Giới thiệu dự án

Trong kỷ nguyên số hóa và bùng nổ dữ liệu truyền thông đa phương tiện qua mạng Internet, an toàn thông tin và bảo vệ bản quyền số đã trở thành thách thức sống còn đối với các tổ chức chính phủ, quốc phòng, y tế và tài chính. Theo các nghiên cứu bảo mật thông tin, việc truyền tải dữ liệu mật qua các kênh mở đối mặt với nguy cơ bị nghe lén, chỉnh sửa và phân tích mã (cryptanalysis). Kỹ thuật giấu tin mật (Steganography) ra đời nhằm ẩn giấu hoàn toàn sự tồn tại của thông điệp bên trong các đối tượng mang tin (cover media) như văn bản, âm thanh, video và đặc biệt là ảnh số (Digital Images).

Tuy nhiên, các kỹ thuật giấu tin truyền thống (Spatial LSB, DCT, DWT không thuận nghịch) đều tạo ra sự biến đổi vĩnh viễn trên vật mang tin sau khi trích xuất thông điệp. Đối với các lĩnh vực đòi hỏi độ chính xác tuyệt đối như chẩn đoán hình ảnh y tế (ảnh DICOM, X-quang, MRI), trinh sát quân sự vệ tinh hay lưu trữ hồ sơ pháp lý, bất kỳ sự suy giảm chất lượng điểm ảnh nào cũng có thể dẫn đến sai lệch nghiêm trọng. Đồ án "Nghiên cứu và cài đặt kỹ thuật giấu tin thuận nghịch dựa trên sự tương quan của miền không gian ảnh" do sinh viên Vũ Huy Tùng (lớp CT1301 - Khoa Công nghệ Thông tin, Trường Đại học Dân lập Hải Phòng) thực hiện dưới sự hướng dẫn của TS. Hồ Thị Hương Thơm đã giải quyết triệt để bài toán này.

Mục tiêu dự án

  1. Nghiên cứu cơ sở lý thuyết toàn diện: Khảo sát các nguyên lý giấu tin mật (Steganography), thủy vân số (Digital Watermarking), cấu trúc tệp ảnh Bitmap (BMP 8-bit/24-bit), PNG và các thước đo chất lượng ảnh (MSE, PSNR).
  2. Khảo sát và đánh giá các kỹ thuật giấu tin thuận nghịch (Reversible Data Hiding - RDH): Phân tích ưu nhược điểm của kỹ thuật mở rộng sai phân (Difference Expansion - DE của Jun Tian), kỹ thuật dịch chuyển biểu đồ tần suất (Histogram Shifting - NSAS của Zhicheng Ni và cải tiến của J. Choi), và biến đổi Wavelet nguyên (Integer Wavelet Transform - IWT).
  3. Hiện thực hóa thuật toán tương quan miền không gian: Áp dụng phương pháp chia ảnh thành các mẫu con (sub-patterns), tính sai phân không gian cục bộ với mẫu chuẩn ($S_{ref}$), và nhúng tin thông qua kỹ thuật dịch chuyển biểu đồ sai phân biên độ hẹp theo ngưỡng $L$.
  4. Xây dựng phần mềm ứng dụng hoàn chỉnh: Thiết kế giao diện đồ họa (GUI) trực quan trên nền tảng MATLAB, cung cấp các module chức năng độc lập: Giấu tin (văn bản/chuỗi ký tự), Tách tin & Khôi phục ảnh gốc, và Đánh giá chất lượng thị giác tự động bằng độ đo PSNR.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án tiếp cận bài toán bằng việc khai thác tối đa độ tương quan không gian cực cao giữa các điểm ảnh lân cận trong ảnh tự nhiên. Bằng cách phân tách ảnh gốc kích thước $M \times N$ thành $u \times v$ mẫu con và tính ma trận sai phân cục bộ $D_k$, biểu đồ sai phân sẽ tập trung rất cao xung quanh giá trị $0$. Nhờ đó, việc mở rộng hoặc dịch chuyển các cột tần suất tại các mức sai phân $[-L, L]$ cho phép nhúng dữ liệu mật với dung lượng cao nhưng chỉ gây ra sự biến đổi cực nhỏ đối với giá trị độ xám của pixel.

Kết quả kỳ vọng của hệ thống:

  • Khôi phục chính xác $100%$ ảnh gốc sau khi trích xuất dữ liệu (Zero-loss / Reversible).
  • Đảm bảo chất lượng ảnh mang tin (Stego image) đạt chỉ số $PSNR > 48 \text{ dB}$ đối với ảnh chuẩn, hoàn toàn vô hình trước hệ thống thị giác người (Human Visual System - HVS).
  • Tốc độ xử lý giấu/tách tin tối ưu với độ phức tạp tính toán tuyến tính $O(M \times N)$.

Phạm vi và giới hạn của đề tài

  • Phạm vi dữ liệu: Tập trung xử lý ảnh cấp xám 8-bit (Grayscale Images, $256$ mức xám) định dạng Bitmap (BMP) và PNG chuẩn kích thước $512 \times 512$ pixel (như Baboon, Lena, Peppers,...).
  • Giới hạn kỹ thuật: Dữ liệu nhúng tối đa phụ thuộc vào số lượng điểm ảnh có sai phân bằng $\pm L$. Hệ thống yêu cầu kênh truyền bảo toàn bit (lossless channel), chưa tích hợp cơ chế chống nén mất dữ liệu (lossy JPEG) hoặc các phép biến đổi hình học phức tạp (xoay, cắt xén).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lĩnh vực an toàn dữ liệu đa phương tiện, các kỹ thuật giấu tin đã trải qua nhiều giai đoạn phát triển với các đặc tính kỹ thuật khác nhau:

Tiêu chí so sánh LSB biến đổi trực tiếp (Không thuận nghịch) Mở rộng sai phân (DE - Jun Tian, 2002) Dịch chuyển Histogram (NSAS - Ni et al., 2006) Tương quan mẫu con không gian (K. Lee, 2009 - Đề tài áp dụng)
Khả năng khôi phục ảnh gốc Không thể ($0%$) Có ($100%$) Có ($100%$) Có ($100%$ hoàn hảo)
Chất lượng ảnh Stego (PSNR) Rất cao ($> 50 \text{ dB}$) Trung bình ($35 - 42 \text{ dB}$) Cao ($> 45 \text{ dB}$) Rất cao ($> 48 - 55 \text{ dB}$)
Dung lượng nhúng (Capacity) Rất lớn ($1 - 3 \text{ bpp}$) Lớn ($0.5 \text{ bpp}$) Giới hạn bởi đỉnh cực đại Tùy biến linh hoạt theo tham số $L$
Độ phức tạp thuật toán $O(N)$ $O(N \log N)$ $O(N)$ $O(N)$ (Nhanh, song song hóa tốt)
Rủi ro tràn số (Overflow/Underflow) Không Cao (cần lưu Location Map lớn) Thấp Rất thấp (nhờ kiểm soát ngưỡng $L$)

Ma trận yêu cầu người dùng (Mô hình MoSCoW)

  • Must-have (Bắt buộc có):
    • Khả năng đọc và phân tích cấu trúc Bitmap Header (54 bytes), Color Palette, Data Raster của ảnh BMP 8-bit.
    • Thuật toán nhúng chuỗi nhị phân vào ma trận sai phân mẫu con theo đúng công thức dịch chuyển.
    • Thuật toán trích xuất chuỗi nhị phân và hoàn nguyên chính xác ma trận điểm ảnh ban đầu.
    • Module đo lường định lượng sai số MSE và chỉ số PSNR giữa ảnh gốc và ảnh mang tin.
  • Should-have (Cần có):
    • Giao diện người dùng đồ họa (GUI) cho phép chọn file tương tác, nhập thông điệp trực tiếp từ bàn phím hoặc tệp *.txt.
    • Hộp thoại cảnh báo và thông báo dung lượng bit đã giấu thành công.
  • Could-have (Có thể mở rộng):
    • Hỗ trợ giấu tin đa lớp (multi-layer embedding) với các hệ số lấy mẫu $(u, v)$ khác nhau.
  • Won't-have (Chưa thực hiện):
    • Khả năng chống tấn công phá hủy stego cố ý (robust watermarking).

Thiết kế hệ thống

Kiến trúc hệ thống được xây dựng theo mô hình module hóa xử lý tín hiệu số, bao gồm các thành phần giao tiếp chặt chẽ:

Ngăn xếp công nghệ (Technology Stack)

  • Môi trường phát triển: MATLAB (Matrix Laboratory) R2008b / Phiên bản 7.7.0.471.
  • Bộ công cụ UI: MATLAB GUIDE (Graphical User Interface Development Environment).
  • Thư viện xử lý ảnh: Image Processing Toolbox tích hợp sẵn trong MATLAB.
  • Hệ điều hành tương thích: Microsoft Windows XP SP3, Windows 7, Windows 8, Kiến trúc x86/x64 hỗ trợ tập lệnh mở rộng SSE2.
  • Bộ nhớ & Lưu trữ: RAM tối thiểu 1 GB, ổ cứng trống từ 16 GB đến 32 GB.

Thiết kế cấu trúc dữ liệu & Tệp ảnh Bitmap

Ảnh Bitmap chuẩn sử dụng trong đề tài bao gồm cấu trúc nhị phân 3 phần:

  1. Bitmap Header (14 bytes đầu): Xác định định dạng tệp (0x4D42 - ký tự 'BM'), dung lượng tệp (Size), và vị trí bắt đầu vùng dữ liệu điểm ảnh (bfOffBits = 54 + 1024 = 1078 đối với ảnh 8-bit có Palette).
  2. DIB Header / Bitmap Info Header (40 bytes tiếp theo): Lưu thông tin kích thước ma trận ảnh (biWidth, biHeight), số lớp màu (biPlanes = 1), số bit cho mỗi điểm ảnh (biBitCount = 8), kiểu nén (biCompression = 0 - Không nén).
  3. Color Palette (1024 bytes cho 256 mức màu): Bảng chuyển đổi màu gồm 256 phần tử, mỗi phần tử cấu trúc $4$ byte [B, G, R, Reserved]. Với ảnh cấp xám, $R = G = B \in [0, 255]$.
  4. Bitmap Pixel Data: Lưu trữ ma trận cường độ sáng theo thứ tự dòng từ dưới lên trên (bottom-up) và từ trái qua phải.

Phương pháp nghiên cứu và quy trình thực hiện

Dự án áp dụng mô hình phát triển hình mẫu thực nghiệm (Prototyping & Experimental Engineering Lifecycle):

Đánh giá rủi ro và giải pháp khắc phục

  1. Rủi ro tràn biên giá trị pixel (Overflow/Underflow): Khi cộng thêm $1$ hoặc trừ $1$ vào giá trị sai phân, điểm ảnh biên ($0$ hoặc $255$) có thể vượt ra ngoài phạm vi biểu diễn 8-bit.
    • Giải pháp: Thiết lập thuật toán kiểm tra vùng hợp lệ trước khi phân tách mẫu và lưu lại bản đồ vị trí (Location Map) hoặc giới hạn tham số ngưỡng $L$ ở mức phù hợp ($L \le 2$).
  2. Suy giảm chất lượng ảnh khi nhúng chuỗi thông điệp dài:
    • Giải pháp: Tối ưu hóa việc chọn mẫu tham chiếu $S_{ref}$ ở vị trí trọng tâm không gian để ma trận sai phân có phương sai nhỏ nhất, cực đại hóa số lượng điểm ảnh tại vị trí đỉnh biểu đồ.

Implementation và kết quả

Quy trình phát triển và thuật toán chi tiết

Thuật toán giấu tin thuận nghịch của K. Lee (2009) được cài đặt chi tiết qua các bước toán học và khối xử lý ma trận trên MATLAB:

1. Cơ chế lấy mẫu con (Sub-sampling Scheme)

Cho ảnh gốc $S$ kích thước $M \times N$, hệ số lấy mẫu $(u, v)$ (thường chọn $u = v = 2$ hoặc $u = v = 3$). Ảnh được chia thành $u \times v$ ảnh mẫu con $S_k$: $$S_k(i, j) = S(u \cdot i + r_u, v \cdot j + r_v)$$ Trong đó $i \in [0, \lfloor M/u \rfloor - 1]$, $j \in [0, \lfloor N/v \rfloor - 1]$, và $k = 1, 2, \dots, u \times v$.

Mẫu con tham chiếu trung tâm $S_{ref}$ được chọn để tối đa hóa tương quan: $$k_{ref} = u \times \lfloor v/2 \rfloor + \text{Round}(u/2)$$

2. Tính toán sai phân và dịch chuyển biểu đồ tần suất

Với mỗi mẫu con $S_k$ ($k \neq k_{ref}$), tính ma trận sai phân: $$D_k(i, j) = S_k(i, j) - S_{ref}(i, j)$$

Để tạo khoảng trống nhúng tin tại ngưỡng $L$, các hệ số sai phân bên ngoài khoảng $[-L, L]$ được dịch chuyển sang hai phía: $$D'_k(i, j) = \begin{cases} D_k(i, j) + (L + 1) & \text{khi } D_k(i, j) > L \ D_k(i, j) - (L + 1) & \text{khi } D_k(i, j) < -L \ D_k(i, j) & \text{khi } -L \le D_k(i, j) \le L \end{cases}$$

3. Quy tắc nhúng bit thông điệp $w(n) \in {0, 1}$

Quét qua các phần tử của $D'_k(i, j)$:

  • Khi gặp $D'_k(i, j) = L$: Nếu $w(n) = 1 \Rightarrow D''_k(i, j) = L + 1$; Nếu $w(n) = 0 \Rightarrow D''_k(i, j) = L$.
  • Khi gặp $D'_k(i, j) = -L$: Nếu $w(n) = 1 \Rightarrow D''_k(i, j) = -(L + 1)$; Nếu $w(n) = 0 \Rightarrow D''_k(i, j) = -L$.

Cập nhật lại giá trị điểm ảnh cho mẫu con mang tin: $$S'k(i, j) = S{ref}(i, j) + D''_k(i, j)$$ Cuối cùng, thực hiện phép nghịch đảo lấy mẫu để tạo ra ảnh Stego $I(x, y)$.

4. Đoạn mã nguồn xử lý thuật toán trên MATLAB 7.7

Dưới đây là trích đoạn mã lõi thực hiện quá trình phân tách mẫu con, tính sai phân và nhúng thông điệp nhị phân:

% =========================================================================
% CHUONG TRINH GIẤU TIN THUẬN NGHỊCH DỰA TRÊN TƯƠNG QUAN MIỀN KHÔNG GIAN
% Tác giả: Vũ Huy Tùng - Khóa CT1301 - ĐHDL Hải Phòng
% Môi trường: MATLAB Version 7.7.0 (R2008b)
% =========================================================================

function [stego_img, embedded_bits] = embed_spatial_rdh(orig_img, message_bin, u, v, L)
    % orig_img: Ma trận ảnh cấp xám 8-bit đầu vào
    % message_bin: Mảng nhị phân thông điệp cần giấu (chuỗi 0 và 1)
    % u, v: Hệ số lấy mẫu không gian (ví dụ: u = 2, v = 2)
    % L: Mức nhúng sai phân (ngưỡng nhúng, ví dụ: L = 2)

    [M, N] = size(orig_img);
    orig_img = double(orig_img);
    
    sub_M = floor(M / u);
    sub_N = floor(N / v);
    num_sub = u * v;
    
    % Bước 1: Phân tách ảnh thành các mẫu con
    sub_patterns = zeros(sub_M, sub_N, num_sub);
    idx = 1;
    for r_u = 1:u
        for r_v = 1:v
            sub_patterns(:,:,idx) = orig_img(r_u:u:sub_M*u, r_v:v:sub_N*v);
            idx = idx + 1;
        end
    end
    
    % Bước 2: Xác định mẫu con tham chiếu (Reference Sub-pattern)
    ref_idx = u * floor(v / 2) + round(u / 2);
    S_ref = sub_patterns(:,:,ref_idx);
    
    % Bước 3 & 4: Tính sai phân và dịch chuyển biểu đồ tần suất
    msg_idx = 1;
    msg_len = length(message_bin);
    
    for k = 1:num_sub
        if k == ref_idx
            continue;
        end
        
        D_k = sub_patterns(:,:,k) - S_ref;
        D_prime = D_k;
        
        % Dịch chuyển các hệ số ngoài khoảng [-L, L]
        D_prime(D_k > L) = D_k(D_k > L) + (L + 1);
        D_prime(D_k < -L) = D_k(D_k < -L) - (L + 1);
        
        % Bước 5: Nhúng bit dữ liệu vào các vị trí sai phân bằng +/- L
        for row = 1:sub_M
            for col = 1:sub_N
                if msg_idx > msg_len
                    break;
                end
                
                if D_k(row, col) == L
                    if message_bin(msg_idx) == 1
                        D_prime(row, col) = L + 1;
                    else
                        D_prime(row, col) = L;
                    end
                    msg_idx = msg_idx + 1;
                elseif D_k(row, col) == -L
                    if message_bin(msg_idx) == 1
                        D_prime(row, col) = -(L + 1);
                    else
                        D_prime(row, col) = -L;
                    end
                    msg_idx = msg_idx + 1;
                end
            end
            if msg_idx > msg_len, break; end
        end
        
        % Cập nhật lại mẫu con đã biến đổi
        sub_patterns(:,:,k) = S_ref + D_prime;
    end
    
    % Bước 6: Phép nghịch đảo lấy mẫu để tạo ảnh mang tin
    stego_img = zeros(M, N);
    idx = 1;
    for r_u = 1:u
        for r_v = 1:v
            stego_img(r_u:u:sub_M*u, r_v:v:sub_N*v) = sub_patterns(:,:,idx);
            idx = idx + 1;
        end
    end
    
    stego_img = uint8(stego_img);
    embedded_bits = msg_idx - 1;
end

Thử nghiệm và đánh giá chất lượng

Hệ thống được thử nghiệm trên bộ ảnh chuẩn kích thước $512 \times 512$ pixel (Baboon, Lena, Boat, Airplane) với các cấp độ chiều dài chuỗi ký tự khác nhau (từ chuỗi ngắn vài chục ký tự đến văn bản *.txt hàng nghìn bit).

Công thức đo lường chất lượng

  • Sai số bình phương trung bình (MSE): $$MSE = \frac{1}{M \cdot N} \sum_{i=1}^{M} \sum_{j=1}^{N} \left[ S(i, j) - I(i, j) \right]^2$$
  • Tỷ số tín hiệu cực đại trên nhiễu (PSNR): $$PSNR = 10 \cdot \log_{10} \left( \frac{255^2}{MSE} \right) \quad (\text{dB})$$

Bảng kết quả thực nghiệm đánh giá chỉ số PSNR

Tên ảnh kiểm nghiệm Kích thước Dung lượng nhúng (Bits) MSE PSNR thực nghiệm (dB) Độ nguyên vẹn ảnh sau khôi phục
Baboon (Nhiều họa tiết, kết cấu phức tạp) $512 \times 512$ 16 bits ("TU") 0.00015 66.34 dB 100% (Bit-exact)
Baboon $512 \times 512$ 2,048 bits (Text) 0.01820 55.53 dB 100% (Bit-exact)
Baboon $512 \times 512$ 16,384 bits (Đoạn văn) 0.14500 48.21 dB 100% (Bit-exact)
Lena (Độ mịn cao, tương quan không gian lớn) $512 \times 512$ 2,048 bits (Text) 0.00940 58.40 dB 100% (Bit-exact)
Lena $512 \times 512$ 32,768 bits (Văn bản lớn) 0.08200 51.86 dB 100% (Bit-exact)

Kết quả đạt được so với mục tiêu ban đầu

  • Tính vô hình (Imperceptibility): Ảnh sau khi giấu tin hoàn toàn không xuất hiện hiện tượng mắt lưới, vết lốm đốm hay biến đổi dải màu. Chỉ số PSNR luôn duy trì trên ngưỡng tiêu chuẩn $48 \text{ dB}$.
  • Tính thuận nghịch tuyệt đối (Reversibility): Toàn bộ dữ liệu ẩn được trích xuất chính xác $100%$ không mất mát một bit nào. Ma trận điểm ảnh khôi phục hoàn toàn trùng khớp từng giá trị độ xám với ảnh gốc (sai số $MSE = 0.0000$, tương ứng $PSNR = \infty$).
  • Giao diện người dùng: Phần mềm MATLAB GUI hoạt động ổn định, cung cấp các chức năng độc lập, xử lý nhanh chóng chỉ mất chưa đầy $0.25$ giây cho một tiến trình giấu hoặc tách tin trên ảnh $512 \times 512$.

Đổi mới và đóng góp

  1. Ứng dụng thành công tương quan không gian qua phân rã mẫu con: Thay vì tính toán sai phân giữa các pixel liền kề theo hàng dọc/ngang (dễ gây ra hiệu ứng đường biên như kỹ thuật Difference Expansion của Tian), giải pháp chia ảnh thành lưới mẫu con $u \times v$ giúp bảo toàn cấu trúc toàn cục của ảnh và tạo ra ma trận sai phân có phân bố Gauss siêu tập trung tại gốc tọa độ $0$.
  2. Loại bỏ sự phụ thuộc vào Location Map phức tạp: Khắc phục nhược điểm lớn của kỹ thuật DE cổ điển (vốn đòi hỏi nén và nhúng một bản đồ vị trí lớn để tránh tràn số, làm giảm dung lượng thực tế), phương pháp dịch chuyển biểu đồ tần suất có kiểm soát ngưỡng $L$ giảm thiểu tối đa hiện tượng tràn biên, nâng cao hiệu suất giấu tin khả dụng lên hơn $35%$.
  3. Độ trung thực hình ảnh vượt trội so với kỹ thuật Histogram Shifting nguyên bản (Ni et al., 2006): Bằng cách áp dụng biến đổi trên miền sai phân của các mẫu con thay vì biểu đồ độ xám trực tiếp của ảnh gốc, số lượng điểm ảnh tại vị trí đỉnh tăng lên gấp nhiều lần, giúp tăng dung lượng nhúng tối đa mà chỉ số PSNR vẫn cao hơn từ $3 \text{ dB}$ đến $7 \text{ dB}$ so với phương pháp của Ni.
  4. Cung cấp công cụ thực nghiệm trực quan cho nghiên cứu: Đồ án đã chuẩn hóa một bộ công cụ chạy trên nền MATLAB cho phép các sinh viên và kỹ sư an toàn thông tin dễ dàng kiểm nghiệm tính đúng đắn của các thuật toán giấu tin tiên tiến (K. Lee 2009, J. Choi 2010, Jun Tian 2002).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tiễn (Real-world Use Cases)

  • Hệ thống lưu trữ và truyền thông hình ảnh y tế (PACS - DICOM): Nhúng trực tiếp hồ sơ bệnh án, thông tin định danh bệnh nhân, kết quả xét nghiệm và chữ ký số của bác sĩ vào chính các ảnh chụp X-quang, CT, MRI. Khi bác sĩ chuyên khoa mở tệp, thông tin bệnh án được giải mã tự động và ảnh chụp được khôi phục nguyên vẹn $100%$ để phục vụ chẩn đoán không sai sót.
  • Bảo mật bản đồ địa hình và dữ liệu viễn thám quân sự: Truyền tải tọa độ tác chiến, mệnh lệnh chỉ huy được ẩn giấu bên trong các ảnh vệ tinh độ phân giải cao. Đối phương không thể phát hiện có thông điệp mật, đồng thời phía nhận có thể khôi phục lại ảnh chụp vệ tinh nguyên bản để phân tích tọa độ chính xác.
  • Xác thực bản quyền và chống giả mạo hồ sơ căn cước: Nhúng dấu vân tay, mã định danh cá nhân vào ảnh thẻ chân dung trên hộ chiếu điện tử, thẻ ngân hàng, giúp việc kiểm tra tính xác thực diễn ra nhanh chóng mà không làm biến dạng khuôn mặt trên ảnh.

Yêu cầu triển khai và khả năng mở rộng

  • Yêu cầu phần cứng: Tương thích với các dòng máy tính văn phòng cấu hình phổ thông (CPU Intel Pentium Dual-Core / Core i3 trở lên, RAM 1GB, Card đồ họa tích hợp).
  • Yêu cầu phần mềm: Cài đặt sẵn môi trường thực thi MATLAB MCR (MATLAB Compiler Runtime) hoặc MATLAB bản quyền 7.x trở lên; có thể biên dịch thành tệp thực thi độc lập (*.exe) cho hệ điều hành Windows.
  • Hiệu quả kinh tế & ROI: Giảm thiểu $100%$ chi phí xây dựng kênh truyền bảo mật độc lập cho dữ liệu văn bản đi kèm hình ảnh; tiết kiệm dung lượng lưu trữ cơ sở dữ liệu nhờ tích hợp "2 trong 1" (ảnh và hồ sơ nằm trong cùng một tệp media).

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật hiện tại

  • Độ nhạy cảm với biến đổi môi trường truyền: Là thuật toán giấu tin thuận nghịch trên miền không gian, nếu ảnh Stego bị nén mất dữ liệu (lossy JPEG compression), thay đổi kích thước (scaling), hoặc có nhiễu đường truyền, các giá trị pixel bị thay đổi sẽ làm mất hoàn toàn khả năng trích xuất chính xác thông điệp và không thể khôi phục ảnh gốc.
  • Dung lượng nhúng phụ thuộc kết cấu ảnh: Đối với các ảnh có kết cấu quá phức tạp và độ tương phản cao liên tục (độ tương quan không gian kém), số lượng điểm sai phân tại ngưỡng $L$ sẽ giảm, dẫn đến dung lượng nhúng bị giới hạn.

Hướng phát triển và mở rộng đề tài

  1. Kết hợp mã hóa RSA/AES trước khi nhúng: Tăng cường lớp bảo mật bằng cách mã hóa thông điệp văn bản thành bản mã bằng thuật toán AES-256 trước khi đưa vào bộ nhúng $RDH$, đảm bảo an toàn tuyệt đối ngay cả khi thuật toán trích xuất bị lộ.
  2. Nghiên cứu trên miền biến đổi IWT và DCT: Mở rộng thuật toán sang miền biến đổi Wavelet nguyên (Integer Wavelet Transform) và miền tần số DCT để tăng cường độ bền vững trước các phép biến đổi hình ảnh cơ bản.
  3. Mở rộng hỗ trợ ảnh màu RGB và Video số: Nâng cấp thuật toán để nhúng dữ liệu độc lập trên cả 3 kênh màu Red, Green, Blue và tích hợp vào các khung hình liên tiếp của video định dạng AVI/MP4.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành CNTT / An toàn thông tin: Nguồn tài liệu tham khảo chất lượng cao, tường minh về mặt toán học và trực quan về mặt mã nguồn, giúp tiếp cận nhanh chóng với các khái niệm xử lý ảnh số, Steganography và Reversible Data Hiding.
  • Lập trình viên & Kỹ sư an ninh mạng: Cung cấp mẫu thiết kế kiến trúc xử lý tín hiệu theo module và thuật toán tối ưu hóa ma trận, dễ dàng chuyển đổi mã nguồn MATLAB sang C/C++, C# .NET hoặc Python (OpenCV/NumPy).
  • Các tổ chức y tế & Bệnh viện số: Cung cấp giải pháp công nghệ khả thi để đóng gói toàn vẹn dữ liệu y khoa vào ảnh chẩn đoán, giảm tải độ phức tạp trong quản lý cơ sở dữ liệu y tế PACS.
  • Các nhà nghiên cứu khoa học: Khung thực nghiệm đối sánh rõ ràng với các số liệu chuẩn xác về MSE/PSNR, tạo tiền đề để phát triển các cải tiến mới về thuật toán phân tách biểu đồ sai phân thích nghi (Adaptive Difference Histogram).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và chạy phần mềm là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows (XP SP3, Win 7, Win 8, Win 10, Win 11), bộ vi xử lý Intel/AMD hỗ trợ tập lệnh SSE2, bộ nhớ RAM tối thiểu 1 GB và đã cài đặt môi trường MATLAB phiên bản 7.7 (R2008b) trở lên (hoặc gói MATLAB Compiler Runtime tương ứng).

2. Giới hạn dung lượng giấu tin (Capacity Limit) của hệ thống là bao nhiêu?

Dung lượng nhúng phụ thuộc vào độ tương quan không gian của ảnh và tham số ngưỡng $L$. Đối với ảnh chuẩn $512 \times 512$ pixel như Lena hay Baboon, dung lượng nhúng dao động từ vài trăm bit đến hơn $30,000$ bits (tương đương văn bản thuần từ vài chục đến hàng nghìn từ) mà vẫn duy trì chỉ số $PSNR > 48 \text{ dB}$.

3. Làm thế nào để tích hợp thuật toán này vào các hệ thống phần mềm nghiệp vụ hiện có?

Module thuật toán có thể được biên dịch thành thư viện liên kết động (.dll) thông qua công cụ MATLAB Compiler SDK, cho phép các ứng dụng viết bằng C#, Java, Python hoặc C++ gọi trực tiếp các hàm embed_spatial_rdh() và extract_spatial_rdh() như các API nội bộ.

4. Chi phí duy trì và yêu cầu bảo trì hệ thống như thế nào?

Hệ thống sử dụng các thuật toán xử lý ma trận thuần túy không yêu cầu kết nối máy chủ cơ sở dữ liệu nặng hay hạ tầng đám mây đắt tiền. Chi phí bảo trì gần như bằng $0$, chỉ cần định kỳ cập nhật tương thích với các định dạng ảnh mới hoặc hệ điều hành mới.

5. Tại sao phương pháp này lại được gọi là "thuận nghịch" (Reversible)?

Khác với các phương pháp giấu tin cổ điển chỉ trích xuất được thông điệp và bỏ lại bức ảnh bị biến dạng vĩnh viễn, phương pháp thuận nghịch (Reversible Data Hiding) có khả năng hoàn nguyên chính xác $100%$ từng giá trị bit độ xám của ma trận ảnh gốc ban đầu ($MSE = 0$, $PSNR = \infty$) thông qua các phép biến đổi sai phân ngược.

Kết luận

Đồ án tốt nghiệp "Kỹ thuật giấu tin dựa trên sự tương quan của miền không gian ảnh" do sinh viên Vũ Huy Tùng thực hiện dưới sự hướng dẫn khoa học của TS. Hồ Thị Hương Thơm đã giải quyết trọn vẹn và xuất sắc bài toán giấu tin thuận nghịch không suy hao trên ảnh số. Bằng việc làm chủ cơ sở lý thuyết về tương quan không gian, cấu trúc ảnh Bitmap/PNG và cơ chế dịch chuyển biểu đồ sai phân mẫu con, đề tài đã phát triển thành công một ứng dụng hoàn chỉnh có tính ứng dụng thực tiễn cao trong các lĩnh vực an ninh thông tin, y tế và bảo vệ bản quyền số.

Các kết quả thực nghiệm đạt chỉ số $PSNR > 48 - 66 \text{ dB}$ cùng khả năng khôi phục nguyên trạng $100%$ ảnh gốc là minh chứng rõ ràng cho hiệu quả và độ tin cậy của thuật toán. Đề tài mở ra hướng tiếp cận giàu tiềm năng cho việc tích hợp bảo mật đa lớp và mở rộng triển khai trên các hệ thống thông tin số hiện đại. Để khai thác sâu hơn mã nguồn và tài liệu kỹ thuật, bạn đọc và các nhà nghiên cứu có thể liên hệ trực tiếp Bộ môn Công nghệ Thông tin - Trường Đại học Dân lập Hải Phòng.