5. Phƣơng pháp nghiên cứu
2.1.2.3Giấu tin trong miền tần số ảnh
Các thuật toán mới kế tục các nổi trội từ hiệu quả của các thuật toán cũ (phƣơng pháp miền không gian), bởi sự phát triển nhanh chóng của công nghệ thông tin và bởi nhu cầu của hệ thống bảo mật đƣợc cải thiện. Sự sáng tạo ra kỹ thuật nhúng LSB thực sự là một thành tựu lớn [4]. Mô tả của biến đổi cosine rời rạc DCT 2 chiều cho một ảnh đầu vào F và một ảnh đầu ra T đƣợc tính toán nhƣ sau:
Với:
Và:
Trong đó M, N là các kích thƣớc của ảnh còn m, n là các biến biến thiên lần lƣợt 0 tới M-1 và 0 tới N-1. Mục tiêu của phần lƣợng hóa là để nới rộng độ chính xác bị bó hẹp bởi DCT khi duy trì các kí hiệu mô tả thông tin quan trọng. Bƣớc lƣợng hóa đƣợc tính bởi:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Trong đó: x,y là tọa độ, là hàm kết quả, là khối ảnh cƣờng
độ không lặp cỡ 8x8 và là một toán tử làm tròn dƣới. là bƣớc
lƣợng hóa có mối liên hệ với chất lƣợc ảnh JPEG đƣợc cho bởi:
Trong đó là bảng lƣợng hóa và Q hệ số chất lƣợng. Nén JPEG sau
đó sẽ áp dụng mã hóa Entropy nhƣ là thuật toán Huffman để nén có
đƣợc. Hầu hết dữ liệu dƣ thừa và nhiễu bị mất trong bƣớc này, vì thế có tên là nén dữ liệu có mất mát.
Hầu hết các kĩ thuật ở đây đều dùng ảnh JPEG nhƣ là phƣơng tiện để nhúng dữ liệu. Nén JPEG sử dụng DCT để biến đổi các khối ảnh con 8x8 lần lƣợt thành 64 hệ số DCT. Tuy nhiên dữ liệu đƣợc chèn vào các bít điển hình của các hệ số sẽ biến đổi một hệ số nào đó có thể ảnh hƣởng tới toàn bộ các pixel của 64 khối. Vì biến đổi đƣợc thực hiện trong miền tần số thay vì miền không gian nên sẽ không có biến đổi nào quan sát đƣợc trong ảnh che phủ.
Thuật toán JSteg trong các thuật toán nói trên đã dùng các ảnh JPEG. Mặc dù thuật toán này khá mạnh khi chống lại các tấn công trực quan, ngƣời ta thấy rằng kiểm tra phân phối thống kế của các hệ số DCT sẽ chỉ ra sự tồn tại của các dữ liệu ẩn. Wayner xác định rằng các hệ số trong nén JPEG thông thƣờng sẽ đổ theo đƣờng cong hình chuông và thông tin ẩn nhúng bởi JSteg đã làm méo điều này. Manikopoulos và các cộng sự [98] đã thảo luận một thuật toán lợi dụng hàm mật độ xác suất để sinh ra các đặc trƣng phân biệt để cho vào hệ thống mạng nhân tạo sẽ phát hiện dữ liệu ẩn trong miền này.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
OutGuess đã chọn lựa tốt vì đã sử dụng một bộ sinh số ngẫu nhiên giả pseudo-random-number để chọn ra các hệ số DCT. Bộ test X2 đã không phát hiện ra dữ liệu đƣợc phân phối ngẫu nhiên. Nhà phát triển OutGess thách thức một phản công lại thuật toán của anh ta. Provos và các cộng sự đề xuất sử dụng một phiên bản mở rộng của test-X2 để chọn ra thông điệp nhúng ngẫu nhiên trong các ảnh JPEG.
Các kỹ thuật nhúng dựa trên DWT vẫn còn trong giai đoạn trứng nƣớc. Paulson báo cáo rằng một nhóm các nhà khoa học tại Đại học bang Iowa đang tập trung vào việc phát triển một ứng dụng sáng tạo mà họ gọi là ''công nghệ mạng nơ ron nhân tạo cho steganography (ANNTS)'' nhằm phát hiện tất cả các kỹ thuật steganography bao gồm DCT, DWT và DFT. Các biến đổi Fourier rời rạc ngƣợc (iDFT) bao gồm lỗi không làm tròn DFT không phù hợp cho các ứng dụng steganography [98].
Abdelwahab và Hassan đề xuất một kỹ thuật ẩn dữ liệu trong miền DWT [98]. Cả ảnh bí mật và ảnh che phủ đều đƣợc phân tích bằng cách sử dụng DWT (cấp 1). Mỗi ảnh trên đƣợc chia thành các khối phân chia 4x4. Các khối của ảnh bí mật cho vào các khối che phủ để xác định độ phù hợp tốt nhất.