Nghiên Cứu Kỹ Thuật Giấu Thông Tin và Phát Hiện Dữ Liệu Ảnh

Chuyên khảo kỹ thuật phân tích Nghiên cứu một số kỹ thuật phát hiện ảnh giấu tin, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: NCS. Hồ Thị Hương Thơm
• Người hướng dẫn: TS. Hồ Văn Canh
• Trường học: Đại học Công nghệ
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên Cứu Kỹ Thuật Giấu Thông Tin và Phát Hiện Dữ Liệu Ảnh
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• DANH MỤC CÁC KÝ HIỆU VÀ TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ
• PHẦN MỞ ĐẦU
• 1. CHƯƠNG 1: GIẤU TIN TRONG ẢNH, PHÁT HIỆN ẢNH CÓ GIẤU TIN VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 1.1. GIẤU TIN TRONG ẢNH VÀ NGHIÊN CỨU LIÊN QUAN
• 1.1.1. Phương pháp giấu tin và nghiên cứu liên quan
• 1.1.2. Phương pháp đánh giá độ an toàn của một lược đồ giấu tin
• 1.2. PHÁT HIỆN ẢNH GIẤU TIN VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 1.2.1. Phương pháp phát hiện ảnh có giấu tin
• 1.2.2. Nghiên cứu liên quan và hướng phát triển của luận án
• 1.2.2.1. Phương pháp phát hiện mù cho ảnh giấu trên LSB
• 1.2.2.2. Phương pháp phát hiện ảnh có ràng buộc
• 1.3. PHƯƠNG PHÁP THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 1.3.1. Tiêu chuẩn đánh giá
• 1.3.2. Nguồn dữ liệu ảnh thử nghiệm
• 1.3.3. Công cụ hỗ trợ và môi trường thực nghiệm
• 1.4. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: KỸ THUẬT PHÁT HIỆN MÙ CHO ẢNH GIẤU TIN TRÊN LSB
• 2.1. KỸ THUẬT PHÁT HIỆN MÙ TRÊN LSB CỦA MIỀN KHÔNG GIAN
• 2.1.1. Phát hiện bằng phân tích "độ lệch chuẩn"
• 2.1.1.1. Phân tích kỹ thuật giấu LSB
• 2.1.1.2. Phương pháp phát hiện
• 2.1.2. Phát hiện bằng thống kê χ2 một bậc tự do (χ12)
• 2.1.2.1. Phân tích kỹ thuật "độ lệch chuẩn"
• 2.1.2.2. Phương pháp phát hiện
• 2.1.3. Phát hiện dựa trên phân tích tỉ lệ xám
• 2.1.3.1. Phát biểu bài toán
• 2.1.3.2. Phương pháp giải quyết bài toán
• 2.1.4. Phát hiện bằng phương pháp ước lượng thông tin giấu trên LSB
• 2.1.4.1. Phương pháp ước lượng khi có ảnh gốc
• 2.1.4.2. Phương pháp ước lượng không dựa vào ảnh gốc
• 2.2. KỸ THUẬT PHÁT HIỆN MÙ TRÊN LSB CỦA MIỀN TẦN SỐ
• 2.2.1. Phân tích kỹ thuật giấu LSB trên miền tần số
• 2.2.2. Phương pháp phát hiện
• 2.3. CÁC KẾT QUẢ THỬ NGHIỆM
• 2.3.1. Các kết quả thử nghiệm trên miền không gian
• 2.3.2. Các kết quả thử nghiệm trên miền tần số
• 2.4. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: MỘT SỐ KỸ THUẬT PHÁT HIỆN CÓ RÀNG BUỘC
• 3.1. PHÁT HIỆN ẢNH CÓ GIẤU TIN SỬ DỤNG KỸ THUẬT GIẤU HKC
• 3.1.1. Tóm lược kỹ thuật giấu HKC
• 3.1.2. Phương pháp phát hiện và ước lượng thông tin giấu trong ảnh
• 3.1.2.1. Phương pháp phát hiện của Kuo và Lin
• 3.1.2.2. Phương pháp phát hiện cải tiến từ phương pháp của Kuo và Lin
• 3.1.2.3. Phương pháp phát hiện HKC khác và ước lượng thông tin giấu
• 3.1.3. Các kết quả thử nghiệm
• 3.2. PHÁT HIỆN ẢNH CÓ GIẤU TIN SỬ DỤNG KỸ THUẬT GIẤU DIH
• 3.2.1. Tóm lược kỹ thuật giấu tin DIH
• 3.2.2. Phương pháp phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu DIH
• 3.2.2.1. Phân tích kỹ thuật giấu DIH
• 3.2.2.2. Phương pháp phát hiện và ước lượng thông tin giấu
• 3.2.3. Các kết quả thử nghiệm
• 3.3. PHÁT HIỆN ẢNH CÓ GIẤU TIN SỬ DỤNG KỸ THUẬT GIẤU IWH
• 3.3.1. Tóm lược kỹ thuật giấu tin IWH
• 3.3.2. Phương pháp phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu IWH
• 3.3.2.1. Phân tích kỹ thuật giấu IWH
• 3.3.2.2. Phương pháp phát hiện và ước lượng thông tin
• 3.3.3. Các kết quả thử nghiệm
• 3.4. PHÁT HIỆN ẢNH CÓ GIẤU TIN SỬ DỤNG KỸ THUẬT GIẤU RVH
• 3.4.1. Tóm lược kỹ thuật giấu tin RVH
• 3.4.2. Phương pháp phát hiện ảnh có giấu tin sử dụng kỹ thuật giấu RVH
• 3.4.2.1. Phân tích vấn đề giấu tin RVH
• 3.4.2.2. Phương pháp phát hiện và ước lượng thông tin
• 3.4.3. Các kết quả thử nghiệm
• 3.5. KẾT LUẬN CHƯƠNG 3
• KẾT LUẬN CHUNG
• DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC – CHƯƠNG TRÌNH ĐỀ MÔ GIẤU TIN TRONG ẢNH VÀ PHÁT HIỆN ẢNH CÓ GIẤU TIN

Tóm tắt

I. Tổng quan về Nghiên Cứu Kỹ Thuật Giấu Thông Tin

Nghiên cứu về kỹ thuật giấu thông tin (Steganography) đã trở thành một lĩnh vực quan trọng trong an ninh thông tin. Kỹ thuật này cho phép nhúng thông tin vào các đối tượng dữ liệu số mà không làm thay đổi đáng kể đến chất lượng của dữ liệu gốc. Việc giấu thông tin trong ảnh là một trong những phương pháp phổ biến nhất, nhờ vào khả năng lưu trữ thông tin lớn và tính dễ thực hiện. Nghiên cứu này không chỉ giúp bảo vệ thông tin mà còn hỗ trợ trong các lĩnh vực như quốc phòng và thương mại.

1.1. Khái niệm và Lịch sử Kỹ Thuật Giấu Thông Tin

Kỹ thuật giấu thông tin có nguồn gốc từ thời cổ đại, với nhiều phương pháp khác nhau được sử dụng để truyền tải thông tin một cách bí mật. Từ những phương pháp đơn giản như xăm lên da, đến các kỹ thuật hiện đại như nhúng thông tin vào ảnh số, lĩnh vực này đã phát triển mạnh mẽ theo thời gian.

1.2. Tầm quan trọng của Nghiên Cứu Giấu Thông Tin

Nghiên cứu về giấu thông tin không chỉ có ý nghĩa lý thuyết mà còn mang lại giá trị thực tiễn cao. Nó giúp bảo vệ thông tin nhạy cảm trong môi trường truyền thông công cộng, đồng thời nâng cao khả năng bảo mật cho các tổ chức và cá nhân.

II. Thách Thức trong Phát Hiện Dữ Liệu Ảnh Giấu Thông Tin

Phát hiện dữ liệu ảnh có giấu thông tin (steganalysis) là một thách thức lớn trong lĩnh vực an ninh thông tin. Các kỹ thuật giấu thông tin ngày càng tinh vi, khiến cho việc phát hiện trở nên khó khăn hơn. Việc phân biệt giữa ảnh gốc và ảnh có giấu tin đòi hỏi các phương pháp phân tích mạnh mẽ và chính xác.

2.1. Các Kỹ Thuật Giấu Thông Tin Phổ Biến

Có nhiều kỹ thuật giấu thông tin khác nhau, như LSB (Least Significant Bit), QIM (Quantization Index Modulation), và SS (Spread Spectrum). Mỗi kỹ thuật đều có những ưu điểm và nhược điểm riêng, ảnh hưởng đến khả năng phát hiện của các phương pháp steganalysis.

2.2. Những Khó Khăn trong Việc Phát Hiện

Một trong những khó khăn lớn nhất trong việc phát hiện thông tin giấu là khả năng nhận diện các thay đổi nhỏ trong ảnh. Các kỹ thuật giấu tin hiện đại thường sử dụng các phương pháp tinh vi để giảm thiểu khả năng bị phát hiện, làm cho việc phân tích trở nên phức tạp hơn.

III. Phương Pháp Phát Hiện Dữ Liệu Ảnh Giấu Thông Tin

Để phát hiện thông tin giấu trong ảnh, nhiều phương pháp đã được phát triển, bao gồm phát hiện mù và phát hiện có ràng buộc. Mỗi phương pháp có những ứng dụng và hiệu quả khác nhau trong việc phát hiện thông tin giấu.

3.1. Phát Hiện Mù Blind Steganalysis

Phát hiện mù là phương pháp không yêu cầu biết trước kỹ thuật giấu tin nào đã được sử dụng. Phương pháp này thường sử dụng các chỉ số thống kê để phân tích và phát hiện thông tin giấu trong ảnh.

3.2. Phát Hiện Có Ràng Buộc Constraint Steganalysis

Phát hiện có ràng buộc yêu cầu biết trước kỹ thuật giấu tin đã được sử dụng. Phương pháp này cho phép xây dựng các thuật toán phát hiện chính xác hơn, dựa trên các đặc điểm của kỹ thuật giấu tin cụ thể.

IV. Ứng Dụng Thực Tiễn của Kỹ Thuật Giấu Thông Tin

Kỹ thuật giấu thông tin có nhiều ứng dụng thực tiễn trong các lĩnh vực như an ninh quốc phòng, bảo mật thông tin và truyền thông. Việc sử dụng các phương pháp giấu tin giúp bảo vệ thông tin nhạy cảm khỏi sự theo dõi và xâm nhập.

4.1. Ứng Dụng trong An Ninh Quốc Phòng

Trong lĩnh vực an ninh quốc phòng, việc giấu thông tin giúp bảo vệ các thông tin quan trọng khỏi sự phát hiện của kẻ thù. Các tổ chức quân sự thường sử dụng kỹ thuật này để truyền tải thông tin một cách an toàn.

4.2. Ứng Dụng trong Bảo Mật Thông Tin

Kỹ thuật giấu thông tin cũng được áp dụng trong bảo mật thông tin cá nhân và doanh nghiệp. Việc giấu thông tin trong các tài liệu số giúp bảo vệ quyền riêng tư và ngăn chặn việc rò rỉ thông tin.

V. Kết Luận và Tương Lai của Nghiên Cứu Giấu Thông Tin

Nghiên cứu về kỹ thuật giấu thông tin và phát hiện dữ liệu ảnh giấu tin đang ngày càng trở nên quan trọng trong bối cảnh an ninh thông tin hiện đại. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ và cải tiến mới.

5.1. Xu Hướng Nghiên Cứu Mới

Các nghiên cứu hiện tại đang tập trung vào việc phát triển các phương pháp phát hiện mới, hiệu quả hơn, nhằm đối phó với các kỹ thuật giấu tin ngày càng tinh vi.

5.2. Tầm Quan Trọng của Đầu Tư Nghiên Cứu

Đầu tư vào nghiên cứu và phát triển trong lĩnh vực giấu thông tin là cần thiết để đảm bảo an ninh thông tin trong tương lai. Các tổ chức và chính phủ cần chú trọng hơn đến việc bảo vệ thông tin nhạy cảm.

Nội dung chính

Tổng quan về luận án

Sự bùng nổ của truyền thông đa phương tiện số và mạng Internet toàn cầu đã biến dữ liệu ảnh số định dạng BITMAP (như JPEG, PNG, BMP, GIF) thành phương tiện phổ biến nhất để truyền tải thông tin. Tuy nhiên, tính chất "vô hình" của kỹ thuật giấu thông tin (Steganography) đã đặt ra những thách thức an ninh phi truyền thống nghiêm trọng đối với an ninh quốc gia, tình báo phòng vệ và sở hữu trí tuệ số. Đối trọng trực tiếp với kỹ thuật giấu tin là thám sai ảnh số (Image Steganalysis) – ngành khoa học chuyên sâu nhằm phát hiện sự hiện diện của dữ liệu ẩn trong vật mang. Luận án tiến sĩ của nghiên cứu sinh Hồ Thị Hương Thơm (2012) tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, dưới sự hướng dẫn khoa học của TS. Hồ Văn Canh và PGS. Trịnh Nhật Tiến, là một công trình tiên phong giải quyết bài toán phát hiện ảnh giấu tin ở cả hai cấp độ: phát hiện mù (Blind Steganalysis) và phát hiện có ràng buộc (Constraint Steganalysis).

Khoảng trống nghiên cứu (Research gap) cốt lõi mà luận án giải quyết xuất phát từ giới hạn lý thuyết và thực nghiệm của các công trình quốc tế đương thời:

1. Đối với phát hiện mù trên bit ít quan trọng nhất (Least Significant Bit - LSB): Kỹ thuật thống kê $\chi^2$ với $n-1$ bậc tự do của Westfeld và Pfitzmann (1999) [95] bộc lộ nhược điểm suy giảm độ chính xác khi tỷ lệ nhúng tin thấp hoặc dữ liệu giấu phân tán theo thứ tự quét raster. Trong khi đó, tiêu chuẩn tỷ lệ hợp lý logarit (LLRT) của K. Sullivan (2006) [80] dựa trên mô hình lọc đáp ứng xung hữu hạn FIR 2-tap $(0.25, 0.5, 0.25)$ có xu hướng làm "trơn" (smoothness) tín hiệu ảnh gốc, dẫn đến tỷ lệ dương tính giả (false positive) rất cao khi phân loại các ảnh tự nhiên có kết cấu phức tạp như ảnh Baboon.bmp. Mặt khác, các phương pháp ước lượng chiều dài dữ liệu nhúng nổi tiếng như RS (Regular/Singular) của Fridrich et al. (2001) [31] và DI (Difference Image) của Zhang và Ping (2003) [102] đòi hỏi chi phí tính toán lớn.
2. Đối với phát hiện có ràng buộc: Các thuật toán giấu tin thuận nghịch (Reversible Watermarking/Steganography) tinh xảo như HKC (Choi et al., 2005) [41], DIH (Difference Image Histogram - Lin et al., 2004) [49], IWH (Integer Wavelet Histogram - Chung et al., 2006) [99] và RVH (Reversible Vertical Horizontal - Chung et al., 2008) [45] tạo ra độ biến dạng quang học cực thấp (PSNR đạt từ 39 dB đến 46 dB, tương đương mức MOS 5 tối ưu). Các phương pháp tấn công mù thông thường hoàn toàn bất lực trước mức độ thay đổi vi mô này. Phương pháp tấn công HKC của Kuo và Lin (2008) [46] chỉ hiệu quả khi tỷ lệ nhúng đạt cực đại và chưa đưa ra được công thức ước lượng độ dài thông điệp ẩn.

Hệ thống câu hỏi nghiên cứu và giả thuyết khoa học của luận án được xác lập cụ thể:

• Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để nâng cao độ chính xác và giảm thiểu sai lầm loại I ($\alpha$) cũng như loại II ($\beta$) khi phát hiện mù dữ liệu giấu LSB ở cả miền không gian và miền tần số?
  • Giả thuyết 1 (H1): Sự biến thiên đồng thời của các cặp giá trị (Pairs of Values - PoV) sau khi nhúng LSB làm suy giảm độ lệch chuẩn cục bộ và làm cho thống kê hiệu số chẵn - lẻ tuân theo phân bố Chi-bình phương 1 bậc tự do ($\chi^2_1$), cho phép tối ưu hóa phân lớp theo bổ đề Neyman - Pearson.
• Câu hỏi nghiên cứu 2 (RQ2): Có thể xây dựng mô hình toán học nhằm ước lượng chính xác tỷ lệ bit nhúng LSB với độ phức tạp tính toán thấp hơn giải thuật RS và DI hay không?
  • Giả thuyết 2 (H2): Tần suất xuất hiện của các chuỗi bit cục bộ tuân theo lý thuyết trùng khớp (Match Theory) cho phép trích xuất trực tiếp tỷ lệ nhúng thông qua sai số thống kê mà không cần ảnh gốc tham chiếu.
• Câu hỏi nghiên cứu 3 (RQ3): Cơ chế toán học nào cho phép phát hiện và ước lượng chính xác lượng thông tin nhúng trong các lược đồ giấu tin thuận nghịch hiện đại (HKC, DIH, IWH, RVH)?
  • Giả thuyết 3 (H3): Các kỹ thuật dịch chuyển biểu đồ tần suất không gian, tần số wavelet nguyên và phân pha ngang - dọc tạo ra các dị thường thống kê bất đối xứng (asymmetry anomalies) tại các cột biên và phân bố xác suất $P(0)$ so với $P(1)$ trên các tập tọa độ chẵn/lẻ.

Khung lý thuyết nền tảng (Theoretical framework) của luận án tích hợp chặt chẽ: Lý thuyết an toàn thông tin của Cachin (1998/2004) [15] dựa trên độ phân kỳ Kullback - Leibler $D_{KL}(P_C || P_S) < \epsilon$; Định lý giới hạn trung tâm và Bổ đề tối ưu Neyman - Pearson trong kiểm định giả thuyết thống kê; cùng Lý thuyết xử lý tín hiệu số đa băng tần (DCT, DWT/IWT). Phạm vi thực nghiệm của công trình bao quát 2.088 ảnh gốc ($\mathcal{C}_0$) gồm 1.014 ảnh chuẩn từ thư viện Đại học Washington [103] và Đại học Southern California (USC-SIPI) [107], kết hợp 1.074 ảnh chụp thực địa từ máy ảnh kỹ thuật số Sony T700 (10.1 Megapixel) và Samsung Galaxy 3 (3.15 Megapixel), tạo lập các tập kiểm thử mở rộng lên tới 10.440 ảnh ($\mathcal{W}$) và 4.176 ảnh ($\mathcal{O}, \mathcal{V}, \mathcal{U}$).

Literature Review và Positioning

Cấu trúc tổng quan y văn quốc tế trong lĩnh vực giấu tin và thám mã ảnh được tổng hợp qua ba dòng nghiên cứu chính:

Dòng thứ nhất: Thám mã mù trên miền LSB không gian và tần số. Westfeld và Pfitzmann (1999) [95] phát triển phương pháp $\chi^2$ dựa trên sự cân bằng giả tạo giữa các cặp PoV $2k$ và $2k+1$. Nhược điểm cơ bản là khi áp dụng cho dữ liệu nhúng ngẫu nhiên rải rác hoặc nhúng một phần theo hàng quét, bậc tự do $n-1$ lớn làm loãng năng lượng kiểm định. K. Sullivan (2006) [80] đưa ra mô hình LLRT dựa trên sai phân Kullback - Leibler $D(q || Q_{R0}p) - D(q || p) \le T(\alpha)$, nhưng việc dùng bộ lọc FIR tuyến tính để ước lượng ảnh gốc làm xuất hiện xung nhiễu biên, khiến độ chính xác trên tập ảnh có độ phân tán màu cao bị suy giảm nghiêm trọng.

Dòng thứ hai: Ước lượng định lượng dung lượng nhúng (Capacity Estimation). Jessica Fridrich et al. (2001) [31] đề xuất phương pháp RS phân tách các khối thành nhóm đều đặn ($R$) và dị thường ($S$) qua mặt nạ $M$, thiết lập phương trình bậc hai hồi quy. T. Zhang và X. Ping (2003) [102] cải tiến bằng kỹ thuật sai phân DI (Difference Image). Dù đạt độ chính xác cao, cả hai giải thuật đều có độ phức tạp thuật toán lớn khi phải duyệt qua nhiều lần đảo bit và hoán vị không gian khối.

Dòng thứ ba: Thám mã có ràng buộc đối với giấu tin thuận nghịch. J. Tian (2002) [90] mở đầu kỷ nguyên giấu tin thuận nghịch với kỹ thuật giãn sai phân DE (Difference Expansion). Ni et al. (2003) [62] phát triển kỹ thuật dịch chuyển biểu đồ tần suất NSAS. Tiếp đó, J. Choi et al. (2005) [41] công bố HKC; Lin et al. (2004) [49] công bố DIH; Chung et al. (2006, 2008) [99, 45] lần lượt giới thiệu IWH và RVH. Đối với các kỹ thuật này, Chen et al. (2008) [24] tấn công RCM; Li Bin et al. (2008) [14] tấn công MBNS; Kuo và Lin (2008) [46] phân tích điểm đỉnh (peak point) của HKC. Tuy nhiên, giải pháp của Kuo - Lin thất bại khi ảnh chỉ nhúng ở tỷ lệ thấp, không phản ánh đúng cấu trúc biến dạng cục bộ.

Vị trí học thuật của luận án: Luận án tái định vị bài toán thám mã bằng việc hạ bậc tự do của kiểm định thống kê từ $n-1$ xuống đúng $1$ bậc tự do ($\chi^2_1$), áp dụng bổ đề tối ưu Neyman - Pearson để triệt tiêu ảnh hưởng của hiện tượng "làm trơn FIR" trong LLRT, đồng thời xây dựng hệ thống 4 thuật toán tấn công chuyên biệt cho 4 lược đồ thuận nghịch kinh điển (HKC, DIH, IWH, RVH) mà trước đó chưa có nghiên cứu nào giải quyết trọn vẹn.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng trực tiếp Lý thuyết an toàn thông tin của Christian Cachin (1998) [15]. Theo Cachin, một hệ thống giấu tin đạt độ an toàn $\epsilon$-secure khi và chỉ khi: $$D_{KL}(P_C || P_S) = \sum_{x \in \Omega} P_C(x) \log \frac{P_C(x)}{P_S(x)} < \epsilon$$ Trong thực tế, khi tác động nhúng đạt mức $\epsilon$ cực nhỏ nhằm duy trì chỉ số $PSNR > 37 \text{ dB}$ ($MOS = 5$), các biến dạng toàn cục bị triệt tiêu. Luận án chứng minh rằng tính bất biến của tổng tần suất theo hàng kết hợp với sự suy giảm phương sai cục bộ giữa các cặp PoV là một bất biến toán học (mathematical invariant). Cụ thể, khi biểu diễn ma trận tần suất ảnh $C_{26 \times 10}$, tổng giá trị trên từng hàng $\sum_{j=0}^{9} c_{ij}$ là không đổi trước và sau khi nhúng LSB, nhưng logarit của tích các phần tử $\sum_{j=0}^{9} \log(s_{ij})$ trên ảnh stego luôn lớn hơn ảnh gốc: $$\prod_{j=0}^{9} s_{ij} > \prod_{j=0}^{9} c_{ij} \implies \sum_{j=0}^{9} \log(s_{ij}) > \sum_{j=0}^{9} \log(c_{ij})$$ Hiện tượng này bắt nguồn từ nguyên lý cực trị số học: tích của một tập số có tổng không đổi đạt giá trị cực đại khi các số hạng bằng nhau. Quá trình nhúng LSB đóng vai trò san bằng phân bố giữa các điểm ảnh kề cận, tạo cơ sở lý thuyết cho tiêu chuẩn phân lớp độ lệch chuẩn.

Mô hình lý thuyết của luận án được hệ thống hóa qua ba mệnh đề toán học:

• Mệnh đề 1 (Độ lệch chuẩn chuẩn hóa): Đại lượng $T = \frac{V_1 + V_2}{\sqrt{2}}$ với $V_1 = \frac{x_{max} - \bar{x}}{\hat{S}}$, $V_2 = \frac{\bar{x} - x_{min}}{\hat{S}}$ tuân theo phân bố chuẩn tắc $N(0, 1)$, thiết lập biên phân định tối ưu cho ảnh LSB.
• Mệnh đề 2 (Phân bố $\chi^2_1$ cho kiểm định chẵn - lẻ): Với chuỗi nhị phân ngẫu nhiên độc lập $S = {s_0, s_1, \dots, s_{n-1}}$, đại lượng: $$z = \frac{(n_0 - n_1)^2}{n} \sim \chi^2_1$$ cho phép kiểm tra độ thuần nhất của điểm cực đại tần suất $x_{max} = c_{i_0, j_0}$ giữa tổng chẵn $n_{i_0}[0] = \sum_{j=0}^4 c_{i_0, 2j}$ và tổng lẻ $n_{i_0}[1] = \sum_{j=0}^4 c_{i_0, 2j+1}$.
• Mệnh đề 3 (Bất đối xứng phân pha RVH): Lược đồ giấu hai pha ngang - dọc phá vỡ tính đẳng hướng không gian, dẫn đến $|P_{LSB}(0) - P_{LSB}(1)|$ trên các hàng chẵn và cột lẻ lệch xa giá trị $0.5$ của ảnh tự nhiên.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa tầng ba lý thuyết: Thống kê tham số Neyman - Pearson, Biến đổi không gian tần số sai phân (Wavelet/DCT/Difference), và Lý thuyết trùng khớp xác suất.

Điều kiện biên (Boundary conditions): Khung phân tích áp dụng nghiêm ngặt cho ảnh số cấu trúc BITMAP raster 8-bit cấp xám và 24-bit màu RGB. Đối với ảnh vector (như SVG, CAD, PDF vector), mô hình thống kê LSB không áp dụng do cấu trúc đồ họa dựa trên đối tượng hình học thay vì ma trận điểm ảnh.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được thiết kế theo trường phái thực chứng thực nghiệm (Positivism / Quantitative Experimental Design). Toàn bộ các kiểm định dựa trên suy diễn thống kê chuẩn xác, kiểm soát sai số loại I ($\alpha$) và loại II ($\beta$) theo mô hình toán học giải tích. Quy trình kết hợp đa tầng:

1. Mức vi mô (Micro-level): Phân tích tương quan điểm ảnh kề cận, phân bố bit LSB và các hệ số sai phân $d_{ij} = x_{i, 2j+1} - x_{i, 2j}$.
2. Mức trung mô (Meso-level): Phân tích biến đổi khối DCT $8 \times 8$ và biến đổi wavelet nguyên phân giải 4 băng tần ($LL, LH, HL, HH$).
3. Mức vĩ mô (Macro-level): Phân tích biểu đồ mật độ xác suất toàn ảnh và tương quan chuỗi bit ngẫu nhiên.

Tiêu chí chọn mẫu xác thực: Toàn bộ 2.088 ảnh gốc ($\mathcal{C}_0$) được chuẩn hóa về định dạng ảnh xám 8-bit bằng phần mềm xử lý ảnh Adobe Photoshop CS2 8.0, loại bỏ hoàn toàn các siêu dữ liệu (metadata/EXIF) để đảm bảo tính thuần khiết của ma trận điểm ảnh.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu tuân thủ các bước chuẩn hóa nghiêm ngặt:

Độ tin cậy và giá trị kiểm định được xác lập qua các công thức đo lường chuẩn hóa: $$\text{Precision } (P) = \frac{tp}{tp + fp}$$ $$\text{Recall } (R) = \frac{tp}{tp + fn}$$ $$\text{F-measure } (F_1) = \frac{2 \cdot P \cdot R}{P + R}$$ Độ lệch chuẩn ước lượng được tính toán trên $n$ mẫu ngẫu nhiên: $$\bar{x} = \frac{1}{n} \sum_{i=1}^n x_i; \quad S = \sqrt{\frac{1}{n-1} \sum_{i=1}^n (x_i - \bar{x})^2}$$

Data và phân tích

Môi trường thực nghiệm được thiết lập đồng bộ: Máy tính cấu hình Intel Core 2 Duo T series 2.00 GHz, 1 GB RAM, hệ điều hành Linux/Windows, môi trường lập trình toán học MATLAB R2008b (v7.0).

Bảng phân tích kiểm định thực nghiệm phân loại theo ngưỡng $t_0$ và $\chi^2_1(\alpha)$ trên tập 600 ảnh gốc $\mathcal{C}{0_1}$ và các tập giấu tin $\mathcal{S}{LSB_30}$ đến $\mathcal{S}_{LSB_100}$:

Tập dữ liệu ảnh kiểm thử	Kỹ thuật Độ lệch chuẩn ($t_0 = 3.035$)		Kỹ thuật Thống kê $\chi^2_1$ ($\chi^2_1(0.71) = 0.14$)
	Nhận dạng Ảnh gốc (%)	Phát hiện Giấu tin (%)	Nhận dạng Ảnh gốc (%)	Phát hiện Giấu tin (%)
$\mathcal{C}_{0_1}$ (Ảnh gốc)	90%	10%	96%	4%
$\mathcal{S}_{LSB_30}$ (Giấu 30%)	57%	43%	54%	46%
$\mathcal{S}_{LSB_50}$ (Giấu 50%)	48%	52%	41%	59%
$\mathcal{S}_{LSB_70}$ (Giấu 70%)	35%	62%	33%	67%
$\mathcal{S}_{LSB_100}$ (Giấu 100%)	8%	92%	6%	94%

Kết quả kiểm định chỉ ra rằng kỹ thuật $\chi^2_1$ kiểm soát sai lầm loại I cực tốt (chỉ 4% ảnh gốc bị phân loại nhầm, so với 10% của kỹ thuật độ lệch chuẩn), đồng thời nâng tỷ lệ phát hiện ảnh giấu 100% lên mức 94%.

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Phá vỡ giới hạn của kiểm định Chi-bình phương truyền thống: Việc rút gọn không gian kiểm định từ $n-1$ bậc tự do về 1 bậc tự do ($\chi^2_1$) tập trung tại điểm cực đại $x_{max}$ của ma trận $C_{25 \times 10}$ đã nâng độ đặc hiệu (specificity) trên ảnh gốc lên 96%, khắc phục triệt để tình trạng báo động giả của Westfeld (1999).
2. Khắc phục hiện tượng suy giảm hiệu năng do lọc FIR trong LLRT: Phương pháp phân tích tỷ lệ xám dựa trên bổ đề Neyman - Pearson tối ưu hóa việc phân hoạch không gian mẫu $\Omega_1$ và $\Omega \setminus \Omega_1$, loại bỏ hoàn toàn hiện tượng nhận diện sai các ảnh có kết cấu tự nhiên thô ráp hoặc biên độ nhiễu cao.
3. Đột phá về tốc độ ước lượng dung lượng giấu bằng Lý thuyết trùng khớp: Trên tập dữ liệu $\mathcal{W}$ (10.440 ảnh), phương pháp ước lượng trùng khớp đạt độ chính xác tương đương giải thuật RS của Fridrich (2001) và DI của Zhang (2003) nhưng giảm thiểu thời gian xử lý trên tập $\mathcal{C}_0$ (2.088 ảnh) xuống rõ rệt nhờ cơ chế so khớp mẫu trực tiếp không qua hồi quy đa thức phức tạp.
4. Vô hiệu hóa 4 lược đồ giấu tin thuận nghịch quốc tế (HKC, DIH, IWH, RVH):
   • Lược đồ HKC: Phát hiện điểm dị thường phân bố quanh đỉnh tần suất và xây dựng thành công hàm ước lượng dung lượng nhúng trên tập $\mathcal{V}$ (4.176 ảnh) và $\mathcal{U}$ (4.176 ảnh), khắc phục thiếu sót lớn trong nghiên cứu của Kuo và Lin (2008).
   • Lược đồ DIH và IWH: Chứng minh việc dịch chuyển biểu đồ sai phân và hệ số wavelet nguyên $d_{ij}$ làm xuất hiện các "hố rỗng" (empty bins) tại các ngưỡng $T = \pm 3, \pm 5, \pm 8$, cho phép nhận dạng chính xác 100% trên tập $\mathcal{S}{DIH_6000}$ và $\mathcal{S}{IWH_6000}$.
   • Lược đồ RVH: Bóc trần sự mất đối xứng $|P_{LSB}(0) - P_{LSB}(1)|$ trên các hàng chẵn và cột lẻ của tập $\mathcal{S}_{RVH_7500}$, bẻ gãy hoàn toàn tính vô hình của kỹ thuật nhúng hai pha.

Implications đa chiều

• Về mặt lý thuyết: Chứng minh tính khả thi của việc giải mã dấu vết thống kê vi mô trong các thuật toán giấu tin có $PSNR > 40 \text{ dB}$, làm phong phú thêm lý thuyết an toàn thông tin của Cachin và lý thuyết kiểm định Neyman - Pearson trong miền xử lý ảnh số.
• Về mặt phương pháp luận: Cung cấp quy trình chuẩn hóa từ tiền xử lý, phân tích ma trận tần suất, biến đổi sai phân/wavelet đến kiểm định giả thuyết thống kê, có thể tái sử dụng cho các bài toán phân tích mã độc ẩn trong ảnh (stego-malware).
• Về mặt thực tiễn: Cung cấp bộ công cụ phần mềm module hóa (gồm mô đun giấu tin và mô đun phát hiện trên MATLAB) phục vụ trực tiếp cho các cơ quan giám định kỹ thuật hình sự, an ninh mạng quốc gia và các đơn vị phòng chống rò rỉ dữ liệu (Data Loss Prevention - DLP).
• Về mặt chính sách: Cung cấp căn cứ khoa học để xây dựng các tiêu chuẩn kỹ thuật quốc gia về kiểm soát an toàn luồng dữ liệu truyền thông đa phương tiện qua các cổng thanh toán điện tử và hạ tầng mạng trọng yếu.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn thừa nhận 3 giới hạn nghiên cứu cụ thể:

1. Giới hạn định dạng dữ liệu: Nghiên cứu tập trung hoàn toàn vào ảnh cấu trúc BITMAP (cấp xám 8-bit và màu 24-bit). Chưa mở rộng kiểm định trên các định dạng ảnh nén có mất mát dữ liệu cao ở các hệ số chất lượng (quality factor) dưới 50% hoặc các định dạng đồ họa vector chuyên dụng.
2. Giới hạn tỷ lệ nhúng cực thấp trong phát hiện mù: Khi tỷ lệ giấu LSB xuống dưới mức 10% dung lượng ảnh, độ nhạy của các phép kiểm định $\chi^2_1$ và độ lệch chuẩn suy giảm rõ rệt, ranh giới phân biệt giữa nhiễu tự nhiên của cảm biến ảnh và thông tin ẩn trở nên mong manh.
3. Cấu hình phần cứng thực nghiệm: Tại thời điểm 2012, các thực nghiệm được tiến hành trên vi xử lý Intel Core 2 Duo 2.0 GHz với 1 GB RAM, dẫn đến việc chưa thể tối ưu hóa xử lý song song thời gian thực (real-time stream steganalysis) trên luồng dữ liệu video băng thông lớn.

Chương trình nghiên cứu tương lai (Future research agenda) định hình 4 hướng đi chiến lược:

• Hướng 1: Phát triển các giải thuật thám mã thích ứng trên các phép biến đổi tensor đa chiều và mạng nơ-ron tích chập sâu (Deep CNNs) để phát hiện tin ẩn dưới 5% dung lượng.
• Hướng 2: Mở rộng phát hiện có ràng buộc cho các lược đồ giấu tin hiện đại trên video nén chuẩn H.264/HEVC và luồng âm thanh số đa kênh VoIP.
• Hướng 3: Tích hợp thuật toán thám mã vào chip phần cứng chuyên dụng (FPGA/ASIC) nhằm phục vụ kiểm soát an ninh mạng viễn thông tốc độ cao cấp độ Gigabit.
• Hướng 4: Nghiên cứu kỹ thuật thám mã đối kháng (Adversarial Steganalysis) nhằm chống lại các kỹ thuật giấu tin thích nghi nội dung (Content-Adaptive Steganography như WOW, UNIWARD).

Tác động và ảnh hưởng

Luận án của NCS. Hồ Thị Hương Thơm đã tạo lập những giá trị ảnh hưởng sâu rộng trên nhiều bình diện:

• Ảnh hưởng học thuật: Đặt nền móng lý thuyết vững chắc cho chuyên ngành An toàn thông tin và Xử lý ảnh tại Việt Nam; mở ra hướng nghiên cứu kết hợp giữa toán học thống kê suy diễn và an ninh đa phương tiện.
• Chuyển đổi công nghiệp và An ninh mạng: Các phát hiện về lỗ hổng của lược đồ thuận nghịch cung cấp giải pháp trực tiếp cho các doanh nghiệp an ninh thông tin trong việc phát hiện các kênh truyền tin lén lút (covert channels) của phần mềm gián điệp (spyware/APT).
• Thực thi chính sách an ninh quốc phòng: Hỗ trợ kỹ thuật đắc lực cho các đơn vị tác chiến không gian mạng thuộc Bộ Công an, Bộ Quốc phòng trong việc giám sát, phát hiện các tài liệu mật bị mã hóa và phân tán dưới dạng ảnh số trên không gian mạng công cộng.
• Hợp tác quốc tế: Các kết quả công bố so sánh trực tiếp với các học giả hàng đầu thế giới (Jessica Fridrich, K. Sullivan, Wen-Chung Kuo, T. Zhang) khẳng định năng lực hội nhập học thuật quốc tế của nền khoa học công nghệ thông tin Việt Nam.

Đối tượng hưởng lợi

• Nghiên cứu sinh và học viên cao học: Tiếp cận nguồn tài liệu mẫu mực về phương pháp luận nghiên cứu thực chứng, cách tích hợp lý thuyết xác suất thống kê nâng cao (Neyman - Pearson, $\chi^2_1$) vào giải quyết bài toán kỹ thuật cụ thể.
• Các nhà khoa học và giảng viên chuyên ngành: Khai thác khung lý thuyết bất biến ma trận tần suất $C_{26 \times 10}$ và các bất thường biểu đồ sai phân để phát triển các giáo trình chuyên sâu về Giấu tin và Thám mã số.
• Kỹ sư R&D An toàn thông tin: Ứng dụng trực tiếp các thuật toán phát hiện LSB, HKC, DIH, IWH, RVH vào mã nguồn của các hệ thống Tường lửa ứng dụng (WAF) và hệ thống Giám sát an toàn thông tin (SOC).
• Cơ quan quản lý nhà nước và lực lượng hành pháp: Sử dụng các luận cứ thực nghiệm để xây dựng quy trình giám định kỹ thuật số phục vụ điều tra tội phạm công nghệ cao.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Trả lời: Đóng góp lý thuyết độc đáo nhất là việc phát hiện ra tính bất biến của tổng hàng trong ma trận tần suất $C_{26 \times 10}$ kết hợp với nguyên lý cực đại hóa tích logarit của các phần tử sau khi nhúng LSB. Công trình đã mở rộng trực tiếp Lý thuyết an toàn thông tin của Christian Cachin (1998) [15] bằng cách chứng minh rằng dù độ phân kỳ Kullback - Leibler $D_{KL}(P_C || P_S)$ tiến sát về $0$ trên thang đo thị giác ($PSNR > 37 \text{ dB}$), cấu trúc tương quan PoV vẫn để lại vết suy biến phương sai cục bộ, cho phép quy đổi bài toán thám mã phức hợp về kiểm định tối ưu Neyman - Pearson.

2. Đột phá phương pháp luận của luận án thể hiện ra sao khi so sánh với ít nhất hai nghiên cứu quốc tế? Trả lời: So với kỹ thuật $\chi^2$ với $n-1$ bậc tự do của Westfeld (1999) [95], luận án đã hạ bậc tự do xuống đúng 1 bậc ($\chi^2_1$) tại điểm cực trị $x_{max}$, giúp nâng tỷ lệ nhận dạng đúng ảnh gốc lên 96% (chỉ 4% sai sót so với mức báo động giả lớn của Westfeld). So với mô hình LLRT dùng lọc FIR 2-tap của K. Sullivan (2006) [80], luận án loại bỏ hoàn toàn sự phụ thuộc vào tín hiệu ước lượng làm trơn (vốn gây chẩn đoán sai trên các ảnh có kết cấu tự nhiên như Baboon.bmp), đạt độ chính xác ổn định trên toàn bộ tập 2.088 ảnh gốc đa dạng.

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì? Trả lời: Phát hiện bất ngờ nhất là các thuật toán giấu tin thuận nghịch được thiết kế vô cùng tinh vi (như RVH phân pha ngang - dọc hay IWH trên wavelet) dù không làm thay đổi cảm nhận mắt thường ($MOS = 5$) lại tạo ra sự mất cân bằng xác suất cục bộ cực kỳ rõ nét: giá trị $|P_{LSB}(0) - P_{LSB}(1)|$ trên các hàng chẵn và cột lẻ của ảnh stego bị phân tách rõ rệt so với ảnh gốc, và biểu đồ sai phân xuất hiện các "hố rỗng" tần số tại đúng các ngưỡng dịch chuyển $T = \pm 3, \pm 5, \pm 8$.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) hoàn chỉnh không? Trả lời: Hoàn toàn có. Luận án mô tả chi tiết nguồn dữ liệu ảnh chuẩn (UW, USC-SIPI, ảnh chụp từ Sony T700 và Samsung Galaxy 3), quy chuẩn tiền xử lý qua Adobe Photoshop CS2 8.0, thông số phần cứng, môi trường MATLAB R2008b, cùng phụ lục mã nguồn hoàn chỉnh cho hai mô đun: mô đun nhúng tin và mô đun phát hiện thám mã.

5. Chương trình nghiên cứu 10 năm được định hình như thế nào? Trả lời: Chương trình 10 năm tiếp theo tập trung vào: (1) Nâng cấp thám mã thời gian thực trên luồng video và ảnh động đa phương tiện; (2) Ứng dụng trí tuệ nhân tạo và học sâu để phát hiện các kỹ thuật giấu tin thích nghi nội dung; (3) Tối ưu hóa phần cứng xử lý song song phục vụ an ninh mạng quốc gia.

Kết luận

Luận án tiến sĩ của NCS. Hồ Thị Hương Thơm (2012) là một công trình khoa học xuất sắc, mẫu mực và toàn diện trong lĩnh vực An toàn thông tin và Xử lý ảnh số, đọng lại 6 đóng góp cốt lõi:

1. Xây dựng thành công phương pháp phát hiện mù LSB dựa trên phân tích Độ lệch chuẩn chuẩn hóa, chứng minh tính quy luật của tích logarit ma trận tần suất $C_{26 \times 10}$.
2. Đề xuất kỹ thuật kiểm định Chi-bình phương 1 bậc tự do ($\chi^2_1$), nâng tỷ lệ phân lớp chính xác ảnh gốc lên 96% và khắc phục triệt để nhược điểm của các giải thuật $\chi^2$ truyền thống.
3. Ứng dụng thành công Bổ đề Neyman - Pearson vào phân tích tỷ lệ xám trên cả miền không gian và miền tần số DCT/Wavelet, thiết lập chuẩn phân loại tối ưu với mức sai lầm loại I cho trước.
4. Phát triển phương pháp ước lượng độ dài dữ liệu giấu LSB dựa trên Lý thuyết trùng khớp, đạt độ chính xác tương đương RS và DI nhưng tối ưu hóa vượt bậc về thời gian tính toán.
5. Phát hiện và bẻ gãy hoàn toàn 4 lược đồ giấu tin thuận nghịch quốc tế kinh điển (HKC, DIH, IWH, RVH) thông qua việc khai thác dị thường biểu đồ sai phân, sóng nhỏ wavelet và tính bất đối xứng phân pha.
6. Xây dựng bộ công cụ thực nghiệm phần mềm hoàn chỉnh trên MATLAB, kiểm chứng nghiêm ngặt trên hơn 10.000 lượt ảnh thử nghiệm đa dạng.

Công trình không chỉ mở ra 3 hướng nghiên cứu mới (thám mã thuận nghịch, thám mã tối ưu Neyman - Pearson và ước lượng trùng khớp), mà còn tạo lập di sản học thuật vững bền, đóng góp thiết thực cho sự nghiệp bảo vệ an ninh quốc gia và chủ quyền không gian mạng trong kỷ nguyên số.

Trích đoạn nội dung tài liệu

PHẦN MỞ ĐẦU 1. Tính cấp thiết của luận án ―Giấu thông tin‖ (Steganography1) là kỹ thuật liên lạc mật dựa trên hình thức giấu thông tin quan trọng vào đối tƣợng khác. Từ thời kỳ cổ đại ngƣời ta đã sử dụng phƣơng pháp này để liên lạc mật cho nhau. Một ví dụ cổ điển hình về giấu tin [76] (485-525 trƣớc công nguyên) là câu chuyện của một ngƣời tên là Histaiæus muốn gửi thông tin quan trọng về ―Kế hoạch ủng hộ cuộc nổi dậy chống lại đức vua Ba tƣ Xerxes‖ cho nhà nhiếp chính thành phố Miletus bằng cách xăm thông tin lên da đầu ngƣời nô lệ tin cậy của mình, cho đến khi tóc mọc dài trở lại ông ta cử ngƣời nô lệ đó đến gặp nhà nhiếp chính.

Hay một phát minh khác của Pliny T. Elder (23- 79 sau công nguyên) về mực ―không màu‖ chính là sữa động vật, khi mực này viết trên giấy để khô khó phát hiện ra, và chỉ khi giấy đó đƣợc hơ nóng các vết mực sẽ chuyển sang nâu. Vào thời kỳ phục hƣng, năm 1518 Johannes Trithemius viết cuốn sách về mã hóa ―Polygraphia‖. Trong cuốn sách này ngƣời ta thấy xuất hiện đầu tiên thuật ngữ ―Steganographia‖, đây là một từ ghép bắt nguồn từ ngôn ngữ Hy lạp steganos nghĩa là bao bọc ―cover‖ và graphia nghĩa là bản viết ―writing‖ [27].

Trải qua nhiều thời kỳ biến động của xã hội loài ngƣời, ngày nay khi mà kỹ thuật số bùng nổ, con ngƣời cũng ―số hoá‖ lĩnh vực giấu tin phục vụ cho cuộc sống hiện đại. Do tính ƣu việt của các kỹ thuật giấu tin là ―vô hình‖ nên nó trở thành công cụ hữu ích cho một số tổ chức trao đổi thông tin quan trọng trong môi trƣờng truyền thông công cộng. Vì vậy giấu tin mật phát triển một cách nhanh chóng và ngày càng tinh sảo hơn với một lƣợng lớn công trình giấu tin đƣợc công bố thƣờng niên (chƣa kể đến số kỹ thuật giấu không công bố công khai) nhƣ thống kê trong biểu đồ hình 1 giai đoạn từ năm 1992 đến 2007 của Jessica Fridrich [32]. Giấu tin có một ƣu điểm mà mật mã học (Cryptography) còn hạn chế đó là có thể ―bảo vệ đƣợc bản quyền số, hay khi giữa các đối tƣợng liên lạc mật với nhau trên các kênh thông tin công cộng mà ít bị nghi ngờ‖.

Lý do vì bản quyền số đã mã 1 Thuật ngữ Steganography đƣợc tạm dịch thành ―Giấu tin‖ và đƣợc sử dụng trong toàn bộ luận án này 12 hóa sau khi đƣợc giải mã thì khó có thể giữ đƣợc bản quyền, hay thông tin mật cần trao đổi giữa các bên, sau khi đƣợc mã hóa sẽ làm cho ngƣời khác biết rõ là các bên có trao đổi thông tin mật nào đó cho nhau. Giấu tin trong dữ liệu đa phƣơng tiện chính là những ―bổ khuyết‖ cho các vấn đề trên của mật mã học. Kỹ thuật giấu tin công bố trong giai đoạn 1992 – 2007[32] Về nguyên lý, giấu tin trong dữ liệu video, dữ liệu âm thanh hay trong dữ liệu ảnh số không khác gì nhiều. Tuy nhiên, do giấu tin trong ảnh dễ thực hiện hơn, giấu đƣợc nhiều thông tin hơn, và ảnh là đối tƣợng đƣợc sử dụng khá phổ biến trên Internet hiện nay, nên kỹ thuật giấu tin trong ảnh chiếm tỉ lệ nhiều nhất trong các loại dữ liệu đa phƣơng tiện (hình 2).

Tỉ lệ phương tiện được lựa chọn để giấu tin năm 2008 [32] Vậy giấu tin trong ảnh là gì ? Tại sao nó lại phát triển nhanh và sôi động nhƣ vậy ? Theo [18, 27], giấu thông tin là kỹ thuật ―nhúng‖ một lƣợng thông tin vào dữ liệu ảnh số sao cho đảm bảo các yêu cầu sau: 13 1/. Không thể phát hiện (undetectability) thông tin giấu trong ảnh gốc bằng cảm nhận của con ngƣời. Không thể phân biệt đƣợc (undistinguishable) đâu là ảnh gốcvà đâu là ảnh có giấu tin bằng cảm nhận của con ngƣời. Lƣợng thông tin giấu lớn nhất có thể (steganographyic capacity) trong gốc sao cho không vi phạm yêu cầu 1/ và yêu cầu 2/ nêu trên.

Ngoài ra, việc giấu thông tin trong ảnh còn đem lại khả năng tiết kiệm bộ nhớ và thời gian truyền tin đáng kể. Ví dụ: Giả sử một ảnh xám 8 – bit có kích cỡ 4×6 cm tƣơng ứng với 630×945 pixel (tƣơng đƣơng 595350 pixel). Nếu mỗi pixel giấu đƣợc một bit thông tin, thì 595350 pixel có thể giấu lƣợng thông tin lấp đầy 19 trang giấy A4 (trung bình mỗi trang A4 chứa đƣợc 75 ký tự × 50 dòng). Thông tin có thể đƣợc giấu trên miền không gian hoặc trên các hệ số biến đổi của ảnh nhƣ biến đổi tần số cosine rời rạc, wavelet rời rạc, fourier rời rạc hay biến đổi sai phân (difference image).

Kỹ thuật giấu tin trong ảnh đa số là phƣơng pháp giấu trên bit có ít ý nghĩa nhất LSB (Least Significant Bit) của điểm ảnh hoặc của các hệ số biến đổi, vì thay đổi trên bit LSB ít ảnh hƣởng đến chất lƣợng ảnh theo khả năng cảm nhận của con ngƣời [16, 17, 19, 50, 51, 53 - 55, 65, 67, 69, 75, 77, 91, 100]. Ngoài ra còn có một số phƣơng pháp giấu khác theo cách thức có sự thay đổi nhỏ trên ảnh nhƣ phƣơng pháp giấu theo hình thức chèn nhiễu – kỹ thuật giấu tin SS (Spread Spectrum) [3, 4, 26, 60], phƣơng pháp giấu tin theo hình thức điều chỉnh hệ số lƣợng tử QIM (Quantization Index Modulation) [5, 23, 42, 65, 79], hay một số kỹ thuật giấu đặc biệt khác: MBNS [101], RCM [25], RVH [45],… Giống nhƣ trong Mật mã học, Thám mã (Cryptanalysis) là kỹ thuật đối lập nhƣng song song tồn tại và phát triển cùng với sự phát triển của kỹ thuật Mật mã, nhằm giải mã các ―bản mã‖ thu nhận đƣợc để hiểu rõ nội dung ban đầu của bản mã, 14 thì phát hiện ảnh có giấu tin (image steganalysis2) là kỹ thuật đối lập với kỹ thuật giấu tin nhằm dò tìm ảnh số nào đó có giấu thông tin hay không. Việc nghiên cứu phát hiện ảnh giấu tin ngoài ý nghĩa khoa học còn có hai ý nghĩa thực tiễn, đó là: Thứ nhất, nhằm phục vụ đắc lực cho an ninh quốc phòng của mỗi quốc gia; Thứ hai, nhằm nâng cấp và thúc đẩy sự phát triển của kỹ thuật giấu tin trong ảnh. Chính vì vậy, ở các nƣớc, nhất là các nƣớc có nền công nghiệp phát triển nhƣ: Mỹ, Anh, Đức, Israel, Trung Quốc, Hàn Quốc, Nhật Bản … đã đầu tƣ rất nhiều kinh phí cho việc nghiên cứu này.

Tại Việt Nam, cũng đã có một số cơ quan đơn vị nghiên cứu về giấu tin trong ảnh và phát hiện ảnh có giấu tin nhƣ: Tổng Cục an ninh I – Bộ Công An, Viện Công Nghệ Thông tin – Viện khoa học Việt Nam, trƣờng Đại học bách khoa Hà Nội, trƣờng Đại học Khoa học Tự nhiên Thành phố Hồ Chí Minh… nhƣng vẫn còn rời rạc và chƣa đƣợc đầu tƣ đúng mức. Với hai mục đích nêu trên dẫn đến hai hƣớng nghiên cứu khác nhau : Hƣớng thứ nhất, cố gắng xây dựng thuật toán phát hiện mù (blind steganalysis) cho ảnh có giấu tin sử dụng kỹ thuật giấu bất kỳ; Hƣớng thứ hai, dựa vào kỹ thuật giấu tin nào đó đã biết, có thể xây dựng đƣợc thuật toán phát hiện phù hợp (phát hiện có ràng buộc – constraint steganalysis). Đã có nhiều công trình công bố nghiên cứu trên thế giới thành công theo hai hƣớng này : - Với kỹ thuật phát hiện mù cho ảnh có giấu tin trên LSB của miền không gian có các công trình [31, 38, 84, 95, 102] và miền tần số có công trình [71], kỹ thuật phát hiện mù cho ảnh giấu tin sử dụng kỹ thuật giấu SS có công trình [83], kỹ thuật giấu QIM có các công trình [59, 81, 82] hay phát hiện mù cho ảnh JPEG có giấu tin [66]. - Với kỹ thuật phát hiện có ràng buộc cho ảnh có giấu tin sử dụng một số kỹ thuật giấu đã biết, nhƣ các công trình: [36] (tấn công kỹ thuật giấu OutGuess), [33] (tấn công kỹ thuật giấu F5), [46] (tấn công kỹ thuật giấu 2 Thuật ngữ image steganalysis đƣợc tạm dịch là ―phát hiện ảnh giấu tin‖ 15 HKC), [24] (tấn công kỹ thuật giấu RCM), [14] (tấn công kỹ thuật giấu tin MBNS).

Tuy nhiên, các kỹ thuật giấu tin ra đời sau ngày càng tinh xảo hơn đòi hỏi các nhà phân tích ảnh có giấu tin không ngừng tìm ra phƣơng pháp phát hiện phù hợp bắt kịp với xu hƣớng phát triển của kỹ thuật giấu thông tin. Đặc biệt với tốc độ phát triển nhanh chóng của Internet ngày nay thì nhu cầu trao đổi thông tin bằng ảnh ngày càng lớn mạnh, do đó để đảm bảo an toàn an ninh, quốc phòng hay hỗ trợ nâng cấp, cải tiến kỹ thuật giấu nào đó an toàn hơn đang là bài toán cấp thiết đặt ra cho các nhà nghiên cứu trong lĩnh vực an toàn thông tin ở nƣớc ta hiện nay. Mục tiêu và phạm vi nghiên cứu Từ phân tích nêu trên, luận án này tập trung nghiên cứu cải tiến và đề xuất một số kỹ thuật phát hiện ảnh có giấu tin theo hai hƣớng chính: - Thứ nhất, đƣa ra một số kỹ thuật phát hiện mù cho ảnh có giấu tin trên LSB của miền không gian và miền tần số. Từ việc khảo sát, phân tích kỹ thuật giấu LSB và một số kỹ thuật phát hiện của tác giả khác luận án đƣa ra phƣơng pháp phát hiện khác cho kết quả phân loại tƣơng đƣơng hoặc tốt hơn trong trƣờng hợp nào đó so với các kỹ thuật phát hiện khác.

- Thứ hai, đƣa ra một số kỹ thuật phát hiện có ràng buộc cho ảnh có giấu tin với kỹ thuật giấu biết trƣớc. Kỹ thuật giấu biết trƣớc thƣờng là trƣờng hợp riêng của kỹ thuật giấu LSB, nó cho phép giấu với lƣợng thông tin giấu thấp, vì vậy nếu quy về bài toán phát hiện mù sẽ cho kết quả phát hiện không cao, trong các trƣờng hợp riêng này thƣờng sẽ cố gắng tìm ra phƣơng pháp phát hiện tối ƣu hơn các phƣơng pháp phát hiện mù. Đối tƣợng ảnh nghiên cứu là các ảnh dạng BITMAP vì hầu hết các ảnh trong máy tính, các ảnh chụp từ máy ảnh kỹ thuật số hoặc các ảnh từ các trang web là lƣu dƣới dạng này (nhƣ các định dạng: jpg, gif, png, tif, psp, bmp, …), còn ảnh dạng vector (nhƣ các định dạng: pdf, eps, ai, cdr, svg, dwg ,…) không nằm trong phạm vi nghiên cứu của luận án này.