Lược Đồ Giấu Tin Dựa Trên Hàm Modulus - Đồ Án Tốt Nghiệp

Khám phá lược đồ giấu tin hiệu quả dựa trên hàm modulus. Tìm hiểu cách thức hoạt động, ưu điểm và ứng dụng của phương pháp này trong bảo mật thông tin.

• Tác giả: Nguyễn Văn Cường
• Người hướng dẫn: TS. Hồ Thị Hương Thơm
• Trường học: Trường Đại học Dân lập Hải Phòng
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Lược Đồ Giấu Tin Dựa Trên Hàm Modulus
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2012
• Địa điểm: Hải Phòng

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI MỞ ĐẦU
• 1. TỔNG QUAN VỀ KỸ THUẬT GIẤU TIN TRONG ẢNH
• 1.1. Mục đích giấu tin
• 1.2. Các thành phần chính của một hệ thống giấu tin trong ảnh
• 1.3. Các tính chất giấu tin trong ảnh
• 1.4. Phân loại các kỹ thuật giấu tin
• 1.5. Một số ứng dụng của kỹ thuật giấu tin
• 1.6. Cấu trúc ảnh Bitmap
• 1.7. Phƣơng pháp đánh giá ảnh trƣớc và sau giấu tin
• 2. KỸ THUẬT GIẤU TIN DỰA TRÊN HÀM MODULUS
• 2.1. Kỹ thuật giấu tin Modulus
• 2.2. Một số khái niệm và hàm phụ trợ
• 3. CÀI ĐẶT VÀ THỬ NGHIỆM
• 3.1. Môi trƣờng cài đặt
• 3.2. Giao diện chƣơng trình
• 3.3. Một số giao diện giấu tin
• 3.4. Một số giao diện tách tin
• 3.5. Đánh giá kỹ thuật. Kết quả thực nghiệm
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khám Phá Kỹ Thuật Giấu Tin Trong Ảnh Nền Tảng An Toàn

Trong kỷ nguyên số, việc truyền tải thông tin qua Internet đã trở thành một nhu cầu thiết yếu. Tuy nhiên, sự phát triển này cũng đi kèm với nguy cơ dữ liệu bị truy cập trái phép. Bảo mật thông tin là một bài toán cấp thiết, đòi hỏi những giải pháp không chỉ mã hóa mà còn che giấu sự tồn tại của thông điệp. Giấu tin trong ảnh, hay còn gọi là Steganography, là một nghệ thuật và khoa học nhúng dữ liệu bí mật vào một đối tượng đa phương tiện, chẳng hạn như một tệp ảnh, mà không làm thay đổi đáng kể hình thức bên ngoài của nó. Mục tiêu chính của kỹ thuật này là truyền thông tin một cách bí mật, tránh gây sự chú ý của bên thứ ba. Không giống như mã hóa (Cryptography) chỉ che giấu nội dung, Steganography che giấu cả sự tồn tại của thông điệp. Một hệ thống giấu tin cơ bản bao gồm các thành phần chính: bản tin mật (Secret Message), ảnh phủ hay ảnh gốc (Cover Data) làm môi trường nhúng, khóa bí mật (Key) để tăng cường an ninh, thuật toán nhúng tin (Embedding Algorithm), và cuối cùng là ảnh mang (Stego Data) – sản phẩm cuối cùng chứa thông tin đã được giấu. Các phương pháp giấu tin hiệu quả phải đảm bảo được các tính chất quan trọng như tính vô hình, dung lượng giấu tin, tính bền vững và độ phức tạp thấp. Một trong những phương pháp tiên tiến đáp ứng các tiêu chí này là kỹ thuật giấu tin dựa trên hàm Modulus, một giải pháp hiệu quả giúp cân bằng giữa khả năng chứa tin và chất lượng hình ảnh sau khi giấu.

1.1. Định nghĩa Steganography và mục tiêu bảo mật thông tin

Steganography là một kỹ thuật nhúng một lượng thông tin số vào trong một đối tượng dữ liệu số khác. Mục tiêu của nó không phải là làm cho thông điệp trở nên khó đọc, mà là làm cho sự tồn tại của thông điệp trở nên vô hình. Có hai mục đích chính của việc giấu tin: thứ nhất là bảo mật cho dữ liệu được giấu, đảm bảo chỉ người nhận được ủy quyền mới có thể truy xuất; thứ hai là bảo vệ bản quyền cho chính đối tượng chứa dữ liệu, ví dụ như Thủy vân số (Watermarking) để xác thực quyền sở hữu. Kỹ thuật này giúp giảm thiểu khả năng phát hiện của các tin tặc, vì ảnh mang (ảnh đã giấu tin) trông không khác biệt so với ảnh gốc.

1.2. Các thành phần cốt lõi trong một hệ thống giấu tin

Một hệ thống giấu tin trong ảnh hoàn chỉnh bao gồm năm thành phần cơ bản. Bản tin mật là dữ liệu cần được che giấu, có thể là văn bản, hình ảnh, hoặc bất kỳ tệp nhị phân nào. Ảnh phủ là phương tiện truyền tải, tức là bức ảnh gốc được sử dụng để nhúng tin. Khóa bí mật là một tham số tùy chọn, được sử dụng trong cả quá trình nhúng và tách tin để tăng cường mức độ bảo mật. Bộ nhúng thông tin là thuật toán thực hiện việc giấu tin. Cuối cùng, ảnh mang là kết quả đầu ra, một bức ảnh có chứa thông điệp bí mật. Sự kết hợp chặt chẽ giữa các thành phần này quyết định hiệu quả và độ an toàn của toàn bộ hệ thống.

1.3. Những tính chất quan trọng của kỹ thuật giấu tin ảnh

Một phương pháp giấu tin tốt cần đáp ứng nhiều tiêu chí. Tính vô hình (Imperceptibility) là quan trọng nhất, đòi hỏi sự khác biệt giữa ảnh gốc và ảnh mang phải không thể nhận biết bằng mắt thường. Dung lượng giấu (Capacity) đề cập đến lượng thông tin có thể được nhúng vào ảnh. Tính bền vững (Robustness) là khả năng duy trì tính toàn vẹn của thông điệp bí mật khi ảnh mang trải qua các phép biến đổi như nén, lọc hay thêm nhiễu. Cuối cùng, độ phức tạp của thuật toán cần được tối ưu để quá trình giấu và tách tin diễn ra nhanh chóng, hiệu quả, đặc biệt trong các ứng dụng thời gian thực.

II. Thách Thức Của Giấu Tin Trong Ảnh Bài Toán An Toàn Dữ Liệu

Mặc dù kỹ thuật giấu tin trong ảnh mang lại nhiều lợi ích, việc triển khai nó phải đối mặt với không ít thách thức. Một trong những khó khăn lớn nhất là sự đánh đổi giữa ba yếu tố cốt lõi: dung lượng giấu tin, tính vô hình và tính bền vững. Việc tăng dung lượng tin giấu thường dẫn đến sự suy giảm chất lượng hình ảnh, khiến ảnh mang dễ bị phát hiện hơn. Ngược lại, để đảm bảo tính vô hình tuyệt đối, dung lượng thông tin có thể nhúng vào sẽ bị giới hạn. Các kỹ thuật truyền thống, như thay thế bit ít quan trọng nhất (LSB - Least Significant Bit), tuy đơn giản nhưng lại dễ bị tấn công bởi các phương pháp phân tích thống kê. Các cuộc tấn công này có thể phát hiện sự bất thường trong cấu trúc điểm ảnh và từ đó tìm ra sự tồn tại của thông điệp bí mật. Hơn nữa, vấn đề tràn trên hoặc tràn dưới (overflow/underflow) giá trị pixel là một rủi ro thường gặp, khi việc sửa đổi giá trị pixel có thể đẩy nó ra ngoài khoảng cho phép (ví dụ 0-255 đối với ảnh 8-bit), gây ra lỗi và làm lộ dấu vết. Vì vậy, việc phát triển một lược đồ giấu tin mới, như kỹ thuật Modulus, là cần thiết để khắc phục những nhược điểm này, cung cấp một giải pháp cân bằng, an toàn và hiệu quả hơn cho việc bảo mật truyền thông.

2.1. Nguy cơ bị phát hiện từ các phương pháp phân tích thống kê

Các phương pháp giấu tin đơn giản, đặc biệt là LSB, thường làm thay đổi các đặc tính thống kê của ảnh. Những kẻ tấn công có thể sử dụng các công cụ phân tích biểu đồ histogram, phân tích cặp giá trị (pair analysis), hoặc các bài kiểm tra chi-square để phát hiện những sai lệch nhỏ trong phân phối giá trị pixel. Một khi những bất thường này bị phát hiện, sự tồn tại của thông điệp bí mật sẽ bị lộ, phá vỡ mục tiêu chính của Steganography. Do đó, một thuật toán hiện đại cần phải bảo toàn được các đặc tính thống kê của ảnh gốc ở mức độ cao nhất.

2.2. Bài toán đánh đổi giữa dung lượng chất lượng và bảo mật

Đây là thách thức kinh điển trong lĩnh vực giấu tin. Một phương pháp cho phép giấu nhiều dữ liệu (dung lượng cao) thường phải thay đổi nhiều giá trị pixel, làm giảm chất lượng hình ảnh và tăng khả năng bị phát hiện. Ngược lại, để giữ cho ảnh không bị biến đổi (tính vô hình cao), người ta chỉ có thể giấu một lượng tin rất nhỏ. Việc tìm ra điểm cân bằng tối ưu là mục tiêu của nhiều nghiên cứu. Kỹ thuật Modulus được đề xuất như một giải pháp tiềm năng, vì nó cho phép điều chỉnh dung lượng giấu tin một cách linh hoạt thông qua các tham số, đồng thời giữ cho sự thay đổi giá trị pixel ở mức tối thiểu.

2.3. Vấn đề tràn giá trị pixel Overflow Underflow trong ảnh số

Trong xử lý ảnh, mỗi pixel có một giá trị cường độ nằm trong một khoảng nhất định, thường là [0, 255] cho ảnh 8-bit. Khi thực hiện thuật toán nhúng tin, việc cộng hoặc trừ giá trị vào pixel gốc có thể khiến kết quả vượt ra ngoài khoảng này. Ví dụ, thay đổi pixel có giá trị 254 có thể tạo ra giá trị 256 (tràn trên) hoặc thay đổi pixel 2 có thể tạo ra giá trị -1 (tràn dưới). Vấn đề này không chỉ làm sai lệch hình ảnh mà còn là một dấu hiệu rõ ràng cho thấy ảnh đã bị can thiệp. Một lược đồ giấu tin mạnh mẽ phải có cơ chế xử lý để tránh hoàn toàn hiện tượng này, đảm bảo mọi giá trị pixel của ảnh mang đều hợp lệ.

III. Phương Pháp Giấu Tin Bằng Hàm Modulus Hướng Dẫn Chi Tiết

Để giải quyết các thách thức của kỹ thuật giấu tin truyền thống, một lược đồ mới dựa trên hàm chia lấy dư (Modulus) đã được đề xuất bởi Chin-Feng Lee và Hsing-Ling Chen vào năm 2010. Ý tưởng cốt lõi của phương pháp này là thay đổi giá trị của một pixel gốc thành một giá trị khác nằm trong một nhóm các pixel lân cận, được xác định bởi chính phép toán modulus. Quá trình này không chỉ thông minh mà còn đảm bảo rằng sự thay đổi giá trị pixel là tối thiểu, giúp duy trì chất lượng hình ảnh ở mức cao. Thuật toán sử dụng các khóa bí mật như α, β, R1, và R2 để tạo ra các bảng hoán vị, tăng cường đáng kể tính bảo mật. Thông điệp bí mật được chia thành các đoạn bit nhỏ, và mỗi đoạn sẽ quyết định vị trí của pixel thay thế trong nhóm lân cận. Nhờ cơ chế này, kỹ thuật Modulus tránh được các cuộc tấn công thống kê đơn giản và không gây ra vấn đề tràn giá trị pixel, vì tất cả các giá trị thay thế đều được tính toán để nằm trong dải màu hợp lệ [0, 255]. Độ phức tạp thấp của thuật toán cũng là một ưu điểm lớn, giúp quá trình nhúng và tách tin diễn ra nhanh chóng, phù hợp với nhiều ứng dụng thực tế.

3.1. Nguyên lý hoạt động của kỹ thuật dựa trên hàm chia lấy dư

Nguyên lý của kỹ thuật Modulus là sử dụng kết quả của phép toán xi mod n để xác định một nhóm G gồm n giá trị pixel lân cận của pixel gốc xi. Thông điệp bí mật, sau khi được chia thành các chuỗi bit nhỏ sk, sẽ được dùng để xác định một chỉ số d trong nhóm G. Giá trị của pixel xi sau đó sẽ được thay thế bằng giá trị tại vị trí d trong nhóm G đó. Điều này có nghĩa là sự chênh lệch giữa giá trị pixel gốc và pixel đã giấu tin sẽ nằm trong khoảng [-(n-1)/2, (n-1)/2], một khoảng rất nhỏ, đảm bảo tính vô hình cao. Tham số n có thể được điều chỉnh để cân bằng giữa dung lượng và chất lượng ảnh.

3.2. Hướng dẫn các bước thực hiện thuật toán nhúng tin Modulus

Quá trình nhúng tin bao gồm các bước sau: Bước 1: Chia bản tin mật S thành các chuỗi bit con sk có độ dài α + β. Bước 2: Sử dụng các khóa bí mật R1, R2 và các hàm Hr(), Hc() để tạo hai tập hợp hoán vị Kr và Kc. Bước 3: Với mỗi chuỗi sk, tìm chỉ số i và j sao cho phần đầu của sk khớp với phần tử thứ i trong Kr và phần sau khớp với phần tử thứ j trong Kc. Bước 4: Tính toán chỉ số d = 2^β * (i - 1) + j. Bước 5: Với pixel gốc xi, tạo nhóm điểm ảnh lân cận G dựa trên công thức y = xi mod n. Pixel mới x'i sẽ là giá trị tại vị trí thứ d trong nhóm G. Lặp lại quy trình cho đến khi toàn bộ thông điệp được giấu.

3.3. Vai trò của các khóa bí mật α β R1 R2 trong bảo mật

Tính an toàn của lược đồ này phụ thuộc rất nhiều vào các khóa bí mật. Các tham số α và β quyết định độ dài của các chuỗi bit con, ảnh hưởng trực tiếp đến dung lượng giấu tin. Các khóa R1 và R2 là các số nguyên được dùng để khởi tạo các hàm hoán vị, tạo ra các tập Kr và Kc duy nhất. Nếu không có bộ khóa chính xác, kẻ tấn công không thể tái tạo lại các bảng hoán vị này. Do Kr và Kc có tới (2^α)! và (2^β)! hoán vị khả dĩ, việc dò tìm đúng khóa là bất khả thi về mặt tính toán. Điều này đảm bảo rằng ngay cả khi thuật toán bị lộ, thông điệp vẫn được bảo vệ an toàn.

IV. Hướng Dẫn Cách Tách Tin Từ Ảnh Bằng Kỹ Thuật Modulus

Quá trình tách tin từ một ảnh mang được thực hiện ngược lại với quá trình nhúng, đòi hỏi người nhận phải có đầy đủ bộ khóa bí mật (α, β, R1, R2). Nếu không có các khóa này, việc giải mã thông điệp là không thể. Thuật toán tách tin bắt đầu bằng việc tái tạo lại hai tập hợp hoán vị Kr và Kc giống hệt như khi giấu tin. Tiếp theo, với mỗi pixel x'i trong ảnh mang, hệ thống sẽ xác định lại nhóm điểm ảnh lân cận G mà nó thuộc về. Vị trí d của x'i trong nhóm G chính là chìa khóa để giải mã. Từ giá trị d này, hệ thống có thể tính ngược lại các chỉ số i và j. Cuối cùng, bằng cách tra cứu phần tử thứ i trong Kr và phần tử thứ j trong Kc, chuỗi bit thông điệp sk tương ứng sẽ được khôi phục. Quá trình này được lặp lại cho đến khi tất cả các pixel chứa tin được xử lý, và các chuỗi sk được ghép lại thành bản tin mật hoàn chỉnh. Tương tự như quá trình nhúng, thuật toán tách tin cũng có độ phức tạp thấp, đảm bảo hiệu suất cao và khả năng ứng dụng rộng rãi. Cơ chế này đảm bảo tính toàn vẹn và bí mật của thông tin được truyền đi.

4.1. Điều kiện cần để giải mã Sở hữu bộ khóa bí mật chính xác

Điều kiện tiên quyết để thực hiện quá trình tách tin là người nhận phải có chính xác bộ khóa α, β, R1, R2 đã được sử dụng khi giấu tin. Các khóa này là nền tảng để tái tạo lại các bảng hoán vị Kr và Kc. Bất kỳ một sai lệch nào trong các giá trị khóa sẽ dẫn đến việc tạo ra các bảng hoán vị sai, khiến cho thông điệp giải mã được hoàn toàn vô nghĩa. Đây chính là lớp bảo mật cốt lõi của kỹ thuật Modulus, ngăn chặn các truy cập trái phép và đảm bảo chỉ người nhận đích thực mới có thể đọc được thông điệp bí mật.

4.2. Quy trình và thuật toán tách thông điệp bí mật khỏi ảnh

Thuật toán tách tin diễn ra như sau: Bước 1: Sử dụng các khóa α, β, R1, R2 để tạo lại hai tập hợp hoán vị Kr và Kc. Bước 2: Với mỗi pixel x'i từ ảnh mang, tạo lại nhóm điểm ảnh G tương ứng và tính toán vị trí d = (x'i mod n) + 1. Bước 3: Từ giá trị d, giải mã ngược để tìm ra các chỉ số i và j. Bước 4: Lấy phần tử thứ i từ Kr và phần tử thứ j từ Kc để khôi phục chuỗi bit thông điệp con sk. Bước 5: Lặp lại quy trình cho đến hết các pixel chứa tin và ghép các chuỗi sk lại để có được thông điệp hoàn chỉnh. Quá trình này có tính toán đơn giản và hiệu quả.

4.3. Đảm bảo tính toàn vẹn của thông điệp sau khi giải mã

Nhờ vào cơ chế hoạt động chính xác của thuật toán nhúng tin và tách tin, tính toàn vẹn của thông điệp được đảm bảo gần như tuyệt đối, miễn là ảnh mang không bị biến đổi bởi các yếu tố bên ngoài như nén mất dữ liệu nặng. Vì mỗi chuỗi bit được ánh xạ một-một tới một vị trí d duy nhất trong nhóm G, quá trình giải mã sẽ khôi phục chính xác chuỗi bit ban đầu. Phương pháp này không tạo ra sự mơ hồ trong quá trình giải mã, giúp người nhận có được bản tin mật nguyên vẹn như những gì người gửi đã nhúng vào.

V. Đánh Giá Hiệu Suất Kỹ Thuật Modulus Qua Thực Nghiệm

Hiệu quả của kỹ thuật giấu tin Modulus được đánh giá dựa trên các tiêu chí khách quan, bao gồm chất lượng hình ảnh, độ phức tạp thuật toán và khả năng bảo mật. Để đo lường chất lượng hình ảnh, chỉ số Tỷ số Tín hiệu trên Nhiễu đỉnh (PSNR) được sử dụng. PSNR tính toán sự khác biệt giữa ảnh gốc và ảnh mang. Kết quả thực nghiệm cho thấy, giá trị PSNR thường nằm trong khoảng từ 30 đến 50 dB, một con số rất cao, cho thấy sự sai khác là không thể nhận biết bằng mắt thường. Điều này khẳng định tính vô hình vượt trội của phương pháp. Về mặt hiệu suất, thuật toán có độ phức tạp tính toán rất thấp, được xác định là O(c), trong đó 'c' là một hằng số. Điều này có nghĩa là thời gian xử lý không phụ thuộc vào kích thước ảnh mà chỉ phụ thuộc vào các bước tính toán đơn giản, giúp quá trình giấu và tách tin diễn ra cực kỳ nhanh chóng. Về bảo mật, việc sử dụng bốn khóa bí mật để tạo ra hàng triệu khả năng hoán vị khiến việc tấn công brute-force trở nên bất khả thi. Cuối cùng, kỹ thuật này giải quyết triệt để vấn đề tràn giá trị pixel, đảm bảo mọi giá trị trong ảnh mang đều hợp lệ, tăng cường độ tin cậy của toàn bộ hệ thống.

5.1. Phân tích chất lượng ảnh mang thông qua chỉ số PSNR

PSNR là một thước đo tiêu chuẩn để đánh giá mức độ suy giảm chất lượng của ảnh sau khi xử lý. Giá trị PSNR càng cao, chất lượng ảnh càng gần với bản gốc. Trong các thử nghiệm được ghi nhận, kỹ thuật Modulus đạt được các giá trị PSNR ấn tượng trên cả ảnh xám và ảnh màu. Theo tài liệu nghiên cứu, các giá trị này thường lớn hơn 30 dB, ngưỡng mà mắt người khó có thể phân biệt được sự khác biệt. Kết quả này chứng tỏ phương pháp Modulus bảo toàn rất tốt chất lượng của ảnh gốc, một yếu tố quan trọng để tránh bị phát hiện.

5.2. Đánh giá độ phức tạp thuật toán và thời gian thực thi

Một trong những ưu điểm lớn nhất của phương pháp này là hiệu suất. Độ phức tạp của thuật toán chỉ ở mức O(c), tức là thời gian thực hiện là hằng số cho mỗi pixel. Các thao tác chính như tính toán modulus, tìm chỉ số i, j, và tạo nhóm G đều là các phép toán số học đơn giản. Điều này giúp cho việc giấu và tách tin diễn ra nhanh chóng, ngay cả với các hình ảnh có độ phân giải cao. Hơn nữa, yêu cầu về bộ nhớ cũng rất thấp, chỉ cần lưu trữ hai tập Kr và Kc trong suốt quá trình xử lý, làm cho nó phù hợp với cả các thiết bị có tài nguyên hạn chế.

5.3. Khả năng bảo mật và chống lại các tấn công trái phép

Tính bảo mật của kỹ thuật Modulus được xây dựng dựa trên hệ thống khóa bí mật mạnh mẽ. Với hai tập hoán vị Kr và Kc có số lượng trường hợp lên tới (2^α)! * (2^β)!, việc đoán mò đúng khóa là gần như không thể. Bất kỳ ai không sở hữu bộ khóa chính xác sẽ không thể giải mã được thông điệp. Thêm vào đó, do sự thay đổi giá trị pixel rất nhỏ và tuân theo một quy luật phức tạp, phương pháp này có khả năng chống lại các cuộc tấn công dựa trên phân tích thống kê, vốn là điểm yếu của nhiều kỹ thuật giấu tin khác.

VI. Kết Luận Tương Lai Của Giấu Tin Trong Ảnh Với Hàm Modulus

Kỹ thuật giấu tin trong ảnh dựa trên hàm Modulus đã chứng tỏ là một giải pháp ưu việt, đáp ứng thành công bốn tiêu chí quan trọng của một lược đồ giấu tin hiện đại: dung lượng giấu tin linh hoạt, chất lượng hình ảnh cao, độ phức tạp thuật toán thấp, và khả năng bảo mật mạnh mẽ. Bằng cách sử dụng phép toán chia lấy dư một cách thông minh, phương pháp này giảm thiểu sự biến dạng của ảnh gốc, đạt được chỉ số PSNR cao và đảm bảo tính vô hình. Hệ thống khóa bí mật phức tạp cung cấp một lớp bảo vệ vững chắc, chống lại các nỗ lực truy cập trái phép. Đặc biệt, thuật toán giải quyết triệt để vấn đề tràn giá trị pixel, một lỗi phổ biến trong các phương pháp khác. Với những ưu điểm vượt trội này, kỹ thuật Modulus không chỉ là một đề tài nghiên cứu học thuật thú vị mà còn có tiềm năng ứng dụng rộng rãi trong thực tế, từ việc truyền thông tin quân sự, bảo vệ dữ liệu y tế, đến xác thực bản quyền số. Trong tương lai, phương pháp này có thể được cải tiến hơn nữa bằng cách kết hợp với các kỹ thuật biến đổi miền (như DWT, DFT) để tăng cường tính bền vững, mở ra một chương mới cho lĩnh vực an toàn và bảo mật thông tin.

6.1. Tổng kết những ưu điểm vượt trội của phương pháp Modulus

Phương pháp giấu tin này nổi bật với bốn ưu điểm chính. Thứ nhất, chất lượng hình ảnh sau khi giấu tin rất tốt, khó bị phát hiện bằng mắt thường. Thứ hai, dung lượng giấu tin có thể được điều chỉnh linh hoạt tùy theo yêu cầu ứng dụng. Thứ ba, độ phức tạp thuật toán thấp và yêu cầu bộ nhớ ít, giúp quá trình xử lý nhanh và hiệu quả. Thứ tư, tính bảo mật cao nhờ vào hệ thống khóa phức tạp, khiến việc giải mã khi không có khóa trở nên bất khả thi. Ngoài ra, nó còn giải quyết được vấn đề tràn pixel, đảm bảo tính ổn định của ảnh mang.

6.2. Hướng nghiên cứu và phát triển tiềm năng trong tương lai

Mặc dù đã rất hiệu quả, kỹ thuật Modulus vẫn còn không gian để cải tiến. Một hướng phát triển tiềm năng là tăng cường tính bền vững (robustness) của thông điệp bí mật. Điều này có thể đạt được bằng cách áp dụng thuật toán trên miền biến đổi của ảnh, chẳng hạn như biến đổi Wavelet (DWT) hoặc Cosine rời rạc (DCT), thay vì trên miền không gian. Việc kết hợp với các thuật toán mã hóa mạnh như AES trước khi giấu tin cũng sẽ tạo ra một lớp bảo mật kép, nâng cao đáng kể độ an toàn. Nghiên cứu cách tối ưu hóa việc chọn các tham số α và β tự động dựa trên đặc tính của ảnh gốc cũng là một hướng đi đầy hứa hẹn.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan về kỹ thuật giấu tin trong ảnh: Định nghĩa giấu thông tin là gì, mục đích của giấu tin, tính chất, phân loại kỹ thuật giấu tin, cấu trúc ảnh Bitmap và phương pháp đánh giá ảnh trước và sau khi giấu tin. Kỹ thuật giấu tin dựa trên hàm modulus: Giới thiệu và trình bày về kỹ thuật giấu tin, ví dụ minh họa. Cài đặt và thử nghiệm: Một số giao diện của chương trình, đánh giá và nhận xét về thuật toán.

TỔNG QUAN VỀ KỸ THUẬT GIẤU TIN TRONG ẢNH 1. Định nghĩa Giấu thông tin là một kỹ thuật nhúng (giấu) một lượng thông tin số nào đó vào trong một đối tượng dữ liệu số khác (giấu thông tin chỉ mang tính quy ướckhông phải là một hành động cụ thể). Mục đích giấu tin Có hai mục đích của giấu tin: - Bảo mật cho những dữ liệu được giấu. - Bảo đảm an toàn (bảo vệ bản quyền) cho chính các đối tượng chứa dữliệu giấu trong đó và phát hiện xuyên tạc thông tin.

Các thành phần chính của một hệ thống giấu tin trong ảnh Các thành phần chính của một hệ giấu tin trong ảnh số gồm: - Bản tin mật (Secret Message): có thể là văn bản hoặc tệp ảnh hay bất kỳ một tệp nhịphân nào, vì quá trình xử lý chúng ta đều chuyển chúng thành chuỗi các bit. - Ảnh phủ (hay ảnh gốc) (Cover Data): là ảnh được dùng để làm môi trường nhúng tin mật. - Khoá bí mật K (Key): khoá mật tham gia vào quá trình giấu tin để tăng tính bảo mật - Bộ nhúng thông tin (Embedding Algorithm): những chương trình, thuật toán nhúng tin. - Ảnh mang (Stego Data): là ảnh sau khi đã chứa tin mật.

- Kiểm định (Control): kiểm tra thông tin sau khi được giải mã. 5 Bản tin mật Bộ nhúng Phương tiện thông tin Phương tiện đã chứa(audio, ảnh, chứa thông tin video) Khóa Hinh 1. 1: Lược đồ chung cho quá trình giấu tin. Các tính chất giấu tin trong ảnh Độ tin cậy: Giấu tin trong ảnh sẽ làm biến đổi ảnh mang.

Tính vô hình thể hiện mức độ biến đổi ảnh mang. Một hương pháp tốt sẽ làm cho thông tin mật trở nên vô hình trên ảnh mang, người dùng không thể phát hiện trong đó có ẩn chứa thông tin. Khả năng chống giả mạo: Vì mục đích của một phương pháp giấu tin là chuyển đi thông tin mật. Nếu không thể do thám tin mật thì kẻ địch cũng sẽ cố tìm cách làm sai lạc thông tin mật, làm giả mạo thông tin để gây bất lợi cho đối phương.

Một phương pháp giấu tin tốt sẽ đảm bảo tin mật không bị tấn công một cách có chủ đích trên cơ sở những hiểu biết đầy đủ về thuật toán nhúng tin (nhưng không biết khoá) và có ảnh mang. Đối với lĩnh vực thuỷ vân số thì khả năng chống giả mạo là đặc tính vô cùng quan trọng. Vì có như vậy mới bảo vệ được bản quyền, chứng minh tính pháp lý của sản phẩm. Dung lượng giấu: Dung lượng giấu được tính bằng tỷ lệ của lượng tin giấu so với kích thước ảnh.

Vì tin mật được gửi cùng với ảnh mang qua mạng nên đây cũng là một chỉ tiêu quan trọng. Các phương phápđều cố làm sao giấu được nhiều tin trong khi vẫn giữ được bí mật. Tuy nhiên trong thực tế ngườita luônphải cân nhắc giữa dung lượng và các chỉ tiêu khác như tính vô hình, tính ổn định. Tính bền vững: Sau khi giấu tin vào ảnh mang, bản thân ảnh mang có thể phải qua các khâu biến đổi khác nhau như lọc tuyến tính, lọc phi tuyến, thêm nhiễu, làm 6 sắc nét, mờ nhạt, quay, nén mất dữ liệu.

Tính bền vững là thước đo sự nguyên vẹn của thông tin mật sau những biến đổi như vậy. Độ phức tạp của thuật toán: Chỉ tiêu độ phức tạp trong mã hoá và giải mã cũng là một yếu tố quan trọng trong đánh giá các phương pháp giấu tin trong ảnh. Yêu cầu về độ phức tạp tính toán phụ thuộc vào từng ứng dụng. Ví dụ một ứng dụng tạo thuỷ ấnđể đánh dấu bản quyền cần phải có độ phức tạp tính toán cao thì mới đảm bảo chịu được sự tấn công của nhiều tin tặc nhằm phá huỷ thuỷ vân.

Phân loại các kỹ thuật giấu tin - Có thể phân loại kỹ thuật giấu tin ra làm hai: + Giấu tin mật (Steganography) + Thuỷ vân số (Watermarking) Giấu thông tin Steganography Watermarking Giấu tin mật Thuỷ vân số Thủy vân bề Thủy vân dễ vỡ vững Thủy vân hiện Thủy vân ẩn Hình1. 2: Sơ đồ phân loại kỹ thuật giấu tin Giấu tin mật (Seganography) quan tâm tới việc giấu các tin sao cho thông tin giấu được càng nhiều càng tốt và quan trọng là người khác khó phát hiện được một đối tượng có bị giấu tin bên trong hay không bằng kỹ thuật thông thường. Thủy vân số (Watermaking) đánh giấu vào đối tượng nhằm khẳng định bản quyền sở hữu hay phát hiện xuyên tạc thông tin. Thủy vân số được phân thành hai loại: thủy vân bền vững và thủy vân dễ vỡ.

7 o Thủy vân bền vững(Robust Watermarking): thường được ứng dụng trong các ứng dụng bảo vệ bản quyền. Thuỷ vân được nhúng trong sản phẩm như một hình thức dán tem bản quyền. Trong trường hợp này, thuỷ vân phải tồn tại bền vững cùng với sản phẩm nhằm chống việc tẩy xoá, làm giả hay biến đổi phá huỷ thuỷ vân. Thủy vân bền vững có hai loại:  Thủy vân ẩn (Visible Watermarking): cũng giống như giấu tin, bằng mắt thường không thể nhìn thấy thuỷ vân.

 Thuỷ vân hiện(Imperceptible Watermarking): là loại thuỷ vân được hiện ngay trên sản phẩm và người dùng có thể nhìn thấy được. o Thủy vân dễ vỡ (Fragile Watermarking): là kỹ thuật nhúng thuỷ vân vào trong ảnh sao cho khi phân bố sản phẩm trong môi trường mở nếu có bất cứ một phép biến đổi nào làm thay đổi đối tượng sản phẩm gốc thì thuỷ vân đã được giấu trong đối tượng sẽ không còn nguyên vẹn như trước khi dấu nữa (dễ vỡ). Một số ứng dụng của kỹ thuật giấu tin Giấu tin trong ảnh số ngày càng được ứng dụng rộng rãi trong nhiều lĩnh vực. Các ứng dụng có sử dụng đến giấu tin trong ảnh số có thể là: - Bảo vệ bản quyền.

- Điểm chỉ số. - Giấu thông tin mật. Cấu trúc ảnh Bitmap Mỗi file ảnh Bitmap gồm 3 phần như bảng 1. Cấu trúc ảnh BitMap Bitmap Header (54 byte) Color Palette Bitmap Data 1.

Bitmap Header Thành phần bitcount (Bảng 1. 2 Thông tin về Bitmap Header) của cấu trúc Bitmap Header cho biết số bit dành cho mỗi điểm ảnh và số lượng màu lớn nhất của ảnh. Thông tin về Bitmap Header Bytethứ Ý nghĩa Giá trị 1-2 Nhận dạng file „BM‟ hay 19778 3-6 Kích thước file Kiểu long trong Turbo C 7-10 Dự trữ Kiểu long trong Turbo C 11-14 Byte bắt đầu vùng dữ liệu Offset của byte bắt đầu vùng dữ liệu 15-18 Số byte cho vùng thông tin 4 byte 19-22 Chiều rộng ảnh BMP Tính bằng pixel 23-26 Chiều cao ảnh BMP Tính bằng pixel 27-28 Số Planes màu Cố định là 1 29-30 Số bit cho 1 pixel (bitcount) Có thể là: 1, 4, 8, 16, 24 tùy theo loại ảnh 31-34 Kiểu nén dữ liệu 0: Không nén 1: Nén runlength 8bits/pixel 2: Nén runlength 4bits/pixel 35-38 Kích thước ảnh Tính bằng byte 39-42 Độ phân giải ngang Tính bằng pixel / metter 43-46 Độ phân giải dọc Tính bằng pixel / metter 47-50 Số màu sử dụng trong ảnh 51-54 Số màu được sử dụng khi hiển thị ảnh (Color Used) 1. Bitmap Data Phần này nằm ngay sau phần Palete màu của ảnh BMP.

Đây là phần chứa giá trịmàu của điểm ảnh trong ảnh BMP. Các dòng ảnh được lưu từ dưới lên trên, các 9 điểmảnh được lưu trữ từ trái sang phải. Giá trị của mỗi điểm ảnh là một chỉ số trỏ tới phầntử màu tương ứng trong Palete màu. Phƣơng pháp đánh giá ảnh trƣớc và sau giấu tin PSNR dùng để tính tỉ lệ giữa giá trị năng lượng tối đa của một tín hiệu và năng lượng nhiễu ảnh hướng đến độ chính xác của thông tin.

Bởi vì có rất nhiều tín hiệu có phạm vi biến đổi rộng, nên PSNR thường được biểu diễn bởi đơn vị logarit. Ngoài ra, PSNR còn được sử dụng để đo chất lượng tín hiệu khôi phục của các thuật toán nén có mất mát dữ liệu (lossy compression) (ví dụ: dùng trong nén ảnh). Tín hiệu trong trường hợp này là dữ liệu gốc, và nhiễu là các lỗi xuất hiện khi nén. Khi so sánh các thuật toán nén thường dựa vào sự cảm nhận gần chính xác của con người đối với dữ liệu được khôi phục, chính vì thế trong một số trường hợp dữ liệu được khôi phục của thuật toán này dường như có chất lượng tốt hơn những cái khác, mặc dù nó có giá trị PSNR thấp hơn (thông thường PSNR càng cao thì chất lượng dữ liệu được khôi phục càng tốt).

Cách đơn giản nhất là định nghĩa thông quaMSE được dùng cho ảnh 2 chiều có kích thước m×n trong đó I và K là ảnh gốc và ảnhđược khôi phục tương ứng: MSE Khi đó, PSNR được tính bởi: PSNR 10 log 10 20 log 10 Ở đây, MAXI là giá trị tối đa của điểm ảnh trên ảnh. Khi các điểm ảnh được biểu diễn bởi 8 bits, thì giá trị của nó là 255. Trường hợp tổng quát, khi tín hiệu được biểu diễn bởi B bits cho một đơn vị lấy mẫu, thì MAXI là 2B−1. Trường hợp ảnh màu với 3 giá trị RGB trên một điểm ảnh, cách tính toán cho PSNR tương tự ngoại trừ việc tính MSE là tổng của 3 giá trị (tính trên 3 kênh màu) chia cho kích thước của ảnh và chia cho 3.

Giá trị thông thường của PSNR trong giấu ảnh và nén video nằm từ 30 đến 50 dB, giá trị càng cao thì càng tốt. Giá trị có thể chấp nhận được khi truyền tín hiệu không dây có tổn thất khoảng từ 20 dB đến 25 dB. KỸ THUẬT GIẤU TIN DỰA TRÊN HÀM MODULUS 2. Giới thiệu Kỹ thuật giấu tin dựa trên hàm chia lấy dư được Chin-Feng Lee và Hsing-Ling Chen giới thiệu vào năm 2010.

Ý tưởng của kỹ thuật giấu tin: - Đầu tiên, ta sử dụng hai hàm Hr() và Hc() để tạo ra hai tập hợp Kr() và Kc() gồm các phần tử là hoán vị của 0, 1. Chuỗi bit thông điệp Ssẽ được chia thành các chuỗi nhỏ skđể giấu vào từng điểm ảnh. - Sau đó, mỗi điểm ảnh gốc được giấu tin sẽ tạo ra một nhóm G các điểm ảnh lân cận dựa trên hàm modulus. Ta dựa vào hai tập hợp Kr(), Kc() và các chuỗi nhỏ sk để xác định vị trí d trong nhóm G.

Giá trị của điểm ảnh gốc được giấu tin sẽ được thay đổi bằng giá trị của điểm ảnh tại vị tri d trong nhóm G.