Алгоритмы и программные средства человеко-машинной обработки цифровых водяных знаков в видеопоследовательности

Глобальная информатизация современного общества и непрерывный научно-технический прогресс способствуют стремительному увеличению объемов видео контента в глобальной компьютерной сети. В определенных случаях, при распространении уникальной авторской мультимедийной информации возникает задача однозначной идентификации источника или подтверждение подлинности контента. Одним из основных подходов, решающих данную проблему, является маркирование цифрового графического изображения посредством встраивания цифрового водяного знака. С целью минимизации искажений исходных графических данных, а также для скрытия факта наличия какой-либо защиты мультимедийной информации используется невидимый цифровой водяной знак. Цифровая стеганография является одним из решений, предоставляющих функционал встраивания невидимых робастных графических меток в цифровые изображения. В данном контексте применения цель стеганографии меняется – скрываемая информация становится «водяным знаком», с помощью которого возможно идентифицировать автора или владельца маркированного контента. Широко распространенным способом внедрения цифрового водяного знака является процедура последовательных преобразований в спектральной области изображения, с последующим внедрением цифрового водяного знака в спектр Фурье. При этом становится очевидным факт, что любые модификации данных в частотном спектре приводят к искажению исходного изображения и появлению демаскирующих признаков в виде артефактов. В статье рассматриваются алгоритмы и программные средства человеко-машинной обработки цифровых водяных знаков в видеопоследовательности, особенностью которых является непрерывное изменение координат и угла поворота внедряемого цифрового водяного знака.

1. Moosazadeh M., Ekbatanifard G. A New DCT-Based Robust Image Watermarking Method Using Teaching-Learning-Based Optimization. Journal of Information Security and Applications. 2019;47:28–38.

2. Шумская О.О., Железны М.K. Адаптивный алгоритм встраивания информации в сжатые JPEG-изображения на основе операции замены. Информационно-управляющие системы. 2018;5:44–56. DOI: 0.31799/1684-8853-2018-5-44-56.

3. Xiang L., Wang X., Yang C., Liu P. A novel linguistic steganography based on synonym run-length encoding. IEICE transactions on Information and Systems. 2017;100(2):313–322.

4. Евсютин О.О., Кокурина А.С., Мещеряков Р.В. Стеганографическое встраивание дополнительных данных в снимки дистанционного зондирования земли с помощью метода QIM с переменным шагом квантования в частотной области. Известия Томского политехнического университета. 2019;330(8):155–162. DOI: 10.18799/24131830/2019/8/2221.

5. Ma H., Jia C., Li S., Zheng W., Wu D. Xmark: Dynamic Software Watermarking using Collatz Conjecture. IEEE Transactions on Information Forensics and Security. 2019;14(11):2859–2874.

6. Шумская О.О., Будков В.Ю. Сравнительное исследование методов классификации в стегоанализе цифровых изображений. Научный вестник НГТУ. 2018;3(72):121–134. DOI: 10.17212/1814-1196-2018-3-121-134.

7. Hai N.M., Ogawa M., Tho Q. T. Packer identification based on metadata signature. In: Proceedings of the 7-th Software Security, Protection, and Reverse Engineering. Software Security and Protection Workshop. 2017;4:1–11. DOI: 10.1145/3151137.3160687.

8. Wang Y., Gong D., Lu B., Xiang F., Liu F. Exception handling-based dynamic software watermarking. IEEE Access. 2018;6:8882–8889.

9. Козачок А.В., Копылов С.А., Мещеряков Р.В., Евсютин О.О., Туан Л.М. Подход к извлечению робастного водяного знака из изображений, содержащих текст. Труды СПИИРАН. 2018;5(60):128–155. DOI: 10.15622/sp.60.5.

10. Zhong X., Huang P.C., Mastorakis S., Shih F.Y. An Automated and Robust Image Watermarking Scheme Based on Deep Neural Networks. IEEE Access. 2021;23:1951–1961.