TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
KHOA CÔNG NGHỆ THÔNG TIN

Dưới đây là bài báo khoa học “Kỹ thuật phát hiện cho ảnh giấu tin có ràng buộc”của TS. Hồ Thị Hương Thơm-Khoa CNTT, Trường Đại học Dân lập Hải Phòng.

Abstract

Data hiding is the art of secret communication, it is a technique that hides a message into another digital object. The first time, the aim of information hiding is protecting security of digital produces, especially, digital image. After that, its advantage is taken to exchange message between parties (call steganography). Because of invisible of data hiding, it becomes an useful tool for organizations exchanging important information on public communicative enviroment. Therefore, the aim of researcher of the paper is to study motheds that can recognize images covering secret message using some steganography proposed in near time. The paper gives four steganalytic techniques they can recognize stego image using r 
eversible data hiding based on histogram analysis.

I. GIỚI THIỆU

Mục đích của giấu thông tin trong ảnh (Steganography) là để truyền thông tin mật trong môi trường truyền thông công cộng mà khó bị phát hiện bằng kỹ thuật thông thường, ngược lại với kỹ thuật mã hoá, chúng làm cho dễ nhận biết là thông tin truyền đi đã bị mã hoá hay không. Các đối tượng dùng để chứa thông điệp gọi là “cover”, sau khi một thông điệp được giấu trong cover vật mang đó sẽ được gọi là vật mang tin “stego”.

Phát hiện ảnh có giấu tin (Steganalysis) là hệ thống thực hiện tấn công một phương pháp steganography, nhiệm vụ chính cần chỉ ra khả năng phân biệt ảnh cover từ các ảnh stego với khả năng tốt hơn sự phỏng đoán ngẫu nhiên. Phương pháp phát hiện ảnh có giấu tin có thể coi như bài toán phân loại (phân lớp) dựa trên kiểm định giả thuyết thống kê giữa hai giả thuyết: H₀ - giả thuyết cho rằng ảnh có giấu tin và đối thuyết H₁ – giả thuyết cho rằng ảnh không giấu tin. Mục đích của việc phát hiện là tìm ra phương pháp (quyết định) để phân loại sao cho sai số xẩy ra là nhỏ nhất có thể. Điều này phụ thuộc vào hiểu biết của chúng ta về lược đồ giấu tin, nếu chúng ta không có thông tin gì về lược đồ giấu tin thì phương pháp phát hiện gọi là phát hiện mù (blind steganalysis), còn biết trước thông tin về lược đồ giấu tin thì phương pháp phát hiện gọi là phát hiện có ràng buộc (constraint steganalysis). Trong báo cáo này đưa ra phương pháp phát hiện cho ảnh giấu tin có ràng buộc. Sau khi khảo sát một số kỹ thuật giấu tin đã biết tác giả bài báo này đưa ra phương pháp phát hiện phù hợp. Hiệu quả của phương pháp được chỉ ra dựa trên việc thử nghiệm trên cùng tập cơ sở dữ liệu gồm 2088 ảnh.

II. MỘT SỐ KỸ THUẬT GIẤU TIN

Phần này trình bày khái quát bốn kỹ thuật giấu tin DIH, IWH, HKC, RVH. Chúng đều là trường hợp riêng của kỹ thuật giấu LSB, tuy nhiên tỉ lệ thay đổi trên LSB của ảnh thường thấp so với lượng thông tin đem giấu (hoặc kích cỡ ảnh), vì vậy phát hiện bằng các kỹ thuật phát hiện mù trên LSB của ảnh thường cho kết quả không cao. Trong phần tiếp theo đưa ra các phương pháp phát hiện tối ưu hơn so với phát hiện mù trên LSB cho các kỹ thuật giấu DIH, IWH, HKC, RVH.

1. Kỹ thuật giấu HKC

Kỹ thuật HKC do J. H. Hwang và cộng sự đề xuất năm 2006 [1], dựa trên phương pháp dịch chuyển biểu đồ tần suất như sau: chọn điểm có tần suất lớn nhất (gọi là điểm Peak) trong biểu đồ, sau đó chọn hai điểm Zero1 và Zero2 (các điểm có cột tần suất có giá trị bằng 0) ở bên trái và bên phải điểm Peak. Sau đó thực hiện làm rỗng hai cột tần suất tại vị trí Peak+1 và Peak -1. Để có thể khôi phục ảnh gốc, bản đồ định vị được đề xuất dùng để lưu trữ thông tin vị trí của các điểm gồm: điểm Peak, Zero1, giá trị tần suất Zero1, điểm Zero2, tần suất của điểm Zero2. Bản đồ định vị này chuyển thành một chuỗi nhị phân và được ghép vào chuỗi thông tin M cùng giấu vào ảnh.

2. Kỹ thuật giấu tin DIH

Kỹ thuật giấu tin thuận nghịch dựa trên biểu đồ sai phân ảnh DIH (Difference Image Histogram) do Lee và các cộng sự đề xuất năm 2004 [2]. Ý tưởng của kỹ thuật này là nhúng thông tin dựa vào hệ số sai phân trong ảnh. Giả sử dữ liệu ảnh gốc 8 – bit Lena.bmp kích cỡ m × n điểm ảnh được biểu diễn bằng vector {x_tk} với t=0, … m - 1, k=0,… n - 1, x_tk Î{0, … 255}}, khi đó các hệ số sai phân {d_ij} của ảnh được tính theo d_ij = x_{i,2j + 1} − x_{i, 2j} với 0 ≤ i ≤ m − 1, 0 ≤ j ≤ n/2 – 1. Tính tần suất của các hệ số sai phân được vector h_d. Nhóm tác giả thấy rằng các giá trị tần suất tập trung phần lớn vào các hệ số sai phân có giá trị -2, -1, 0, 1, 2, do đó có thể giấu thông tin dựa vào các hệ số sai phân này. Để giấu tin có thể khôi phục lại ảnh gốc, họ sẽ phải dịch chuyển các cột tần suất có hệ số d_ij lớn hơn 1 và nhỏ hơn -1 để làm rỗng các cột tần suất các hệ số bằng 2 và -2. Sau đó chuỗi thông tin M (ví dụ là dữ liệu của ảnh nhị phân (kích cỡ 128x56 điểm ảnh) sẽ được giấu vào các điểm ảnh mà hệ số sai phân của nó sau khi chỉnh sửa có giá trị là 1 hoặc -1 theo nguyên tắc: xét từng cặp điểm ảnh (x_{i, 2j}, x_{i, 2j+1}) (theo thứ tự nào đó), nếu d_ij của cặp này có giá trị 1 hoặc -1, ta kiểm tra bÎM cần giấu b=1 thì x_{i, 2j} tăng lên 1 (nếu d_ij =1) hoặc x_i,2j giảm 1 (nếu d_ij =-1), còn nếu b=0 các giá trị vẫn giữ nguyên (mặc định coi như đã giấu thông tin vào d_ij). Quá trình giấu này thực chất là dịch chuyển một phần cột hệ số sai phân -1, 1 sang hệ số -2, 2.

3. Kỹ thuật giấu tin IWH

Cũng xuất phát từ yêu cầu khôi phục xấp xỉ ảnh gốc sau khi tách thông tin, vào năm 2006, Xuan và các đồng nghiệp đề xuất kỹ thuật giấu IWH (Integer Wavelet Histogram) [3]. Kỹ thuật này có ý tưởng gần giống kỹ thuật giấu tin DIH, tuy nhiên khác nhau ở chỗ: thay vì dịch chuyển các cột tần suất sai phân, thì họ sử dụng phương pháp dịch chuyển tần suất của các hệ số biến đổi wavelet nguyên với vị trí tùy chọn.

Ban đầu họ thực hiện phép biến đổi Wavelet cho miền không gian ảnh theo chuẩn biến đổi trong kỹ thuật nén JPEG2000 để được bốn băng tần (LL, LH, HL, HH). Thực hiện nhúng thông tin vào ba băng tần cao LH, HL, HH nơi được cho là ít ảnh hưởng đến chất lượng ảnh gốc. Tính tần suất của các hệ số IWT, các cột tần suất có giá trị lớn hơn Z sẽ bị dịch chuyển sang phải, mục đích làm rỗng cột tần suất có giá trị Z.

4. Kỹ thuật giấu tin RVH

Giấu tin hai pha ngang dọc hay còn gọi là kỹ thuật RVH (Reversible Vertical Horizontal Technique) do P. Mohan Kumar và K. L. Shunmuganathan đề xuất vào tháng 3 năm 2010 [4]. Kỹ thuật giấu này sử dụng chiến lược giấu nhiều lần nhằm nâng cao chất lượng ảnh và dung lượng giấu. Phương pháp giấu tin này sẽ nhúng một chuỗi bit thông tin vào các cặp giá trị điểm ảnh của ảnh O kích cỡ m×n điểm ảnh theo thứ tự quét ảnh (từ trái sang phải, từ trên xuống dưới). Việc giấu tin sẽ chia ra làm 2 giai đoạn: Giai đoạn 1 gọi là giấu theo chiều ngang HEm (Horizontal embedding proceduce) và giai đoạn 2 gọi là giấu theo chiều dọc VEm (Vertical embedding procedure).

III. PHƯƠNG PHÁP PHÁT HIỆN ẢNH GIẤU TIN CÓ RÀNG BUỘC

1. Phương pháp phát hiện ảnh giấu tin sử dụng kỹ thuật giấu HKC

Năm 2008, Wen – Chung Kuo và Yan – Hung Lin đề xuất kỹ thuật phát hiện ảnh giấu tin sử dụng HKC [5]. Họ quan sát biểu đồ tần suất dựa vào đỉnh Peak trước và sau khi giấu, thấy hai giá trị lân cận hai bên của đỉnh peak bị tụt xuống do giấu tin vì vậy họ đưa ra định lý 1.1 để xây dựng kỹ thuật phát hiện dưới đây.

Định lý 1 - Có năm cặp giá trị liên tiếp (x₁, y₁), (x₂, y₂), (x₃, y₃), (x₄, y₄), (x₅, y₅) với (x₃, y₃) là cặp giá trị điểm Peak. Tỉ lệ thay đổi của năm điểm liên tục và mối quan hệ láng giềng được xác định lần lượt như biểu thức (1) và (2):

t₂ là giá trị ngưỡng

Trong [5], tác giả lấy t₂ = 0.1.

Với kỹ thuật phát hiện của Kuo và Lin (dựa trên định lý 1) trong một số trường hợp, chúng ta thấy nó không phù hợp khi thông tin không được giấu hết vào vị trí của cột tần suất có giá trị lân cận điểm Peak.

Hình 1. Biểu đồ tần suất của: (a) ảnh gốc, (b) ảnh giấu tin bằng HKC

Ví dụ như hình 1(a) điểm peak là 146, sau khi giấu tin hai cột giá trị lân cận peak là 145 và 147 bị tụt xuống, nhưng lượng bit giấu ít hơn tần suất của 2 điểm này, nên tần suất có giá trị điểm ảnh bằng 144 không bằng tần suất có giá trị điểm ảnh là 145 và tần suất có giá trị điểm ảnh là 147 không bằng tần suất có giá trị điểm ảnh là 148 (xem hình 1 (b)). Theo ví dụ ta có y₁=1520, y₂=600, y₃=3300, y₄=580, y₅=1600.

Trong trường hợp này kiểm tra lại biểu thức (1) và (2) ta thấy:

(y₃-y₂)/y₃=0.8182 và (y₃-y₄)/y₃ =0.8242 và

không thỏa mãn định lý 1.

Để cải tiến kỹ thuật của Kuo và Lin phát hiện hiệu quả hơn cho trường hợp giấu với lượng giấu khác nhau, ta có định lý 2 như sau:

Định lý 2 - Có năm cặp giá trị liên tiếp (x₁, y₁), (x₂, y₂), (x₃, y₃), (x₄, y₄), (x₅, y₅) trong đó (x₃, y₃) là cặp giá trị điểm Peak (với điểm ảnh có giá trị x₃ có tần suất lớn nhất y₃). Khi đó ảnh có giấu tin sử dụng kỹ thuật giấu HKC nếu mối quan hệ của năm cặp giá trị này thỏa mãn biểu thức (1’) và (2’):

Phương pháp phát hiện HKC khác và ước lượng thông tin giấu

Gọi  là vector tần suất của ảnh gốc trước khi giấu tin, khi đó Peak là điểm ảnh có tần suất (h_Peak) lớn nhất, các cột tần suất lân cận h_Peak-2, h_Peak-1, h_Peak+1, h_Peak+2 có giá trị lớn xấp xỉ h_Peak, vì vậy tổng tần suất của h_Peak+1 và h_{Peak +2} (hoặc h_{Peak – 1} và h_{Peak -2}) sẽ luôn lớn hơn h_Peak, nghĩa là h_Peak+1 + h_{Peak +2} > h_Peak (hoặc h_Peak-1 + h_{Peak - 2} > h_Peak).

Với ảnh có giấu tin thì điều này lại ngược lại, vì để giấu tin theo HKC chúng ta phải dịch chuyển tần suất h_{Peak + 2} sang vị trí h_{Peak +3}, h_{Peak +1} sang h_{Peak +2}, h_{Peak - 2} sang h_Peak–3, h_Peak-1 sang h_Peak-2. Khi thông tin được giấu vào ảnh sẽ dịch chuyển một phần h_Peak-2 sang h_{Peak -1} và h_Peak+2sang h_Peak+1. Do đó chúng ta thấy h_Peak-1 + h_peak-2 < h_Peak và h_Peak+1 + h_Peak+2 < h_Peak vì h_Peak-1+ h_Peak-2 và h_Peak+1 + h_Peak+2 chính là tần suất của h_Peak-1 và h_Peak+1 trong ảnh gốc ban đầu.

Cũng dựa vào mối quan hệ bị thay đổi này giữa các vùng lân cận h_Peak chúng ta có thể ước lượng được số bit thông tin giấu trong ảnh dựa vào h_Peak-1 và h_Peak+1. Ban đầu để giấu tin chúng ta phải dịch chuyển h_Peak-1 sang h_Peak-2, h_Peak+1 sang h_Peak+2, nghĩa là làm cho h_Peak-1= 0, h_Peak+1 = 0. Sau khi giấu tin các bit “1” của chuỗi thông tin làm dịch chuyển một phần h_Peak-2, h_Peak+2 sang h_Peak-1, h_Peak+1 (theo thuật toán giấu HKC) còn các bit “0” ngầm định được giấu vào các điểm ảnh Peak-2 và Peak+2.

Gọi L₀, L₁ là số bit “0” và bit “1” của chuỗi thông tin M cần giấu khi đó: L₁ = h_Peak-1 + h_Peak+1, còn L₀ » L₁ vì chuỗi thông tin M là đại lượng ngẫu nhiên có phân bố i.i.d nên xác suất bit “0” và xác suất bit “1” xấp xỉ bằng nhau và bằng 0.5 (P(0)» P(1) =0.5). Vậy độ dài bit thông tin M được giấu trong ảnh sử dụng HKC được tính theo biểu thức sau: L = 2L₁ = 2(h_Peak-1 + h_Peak+1).

Từ các vấn đề phân tích ở trên chúng tôi có được định lý 3 cho phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu HKC.

Định lý 3 - Có năm cặp giá trị liên tiếp (x₁, y₁), (x₂, y₂), (x₃, y₃), (x₄, y₄), (x₅, y₅) với điểm Peak (điểm max) lx₃ và y₃ = h_Peak. Khi đó ảnh có giấu tin bằng HKC nếu mối quan hệ của năm điểm này thỏa mãn:

y₁ + y₂ < y₃ (3)

y₄ + y₅ < y₃ (4)

và lượng bit thông tin đã giấu được tính bằng biểu thức:

L =2(y₂ +y₄) (5)

2. Phương pháp phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu DIH

Để đưa ra phương pháp phát hiện phù hợp với kỹ thuật giấu DIH, trước tiên chúng ta đưa ra phân tích trên một tập gồm 8 ảnh 8-bit kích cỡ 512x512 điểm ảnh tải về từ thư viện ảnh [10].

Sau đó tập ảnh này được giấu cùng một thông tin là ảnh nhị phân kích cỡ 128 × 56 bằng kỹ thuật giấu DIH được tập ảnh có giấu tin. Tính tần suất các hệ số sai phân của ảnh ta có biểu đồ tần suất của từng ảnh.

Từ biểu đồ tần suất của chúng ta có thể thấy, đối với ảnh không giấu tin thì biểu đồ tần suất h của các hệ số sai phân d có phân bố Gaussian với hàm mật độ xác suất:

Hay mối quan hệ của các h_i như sau trong ảnh gốc:

h₁ + h_–1 > h₂ + h_–2 > h₃ + h_–3 > … > h₁₀ + h_–10 >…

Còn đối với ảnh có giấu tin thì:

h₁ + h_–1 > h₂ + h_–2, h₂ + h_–2 ≤ h₃ + h_–3.

Sự thay đổi này là do kỹ thuật giấu DIH tạo ra, nó thay đổi tần suất h­_±­2­ ­của ảnh để giấu thông tin. Đây chính là vấn đề mấu chốt để phát hiện ảnh có giấu tin bằng DIH. Từ đó chúng ta có thể ước lượng được xấp xỉ thông tin đã giấu dựa vào h­_±­_2­. Vì thông tin đem giấu là một chuỗi bit có phân bố độc lập nên xác suất số bit “0” xuất hiện trong chuỗi thông tin xấp xỉ bằng xác xuất số bit “1” và bằng 0.5 (p(0) = p(1) = 0.5). Vì vậy ½ chuỗi thông tin sẽ được giấu trong h_±­₁ và phần còn lại được giấu trongh­_±­_2­­, do đó độ dài xấp xỉ bit thông tin đem giấu được tính như sau: L= 2*(h_-2 + h₂).

Từ các phân tích trên chúng ta đưa ra định lý 4 về mối quan hệ tần suất của các hệ sai phân trong ảnh có giấu tin và ước lượng độ dài bit thông tin giấu trong ảnh như sau:

Định lý 4 - Có 2 cặp giá trị (h₂, h_-2), (h₃, h_-3) được chọn từ vector tần suất các hệ số sai phân của một ảnh. Khi đó ảnh có giấu tin bằng DIH nếu mối quan hệ của 2 cặp giá trị này thỏa mãn:

và lượng bit thông tin đã giấu được tính bằng biểu thức:

L= 2*(h_-2 + h₂) (7)

Với T là ngưỡng để phân loại.

3. Phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu IWH

Để có thể phát hiện và ước lượng thông tin giấu sử dụng kỹ thuật IWH, đầu tiên chúng ta khảo sát biểu đồ tần suất các hệ số wavelet trên ba băng tần cao của tập gồm 8 ảnh (đã sử dụng trong mục 2).

Tiếp theo chúng ta khảo sát chi tiết biểu đồ tần suất của ảnh Lena.bmp sau khi giấu thông tin là một ảnh Logo nhị phân kích cỡ 128x56 điểm ảnh sử dụng kỹ thuật giấu IWH với các vị trí chọn T ban đầu khác nhau theo ba thử nghiệm sau:

Trong thử nghiệm thứ nhất, nhúng thông tin trên ba băng tần cao (HH, LH, HL) với vị trí bắt đầu là T = 2, sau khi giấu thông tin xong nhận được điểm dừng St = -2, lúc này biểu đồ tần suất của ảnh bị thay đổi.

Trong thử nghiệm thứ hai, vị trí khởi điểm chọn T = 4, nhận được điểm dừng St = 3.

Trong thử nghiệm thứ ba, vị trí khởi điểm chọn T = 6 và nhận được điểm dừng St = -5.

So sánh sự khác biệt giữa biểu đồ tần suất các hệ số wavelet của ảnh gốc và ảnh có giấu tin với các điểm chọn ban đầu khác nhau T, ta thấy trong một ảnh gốc điển hình thì:

h₀ > h₁> h₂ > h₃ >… và h₀ > h_-1 > h_-2 > h_-3 >…

với h_i là số hệ số wavelet có giá trị bằng i.

Trong khi đó biểu đồ tần suất của ảnh sau khi giấu thông tin trong thử nghiệm thứ nhất ta thấy:

h₄ >h₃, h₃ » h₂, h_-4 > h_-3, h_-3 < h_-2

Trong thử nghiệm thứ hai:

h₅ ≈ h₆, h_-5 ≈ h_-4­, h₄ < h₃, h₄ 5,

Trong thử nghiệm thứ ba có:

h₇ ≈ h₈, h₅ ≈ h₆, h_{-7 ≈} h_-8, h_-5 ≈ h_-6.

Vấn đề trên có thể giải thích dựa vào phân tích thí nghiệm thứ ba như sau: Phương pháp giấu tin IWH ban đầu dịch chuyển một phần cột tần suất với giá trị lớn hơn 6 (do T = 6, Z = T) sang bên phải một đơn vị, tạo ra cột rỗng tại vị trí có hệ số wavelet bằng 7 (h₇ = 0). Sau đó nhúng một phần thông tin vào h₆ và h₇ ta được h₆ ≈ h₇. Vì thông tin chưa nhúng hết, do đó Z = 6 chuyển thành Z = -6, ở đây thông tin còn lại được nhúng hết vào biểu đồ tại h­_-6 và h_-7, sau khi nhúng xong ta được h_-6 ≈ h_-7. Tuy nhiên thông tin cần nhúng vẫn còn nên Z = -6 chuyển thành Z = 5, h₆ và h₇ di chuyển thành h₇ và h₈, thông tin được nhúng vào h₅ và h₆ nên h₅ ≈ h₆. Tiếp tục Z = 5 chuyển thành Z = -5 (chưa nhúng hết thông tin), h_-6 và h_-7 di chuyển sang h_-7 và h_-8 để nhúng một phần thông tin, thông tin còn lại được nhúng vào một phần của h_-5, nó làm cho một phần của h_-5 trở thành h_-6 (do phần thông tin còn lại xấp xỉ bằng h_-5 lên chúng ta thấy h_-5 ≈ h_-6). Cuối cùng, quá trình nhúng tin kết thúc và đặt St=Z=-5 (St: điểm dừng).

Từ các vấn đề phân tích ở trên, ta xây dựng được thuật toán phát hiện ảnh có giấu tin trên các hệ số wavelet tổng quát dựa trên phương pháp ước lượng độ dài bit thông tin theo thuật toán 3.5 trong [6].

4. Phương pháp phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu RVH

Theo thủ tục nhúng ngang HEm, từ ảnh gốc O, các pixel của ảnh O được nhóm theo hướng ngang thành các cặp (x, y), các cặp này được phân hoạch vào hai tập E₁ và E₁, tập E₁ bao gồm các cặp pixel (x,y) có thể nhúng ngang, nghĩa là y có giá trị lẻ, trong khi E₁ là tập chứa các cặp (x,y) không thể nhúng ngang, y có giá trị chẵn. Sau khi giấu B₁ thì ta thấy tần số của số bit 0 và bit 1 của các LSB trên các cột pixel y có sự chênh lệch khá rõ, trong khi với ảnh chưa giấu tin thì tần số của hai bit này xấp xỉ nhau.

Đối với thủ tục nhúng dọc VEm, quét ảnh U theo chiều dọc với thứ tự quét từ trên xuống dưới, từ trái sang phải để nhóm các cặp điểm ảnh (u,v), chúng ta phân loại ảnh vào hai tập E₂ và E₂, tập E₂ gồm các cặp điểm ảnh có thể sử dụng để nhúng dọc, nghĩa là v có giá trị chẵn, tập E₂ gồm các cặp điểm ảnh không thể sử dụng nhúng dọc. Sau khi giấu B₂ thì tần số của số bit 0 và bit 1 của các LSB trên các hàng v khác nhau rất rõ khi lượng thông tin giấu lớn.

Từ vấn đề đó chúng ta xây dựng được biểu thức tính xác suất của bit 0 và bit 1 trên các cột (8) hoặc trên các hàng (9) của ma trận điểm ảnh được xét:

Với ảnh gốc thì P_{LSB_even_H}(0) và P_{LSB_even_H}(1) trên các cột chẵn là xấp xỉ nhau, nhưng với ảnh có giấu tin bằng RVH thì chúng chênh lệch nhau.

Dựa vào vấn đề khác biệt tìm ra ở trên, luận án đưa ra biểu thức (10) có thể sử dụng để phân biệt ảnh có giấu tin sử dụng kỹ thuật giấu RVH với một ảnh tự nhiên.

Trong đó X là ảnh cần kiểm tra

IV. CÀI ĐẶT VÀ THỬ NGHIỆM

Tập ảnh thử nghiệm: Sử dụng tập ảnh gốc C₀ gồm 2088 ảnh. Tập ảnh gốc sử dụng chung cho các thuật toán giấu và phát hiện trong báo cáo gồm 2088 ảnh với các kích cỡ khác nhau trong đó: 1014 ảnh được tải về từ hai thư viện trực tuyến [9, 10] và 1074 ảnh được tạo ra từ máy ảnh kỹ thuật số và máy ảnh trên điện thoại di động. Nội dung ảnh đa dạng gồm: ảnh phong cảnh, chân dung, bản vẽ, vệ tinh, sự kiện, …

Giấu tin : Từ tập ảnh C₀ được nhúng lượng thông tin 2500 bit bằng kỹ thuật giấu HKC ta được tập S_{HKC_2500}, giấu 6000 bit bằng kỹ thuật giấu DIH được tập S_{DIH_6000}, giấu 6000 bit bằng kỹ thuật giấu IWH được tập S_{IWH_6000}, giấu 50% khả năng giấu của các ảnh trong tập C₀ bằng kỹ thuật giấu RVH được tập S_{RVH_R50}. Các trường hợp giấu khác có thể xem chi tiết trong các tài liệu [6, 7, 8].

Phát hiện: Sử dụng các kỹ thuật phát hiện đã đưa ra trong mục III, với RVH chọn ngưỡng phân loại T=0.03 ta được kết quả theo bảng 1.

Bảng 1. Kết quả phân loại ảnh có giấu tin trên LSB trên các tập C₀, S_{HKC_2500}, S_{DIH_6000}, S_{IWH_6000}, S_{RVH_R50} kỹ thuật phát hiện ràng buộc ảnh có giấu tin tương úng

V. KẾT LUẬN

Từ kết quả thử nghiệm và đánh giá trong các bảng 1 ta có thể đưa ra một số nhận xét sau:

+ Đối với tập ảnh gốc và ảnh giấu tin sử dụng kỹ thuật giấu HKC thì:

- Cho ảnh gốc: kỹ thuật phát hiện của Kuo và Lin tốt hơn kỹ thuật cải tiến và kỹ thuật đề xuất.

- Cho ảnh đã giấu tin thì kỹ thuật của Kuo và Lin được cải tiến và kỹ thuật đề xuất (của tác giả) cho kết quả phân loại tốt hơn.

+ Đối với ảnh giấu tin sử dụng kỹ thuật giấu DIH, IWH có thể phát hiện tốt cho cả ảnh gốc và ảnh có giấu tin.

+ Đối với ảnh giấu tin sử dụng kỹ thuật giấu RVH (kỹ thuật giấu hai pha ngang dọc) có thể phân loại tốt với ảnh giấu tỉ lệ giấu từ 50% khả năng giấu của ảnh.

References

[1].J.H. Hwang, J. W. Kim, and J. U. Choi (2006), “A Reversible Watermarking Based on Histogram Shifting”, IWDW 2006, pp. 384-361.

[2].Sang-Kwang Lee, Young-Ho Suh, and Yo-Sung Ho (2004), “Lossless Data Hiding Based on Histogram Modification of Difference Images”, Advances in Multimedia Information Processing - PCM 2004, pp. 340-347.

[3].G. Xuan, Q. Yao, C. Yang, J. Gao, P. Chai, Y. Q. Shi, Z. Ni (2006), “Lossless Data Hidding Using Histogram Shifting Method Based on Integer Wavelets”, Proc. 5th Digital watermarking workshop, IWDW 2006, Korea, vol.4283,pp.323-332.

[4].P. M. Kumar, K. L. Shunmuganathan (2010), “A reversible high embedding capacity data hiding technique for hiding secret data in images”, International Journal of Computer Science and Information Security (IJCSIS), Vol.7 (3), pp. 109-115.

[5].Wen-Chung Kuo, Yan-Hung Lin (2008), “On the Security of Reversible Data Hiding Based-on Histogram Shift”, ICICIC 2008, pp. 174-177.

[6].Ho Thi Huong Thom, Ho Van Canh, Trinh Nhat Tien (2009), “Steganalysis to Reversible Data Hiding”, Proceedings of FGIT 2009 on Database Theory and Application, Springer-Verlag, Jeju, Korea, pp. 1- 6.

[7].Ho Thi Huong Thom, Canh Ho Van, Tien Trinh Nhat (2010), “Steganalysis of Reversible Vertical Horizontal Data Hiding Technique”, International Journal of Computer Science and Information Security (IJCSIS), Vol. 8 (6), pp. 7-12.

[8].Hồ Thị Hương Thơm, Hồ Văn Canh, Trịnh Nhật Tiến (2010), “Phát hiện ảnh giấu tin sử dụng kỹ thuật giấu thuận nghịch dựa trên dịch chuyển histogram”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên & Công nghệ, tập 26 (4), tr. 261-267.

[9].USC-SIPI Image Database, Signal and Image Processing Institute, University of Southern California, http://sipi. usc. edu/services/database/ Database. html

[10].CBIR Image Database, University of Washington,http://www.cs.washington.edu/research/imagedatabase/groundtruth/..

Xem file đính kèm: Kỹ thuật phát hiện cho ảnh giấu tin có ràng buộc.pdf