and Communication Technology (ICT) - No 13 (6-2019) (a) Ảnh nguồn (b) LSB tăng cường ảnh nguồn (c) CBL (d) PRSA (e) MBPMME_PBC (f) MBPMME_CGC Hình Ảnh kết cơng tăng cường LSB lên ảnh mang tin với dung lượng giấu 0.4 bpp bởi: c) CBL, d) PRSA, e) MBPMME_PBC, f) MBPMME_CGC khối điểm ảnh lớp bít khơng xác với mã Gray, nên ảnh kết MBPMME_PBC có biến đổi (các nhiễu xung quanh rìa vùng ảnh phức tạp) nhận thấy dễ dàng (Hình 6.e) Điều cho thấy phương pháp đề xuất MBPMME_CGC bền vững trước dạng công trực quan LSB Enhancement Bảng Các giá trị OOB trung bình ảnh mang với dung lượng giấu khác (từ 0.05 đến 0.40 bpp) phương thức bpp 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 EDSI 0.3154 0.2636 0.2337 0.2152 0.1937 0.1742 0.1567 0.1422 PRSA 0.1159 0.0470 0.0210 0.0157 0.0170 0.0162 0.0148 0.0119 OOB trung bình EA_LSBMR MBPMME_CGC_A 0.3960 0.4334 0.3070 0.3746 0.2435 0.3387 0.2005 0.2926 0.1634 0.2690 0.1399 0.2245 0.1214 0.1718 0.1032 0.1096 MBPMME_PBC_A 0.3132 0.1695 0.1683 0.1115 0.1315 0.0871 0.0530 0.0237 CBL 0.0081 0.0053 0.0042 0.0035 0.0021 0.0014 0.0010 0.0008 4.3.2 Độ an ninh tin giấu chống lại phân tích Ensemble Classifier: Trong thực nghiệm này, Ensemble Classifier, cơng cụ phân tích mã giới thiệu [18] để giảm độ phức tạp việc phân tích tồn tin mật 72 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) giấu ảnh số dựa thống kê, sử dụng Các ảnh BOWS chia thành hai nửa cách ngẫu nhiên để nhúng tin huấn luyện, kiểm tra Ensemble Classifier Công cụ trích lọc thuộc tính CSR [23] sử dụng để trích lọc đặc trưng (1163 đặc trưng) từ ảnh gốc (cover image) ảnh nhúng tin (stego image) phương pháp PRSA, EA_LSBMR, MBPMME_PBC phương pháp đề xuất MBPMME_CGC với dung lượng khác Ở bước tập thuộc tính phân tích Ensemble Classifier kết trình giá trị lỗi kiểm tra OOB (Out-of-Bag) Giá trị lỗi cao thể tính an ninh cao tin giấu chống lại dạng cơng dựa phân tích đặc trưng thực Ensemble Classifier 0.4 MBPMME_CGC MBPMME_PBC 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 0.5 1.5 Hình So sánh an ninh chống công phát thực Ensemble Classifier ảnh mang tin tạo MBPMME_CGC MBPMME_PBC Trong thực nghiệm này, phương thức MBPMME sử dụng mã Gray mã nhị phân áp dụng trình điều chỉnh thích nghi Nhờ lựa chọn khối điểm ảnh cách xác độ phức tạp mà tin giấu MBPMME_CGC_A vượt trội so với tin giấu phương thức khác tính an ninh trước phân tích Ensemble Classififer Như hiển thị Hình 7, giá trị lỗi OOB ảnh mang tin tạo MBPMME_CGC (khơng áp dụng q trình điều chỉnh thích nghi) vượt trội so với MBPMME_PBC kể dung lượng giấu cao Điều chứng minh việc biểu diễn điểm ảnh CGC giúp giảm thiểu suy biến gây trình nhúng tin so sánh với PBC.Vì vậy, khả chống công phát Ensemble Classifier ảnh mang tin MBPMME_CGC tốt so với MBPMME_PBC Kết luận Bài báo giới thiệu lược đồ ẩn giấu thông tin theo khối sử dụng mã Gray cho ảnh số với nhiều lớp bít điểm ảnh sử dụng Việc sử dụng mã Gray để biểu 73 Section on Information and Communication Technology (ICT) - No 13 (6-2019) diễn điểm ảnh giúp cho lựa chọn khối điểm ảnh theo độ phức tạp thực cách xác Điều đảm bảo độ an ninh cao tin giấu trước dạng công trực quan cơng thống kê Ngồi ra, nhờ việc áp dụng điều chỉnh thích nghi điểm ảnh sử dụng trình nhúng tin, biến đổi giảm thiểu, giúp trì chất lượng cảm quan ảnh mang tin Qua thực nghiệm với 10 000 ảnh thư viện BOWS phương pháp công thực hiện, cho thấy chất lượng cảm quan an ninh chống lại phương pháp công phương án đề xuất vượt trội so với phương pháp trước Lời cảm ơn Nghiên cứu tài trợ Trường Đại học Mở Hà Nội (HOU) đề tài có mã số V2018-2 Tài liệu tham khảo [1] D Hu, L Wang, W Jiang, S Zheng, and B Li, “A Novel Image Steganography Method via Deep Convolutional Generative Adversarial Networks,” IEEE Access, vol 6, pp 38303–38314, 2018 [2] D Hu, H Xu, Z Ma, S Zheng, and B Li, “A Spatial Image Steganography Method Based on Nonnegative Matrix Factorization,” IEEE Signal Process Lett., vol 25, no 9, pp 1364–1368, Sep 2018 [3] Z Zhang, Y Qu, Z Wu, M J Nowak, J Ellinger, and M C Wicks, “RF Steganography via LFM Chirp Radar Signals,” IEEE Trans Aerosp Electron Syst., vol 54, no 3, pp 1221–1236, Jun 2018 [4] V K Sharma, D K Srivastava, and P Mathur, “Efficient image steganography using graph signal processing,” IET Image Process., vol 12, no 6, pp 1065–1071, Jun 2018 [5] A A Abd El-Latif, B Abd-El-Atty, M S Hossain, M A Rahman, A Alamri, and B B Gupta, “Efficient Quantum Information Hiding for Remote Medical Image Sharing,” IEEE Access, vol 6, pp 21075–21083, 2018 [6] W Bender, D Gruhl, N Morimoto, and A Lu, “Techniques for data hiding,” IBM Syst J., vol 35, no 3.4, pp 313–336, 1996 [7] “Steganography: A few tools to discover hidden data.” [Online] Available: http://guillermito2.net/stegano/tools/ [Accessed: 28-Jun-2018] [8] Weiqi Luo, Fangjun Huang, and Jiwu Huang, “Edge Adaptive Image Steganography Based on LSB Matching Revisited,” IEEE Trans Inf Forensics Secur., vol 5, no 2, pp 201–214, Jun 2010 [9] V Sabeti, S Samavi, and S Shirani, “An adaptive LSB matching steganography based on octonary complexity measure,” Multimed Tools Appl., vol 64, no 3, pp 777–793, Jun 2013 [10] A Sur, V Ramanathan, and J Mukherjee, “Pixel rearrangement based statistical restoration scheme reducing embedding noise,” Multimed Tools Appl., vol 68, no 3, pp 805–825, Feb 2014 [11] K.-H Jung and K.-Y Yoo, “Data hiding using edge detector for scalable images,” Multimed Tools Appl., vol 71, no 3, pp 1455–1468, Aug 2014 [12] R W Doran and C for D M & T C Science, The Gray Code Centre for Discrete Mathematics and Theoretical Computer Science, University of Auckland, 2007 [13] Y Kim, Z Duric, and D Richards, “Modified Matrix Encoding Technique for Minimal Distortion Steganography,” in Information Hiding, vol 4437, J L Camenisch, C S Collberg, N F Johnson, and P Sallee, Eds Berlin, Heidelberg: Springer Berlin Heidelberg, pp 314–327, 2007 [14] F Huang, W Luo, J Huang, and Y.-Q Shi, “Distortion function designing for JPEG steganography with uncompressed side-image,” pp 69, 2013 [15] R Crandall, “Some Notes on Steganography,” Available http://dde.binghamton.edu/download/Crandall_matrix.pdf, 1998 [16] H Hirohisa, “A data embedding method using BPCS principle with new complexity measures,” in Proc of Pacific Rim Workshop on Digital Steganography, pp 30–47, 2002 [17] Tomáˇs Pevný, Tomáˇs Filler, and Patrick Bas, “Break Our Steganography System,” 2013 [Online] Available: http://agents.fel.cvut.cz/boss/index.php?mode=VIEW&tmpl=credits 74 Journal of Science and Technique - Le Quy Don Technical University - No 199 (6-2019) [18] J Kodovsky, J Fridrich, and V Holub, “Ensemble Classifiers for Steganalysis of Digital Media,” IEEE Trans Inf Forensics Secur., vol 7, no 2, pp 432–444, Apr 2012 [19] A Hore and D Ziou, “Image Quality Metrics: PSNR vs SSIM,” in 2010 20th International Conference on Pattern Recognition, Istanbul, Turkey, pp 2366–2369, 2010 [20] M A HAJJAJI, E.-B Bourennane, and M Abdellatif, “A Watermarking of Medical Image: New Approach Based On ‘Multi-Layer’ Method",” Int J Comput Sci Issues IJCSI, vol 8, 2011 [21] X Kong, R Chu, X Ba, T Zhang, and D Yang, “A Perception Evaluation Scheme for Steganography,” in Intelligent Data Engineering and Automated Learning, pp 426–430, 2003 [22] A C Brooks, Xiaonan Zhao, and T N Pappas, “Structural Similarity Quality Metrics in a Coding Context: Exploring the Space of Realistic Distortions,” IEEE Trans Image Process., vol 17, no 8, pp 1261–1273, Aug 2008 [23] T Denemark, J Fridrich, and V Holub, “Further study on the security of S-UNIWARD,” pp 902805, 2014 Ngày nhận 04-7-2018; Ngày chấp nhận đăng 17-12-2018 Nguyễn Đức Tuấn nhận Tiến sĩ ngành Khoa học Máy tính Đại học Khon Kaen, Khon Kaen, Thái Lan năm 2016 Năm 2008, nhận Thạc sĩ ngành Khoa học Máy tính Học viện Kỹ thuật Quân sự, Hà Nội, Việt Nam Hiện giảng viên Bộ môn Hệ thống Thông tin, Khoa Công nghệ Thông tin, Trường Đại học Mở Hà Nội Hướng nghiên cứu chính: mật mã học, giấu tin hệ thống phân tán Email: nguyenductuan@hou.edu.vn Lê Hữu Dũng nhận Thạc sĩ chuyên ngành Cơ sở Toán học cho Tin học Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội năm 2015 Hiện giảng viên Bộ môn Công nghệ Phần mềm, Khoa Công nghệ Thông tin, Trường Đại học Mở Hà Nội Hướng nghiên cứu An ninh Khoa học liệu Email: huudungle@hou.edu.vn 75 Section on Information and Communication Technology (ICT) - No 13 (6-2019) A SECURE MULTI-BITPLANE STEGANOGRAPHY BASED ON MODIFIED MATRIX EMBEDDING USE CANONICAL GRAY CODE FOR SPATIAL IMAGES Abstract Hiding data into image flat regions introduces stego-images with low perceptual quality and security Therefore, in this paper, a secure Multi-Bitplane Steganography based on Modified Matrix Embedding use Canonical Gray Code for Spatial Images, were proposed In this proposed approach, image regions are adaptive selected based on the number of secret message bits and the complex characteristic of cover images At low embedding rate, the high texture image areas are employed in data hiding When the number of message bits needs to be embedded is increased, more image regions are used in data hiding, including high and low texture regions To guarantee available embedding capacity, more than one of bit-plane of an image is used The results, which are obtained from experiments with 10 000 natural images, indicate that the security against detection and extraction attacks is higher than that of previous methods even at high embedding rate 76 ... Bài báo giới thiệu lược đồ ẩn giấu thông tin theo khối sử dụng mã Gray cho ảnh số với nhiều lớp bít điểm ảnh sử dụng Việc sử dụng mã Gray để biểu 73 Section on Information and Communication Technology... thông tin giấu Trong thuật tốn này, F khối bít lớp bít thứ k khối điểm ảnh biểu diễn theo mã Gray 3.4 Thuật tốn điều chỉnh thích nghi cho mã Gray phản xạ Trong lược đồ đề xuất, bít tin giấu lớp bít. .. thơng điệp cần giấu đặc tính phức tạp ảnh nguồn sử dụng Bước Ảnh nguồn chia thành khối × điểm ảnh tin giấu từ lớp bít cao xuống lớp bít thấp khối điểm ảnh (nhị phân) lớp bít thoả mãn độ phức tạp