5. Phƣơng pháp nghiên cứu
2.1.2.2Giấu tin trong miền không gian của ảnh
Trong các phƣơng pháp miền không gian, một ngƣời giấu tin sẽ biên tập dữ liệu bí mật che phủ trong miền không gian, trong đó bao gồm mã hóa ở cấp độ của LSBs [4]. Phƣơng pháp này mặc dù đơn giản, nhƣng nó lại có tác động rộng lớn. Một framework thông thƣờng chỉ ra khái niệm nằm bên trong đƣợc đánh dấu trong hình 2.5, hình 2.6 minh họa một ví dụ thực hiện nhúng vào trong LSB đầu tiên tới LSB thứ 4. Có thể thấy là nhúng trong LSB thứ 4
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
sinh ra nhiều méo mó hình ảnh của ảnh che phủ (cover image) khi thông tin ẩn đƣợc cho là "không tự nhiên".
Hình 2.5: Giấu tin trong miền không gian
Sẽ thấy rõ ràng hơn khi hình 2.6 kết luận một điều là phải có một sự cân bằng giữa tải và độ méo ảnh che phủ, tuy nhiên tải (nhúng có thể lên tới LSB thứ 1, thứ 2, thứ 3 hoặc thứ 4), tƣơng tự với ảnh nhúng đƣợc lấy lại. Ví dụ, Hình. 2.6(k) (đƣợc lấy lại từ việc nhúng vào LSB thứ 4) thì ảnh đƣợc giấu có ƣớc lƣợng tốt (Hình 2.6c) nhƣng dễ nhận thấy là có sự can thiệp của con ngƣời (Hình 2.6f). Mặt khác Hình 2.6j (đƣợc lấy lại từ việc nhúng vào LSB đầu tiên) chất lƣợng cân bằng kém với hầu hết vật mang đồng nhất với ảnh gốc ( So sánh hình 2.6d với 2.6a).
Potdar và các cộng sự đã sử dụng kỹ thuật miền không gian khi tạo ra một kỹ thuật giấu tin chia sẻ bí mật dấu vân tay để tạo thế mạnh chống lại các tấn công cắt xén ảnh [109]. Kỹ thuật của họ thiên về cung cấp các hiệu ứng cắt xén ảnh hơn là đề xuất một kỹ thuật nhúng. Phần logic nằm dƣới công việc đƣợc họ đề xuất là chia ảnh thành các ảnh con sau đó nén và mã hóa những dữ liệu bí mật. Dữ liệu có đƣợc sau đó cũng lần lƣợt đƣợc chia và nhúng vào các ảnh con nói trên. Để lấy lại đƣợc dữ liệu, một đa thức nội suy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Lagrange đƣợc áp dụng cùng với một thuật toán mã hóa. Độ phức tạp tính toán lớn, các tham số của thuật toán cụ thể là số lƣợng hình ảnh (n) và giá trị ngƣỡng (k) không đƣợc thiết lập giá trị tối ƣu, để ngƣời đọc phải đoán giá trị. Giả sử rằng nếu n=32, có nghĩa là có 32 khóa công khai cần để cấp cho 32 ngƣời và 32 ảnh con, chúng lần lƣợt đều không thực tế. Hơn nữa, độ dƣ thừa dữ liệu mà họ định bỏ qua sẽ tìm thấy trong ảnh-stego.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Shirali-Shahreza và Shirali-Shahreza đã khai thác hệ thống chấm câu của bảng chữ cái Arập và Ba Tƣ để giấu các thông điệp [87]. Trong khi phƣơng pháp của họ không có liên quan gì tới cách tiếp cận LSB, nó nghiêng về miền không gian nếu nhƣ chữ đƣợc xử lý nhƣ là ảnh. Không giống nhƣ tiếng Anh là thứ ngôn ngữ chỉ có 2 kí tự có dấu chấm là i và j, ngôn ngữ Ba Tƣ rất phong phú với 18 chữ cái trong bảng chữ cái 32 chữ là có dấu chấm. Thông điệp bí mật đƣợc nhị phân hóa và những dấu chấm của 14 chữ cái này phải đƣợc can thiệp tùy vào các giá trị của file nhị phân.
Kỹ thuật giấu tin dựa vào bảng màu khai thác sự chuyển đổi màu đoạn dốc trơn nhẵn của màu sắc khi đƣợc chỉ ra trong bảng màu. Các LSB ở đây đƣợc sửa đi tùy thuộc vào các vị trí của chúng trong chỉ số bảng màu. Johnson và Jajodia đã rất ƣa dùng BMP (24 bit) thay vì ảnh JPEG [87]. Sự lựa chọn tiếp theo là file GIF (256) màu. Giấu tin dựa trên ảnh BMP cũng nhƣ GIF đều áp dụng các kĩ thuật LSB, trong khi khả năng chống lại các cuộc phản công bằng thống kê và nén đƣợc cho là kém. Các file BMP thƣờng là nặng hơn so với các định dạng khác sẽ là bất lợi đối với truyền thông trên mạng. Tuy nhiên các ảnh JPEG lúc đầu đều bị bỏ qua vì thuật toán nén của nó không hỗ trợ nhúng LSB trực tiếp vào miền không gian.
Jung and Yoo lấy mẫu thu nhỏ (down-sampled) một ảnh thành ½ kích cỡ của nó và sau đó sử dụng phƣơng pháp nội suy đã cải biên, đặt tên là Nội suy dựa vào láng giềng (neighbour mean interpolation (NMI)), rồi lại phóng to mẫu của ảnh vừa có về kích thƣớc ban đầu để nhúng [87]. Với quá trình nhúng ảnh sau khi đƣợc phóng đƣợc chia thành các khối không nằm đè lên nhau kích cỡ 2x2 đƣợc trình bày ở hình 2.7. Bài toán khả thi với phƣơng pháp này là:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Tính bất khả thi của việc phục hồi lại các bit bí mật không có lỗi, vì sử dụng log2 luôn đƣợc sử dụng trong phân tích để tạo ra các giá trị dấu chấm động.
Vì trong 2x2 khối, giá trị chủ đạo ( có nghĩa là khối (1,1) là còn nguyên, vì vậy nó sẽ dẫn tới sự triệt tiêu sự tƣơng liên mạnh mẽ vốn có giữa các pixel liền kề là cái sẽ thông báo có quá trình không tự nhiên.
Hình 2.7: Hệ thống báo cáo của Jung va Yoo [87]
Giấu tin dựa vào Histogram là một cách khác hay đƣợc sử dụng trong biểu đồ che giấu dữ liệu. Li và các cộng sự đề xuất che giấu dữ liệu không mất mát sử dụng các giá trị khác nhau của các pixel liền kề [87]. Nó đƣợc phân loại thành các thuật toán nhúng dữ liệu "1" . Nó khai thác sự liên quan giữa các pixel liền kề cuối cùng sẽ cho một histogram thu gọn đƣợc đặc trƣng hóa bởi một phân phối Gaussian chuẩn.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Thay vì xem xét toàn bộ ảnh, Piyu Tsai và các đồng nghiệp đã chia ảnh thành các khối nhỏ 5x5 còn phần dôi ra đƣợc tính toán sử dụng dự đoán tuyến tính (từ khác của sai phân của các pixel). Sau đó dữ liệu bí mật đƣợc nhúng vào các giá trị dƣ thừa này, theo sau là phép tái tạo khối [87]. Với các biểu đồ này đều có ƣu điểm ở tái tạo ảnh gốc từ ảnh stego. Trong khi sự duy trì có thể đƣợc yêu cầu trong các ứng dụng thông thƣờng, khả năng giấu tin bị hạn chế trong các phƣơng pháp này, bên cạnh đó chiến thuật nhúng "1" có thể bị phát hiện.