Nghiên Cứu Kỹ Thuật Phát Hiện Ảnh Giấu Tin

Luận án tiến sĩ nghiên cứu các kỹ thuật phát hiện ảnh giấu tin, cung cấp cái nhìn sâu sắc về công nghệ bảo mật thông tin hiện đại.

• Tác giả: Hồ Thị Hương Thơm
• Người hướng dẫn: Trịnh Nhật Tiến
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên Cứu Một Số Kỹ Thuật Phát Hiện Ảnh Giấu Tin
• Loại tài liệu: luận án tiến sỹ
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 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 2 một bậc tự do (12)
• 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 Ảnh Giấu Tin Khái Niệm Ứng Dụng Rủi Ro

Kỹ thuật ảnh giấu tin (steganography) là một phương pháp liên lạc bí mật, bằng cách ẩn thông tin trong ảnh, hoặc các đối tượng khác. Từ thời cổ đại, người ta đã sử dụng kỹ thuật này để truyền tải thông tin bí mật. Ví dụ, Histaiæus đã xăm thông tin lên da đầu một nô lệ để gửi tin nhắn. Ngày nay, với sự phát triển của công nghệ số, kỹ thuật steganography đã được số hóa, cho phép ẩn thông tin trong ảnh một cách tinh vi. Ưu điểm của kỹ thuật này là tính 'vô hình', khiến nó trở thành công cụ hữu ích để trao đổi thông tin quan trọng. Steganography có một ưu điểm mà mật mã học còn hạn chế: bảo vệ bản quyền số và liên lạc bí mật trên các kênh công cộng mà ít bị nghi ngờ. Kỹ thuật giấu tin trong dữ liệu đa phương tiện bổ khuyết cho những hạn chế của mật mã học.

1.1. Định Nghĩa Ảnh Giấu Tin Steganography và Lịch Sử Phát Triển

Theo [18, 27], ảnh giấu tin là kỹ thuật 'nhúng' một lượng thông tin vào dữ liệu ảnh số, đảm bảo không thể phát hiện bằng cảm nhận của con người. Johannes Trithemius đã viết cuốn sách 'Polygraphia', trong đó thuật ngữ 'Steganographia' xuất hiện lần đầu tiên. Ngày nay, steganography đã được 'số hóa' để phục vụ cuộc sống hiện đại. Các phương pháp giấu tin trong ảnh ngày càng tinh vi, với một lượng lớn công trình nghiên cứu được công bố hàng năm.

1.2. So Sánh Ảnh Giấu Tin với Mật Mã Học Ưu Điểm và Hạn Chế

Ảnh giấu tin có một ưu điểm so với mật mã học: có thể bảo vệ bản quyền số và liên lạc bí mật trên các kênh công cộng mà ít bị nghi ngờ. Trong khi mật mã hóa khiến người khác biết có thông tin mật đang được trao đổi, ảnh giấu tin giúp che giấu sự tồn tại của thông tin. Kỹ thuật giấu tin trong dữ liệu đa phương tiện bổ khuyết cho những hạn chế của mật mã học trong việc bảo vệ bản quyền số và duy trì tính bí mật tuyệt đối.

II. Thách Thức Rủi Ro Từ Ảnh Giấu Tin Phân Tích Chuyên Sâu

Mặc dù có nhiều ưu điểm, ảnh giấu tin cũng mang lại những thách thức và rủi ro đáng kể. Việc ẩn thông tin trong ảnh có thể được sử dụng cho các mục đích bất hợp pháp, như truyền bá nội dung độc hại, khủng bố, hoặc đánh cắp thông tin. Do đó, việc nghiên cứu các phương pháp phát hiện steganography là vô cùng quan trọng. Phát hiện ảnh giấu tin (image steganalysis) là kỹ thuật đối lập với steganography, nhằm dò tìm ảnh số có giấu thông tin hay không. Việc nghiên cứu phát hiện ảnh giấu tin không chỉ có ý nghĩa khoa học mà còn phục vụ đắc lực cho an ninh quốc phòng.

2.1. Các Mục Đích Sử Dụng Ảnh Giấu Tin Hợp Pháp và Bất Hợp Pháp

Ảnh giấu tin có thể được sử dụng cho nhiều mục đích, từ bảo vệ bản quyền số đến truyền tải thông tin bí mật một cách an toàn. Tuy nhiên, nó cũng có thể bị lợi dụng để truyền bá nội dung độc hại, khủng bố, hoặc đánh cắp thông tin. Việc lạm dụng steganography gây ra những rủi ro lớn cho an ninh thông tin và trật tự xã hội.

2.2. Tầm Quan Trọng của Phát Hiện Ảnh Giấu Tin Image Steganalysis

Phát hiện ảnh giấu tin (image steganalysis) là kỹ thuật đối lập với steganography, nhằm dò tìm ảnh số 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: phục vụ đắc lực cho an ninh quốc phòng và nâng cấp, thúc đẩy sự phát triển của kỹ thuật giấu tin trong ảnh.

2.3. Hai Hướng Nghiên Cứu Chính trong Phát Hiện Steganography

Có hai hướng nghiên cứu chính trong phát hiện steganography: xây dựng thuật toán phát hiện mù (blind steganalysis) cho ảnh có giấu tin sử dụng kỹ thuật giấu bất kỳ, và xây dựng thuật toán phát hiện có ràng buộc (constraint steganalysis) dựa vào kỹ thuật giấu tin đã biết. Đã có nhiều công trình nghiên cứu thành công theo cả hai hướng này trên thế giới.

III. Phương Pháp Phát Hiện Mù Ảnh Giấu Tin Trên LSB Hướng Dẫn Chi Tiết

Một trong những phương pháp phổ biến nhất để ẩn thông tin trong ảnh là sử dụng kỹ thuật LSB (Least Significant Bit). Phương pháp này thay đổi các bit ít quan trọng nhất của pixel để ẩn thông tin. Do thay đổi này rất nhỏ, nó thường không thể nhận thấy bằng mắt thường. Tuy nhiên, có nhiều thuật toán phát hiện steganography có thể phát hiện các thay đổi này. Phát hiện mù là quá trình phát hiện ảnh giấu tin mà không cần biết kỹ thuật giấu tin được sử dụng. Luận án này đề xuất một số kỹ thuật phát hiện mù cho ảnh giấu tin trên LSB của miền không gian và miền tần số.

3.1. Kỹ Thuật Ẩn Tin Trong Ảnh Bằng Phương Pháp LSB Steganography

Kỹ thuật giấu tin trong ảnh đa số là phương pháp giấu trên bit có ít ý nghĩa nhất LSB của điểm ảnh hoặc của các hệ số biến đổi, vì thay đổi trên bit LSB ít ảnh hưởng đến chất lượng ảnh theo khả năng cảm nhận của con người [16, 17, 19, 50, 51, 53 - 55, 65, 67, 69, 75, 77, 91, 100]. Kỹ thuật này được áp dụng rộng rãi do tính đơn giản và hiệu quả.

3.2. Các Kỹ Thuật Phát Hiện Mù Cho Ảnh Giấu Tin LSB Trong Miền Không Gian

Luận án đề xuất ba kỹ thuật phát hiện mù cho ảnh có giấu tin trên LSB của miền không gian: phân tích độ lệch chuẩn, phân tích thống kê Chi bình phương (χ²), và phân tích tỉ lệ xám. Các kỹ thuật này dựa trên việc phân tích các đặc điểm thống kê của ảnh để phát hiện các bất thường do việc giấu tin gây ra.

3.3. Phát Hiện Mù Ảnh Giấu Tin LSB Trong Miền Tần Số Phương Pháp Mới

Luận án đề xuất một kỹ thuật phát hiện mù cho ảnh giấu tin trên LSB của miền tần số bằng phân tích tỉ lệ xám. Phương pháp này phân tích tần suất xuất hiện của các giá trị xám trong miền tần số để phát hiện các thay đổi do việc giấu tin gây ra. Kỹ thuật này hứa hẹn mang lại hiệu quả cao trong việc phát hiện các kỹ thuật giấu tin tinh vi.

IV. Phát Hiện Có Ràng Buộc Ảnh Giấu Tin Tiếp Cận Dựa Trên Thuật Toán

Phát hiện có ràng buộc là một phương pháp phát hiện steganography trong đó biết trước kỹ thuật giấu tin đã được sử dụng. Điều này cho phép các nhà phân tích phát triển các thuật toán phát hiện cụ thể, có thể hiệu quả hơn so với phát hiện mù. Luận án này đề xuất một số kỹ thuật phát hiện có ràng buộc cho ảnh giấu tin với các kỹ thuật giấu biết trước, tập trung vào các trường hợp riêng của kỹ thuật giấu LSB.

4.1. Ưu Điểm của Phát Hiện Có Ràng Buộc so với Phát Hiện Mù

Phát hiện có ràng buộc thường hiệu quả hơn phát hiện mù vì nó tận dụng thông tin về kỹ thuật giấu tin được sử dụng. Điều này cho phép các nhà phân tích tập trung vào các đặc điểm cụ thể của ảnh bị ảnh hưởng bởi kỹ thuật giấu tin đó.

4.2. Phát Hiện Có Ràng Buộc Các Kỹ Thuật Giấu Tin HKC DIH và IWH

Luận án nghiên cứu các kỹ thuật phát hiện có ràng buộc cho các kỹ thuật giấu tin HKC, DIH và IWH. Các kỹ thuật này dựa trên việc phân tích các đặc điểm cụ thể của ảnh bị ảnh hưởng bởi các kỹ thuật giấu tin này, chẳng hạn như sự thay đổi trong biểu đồ tần suất, hoặc sự xuất hiện của các mẫu bất thường.

4.3. Cải Tiến và Đề Xuất Phương Pháp Phát Hiện Steganography Mới

Luận án tập trung vào việc cải tiến các phương pháp phát hiện steganography hiện có và đề xuất các phương pháp mới, đặc biệt trong các trường hợp riêng của kỹ thuật giấu LSB. Mục tiêu là phát triển các thuật toán phát hiện tối ưu hơn, có khả năng phát hiện các kỹ thuật giấu tin tinh vi một cách hiệu quả.

V. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu Ảnh Giấu Tin Quan Trọng

Kết quả nghiên cứu trong luận án này có nhiều ứng dụng thực tế trong lĩnh vực an ninh thông tin và bảo mật dữ liệu. Các thuật toán phát hiện steganography được phát triển có thể được sử dụng để phát hiện và ngăn chặn việc truyền tải thông tin bí mật thông qua ảnh giấu tin. Điều này có thể giúp bảo vệ thông tin nhạy cảm, ngăn chặn các hoạt động tội phạm và đảm bảo an ninh quốc gia. Ví dụ, các kết quả thử nghiệm cho thấy phương pháp ước lượng thông tin giấu trên LSB dựa trên lý thuyết trùng khớp mang lại hiệu quả cao.

5.1. Ứng Dụng trong An Ninh Quốc Phòng và Bảo Mật Thông Tin

Các thuật toán phát hiện steganography có thể được sử dụng để phát hiện và ngăn chặn việc truyền tải thông tin bí mật thông qua ảnh giấu tin. Điều này có thể giúp bảo vệ thông tin nhạy cảm, ngăn chặn các hoạt động tội phạm và đảm bảo an ninh quốc gia. Nghiên cứu này đóng góp vào việc tăng cường khả năng phòng thủ trước các mối đe dọa an ninh mạng.

5.2. Cải Tiến và Nâng Cấp Các Kỹ Thuật Giấu Tin Trong Ảnh

Việc nghiên cứu phát hiện ảnh giấu tin cũng có thể giúp cải tiến và nâng cấp các kỹ thuật giấu tin trong ảnh. Bằng cách hiểu rõ các điểm yếu của các kỹ thuật giấu tin hiện có, các nhà nghiên cứu có thể phát triển các phương pháp giấu tin an toàn và hiệu quả hơn. Việc phát hiện và vá các lỗ hổng bảo mật là một quá trình liên tục để đảm bảo an toàn thông tin.

5.3. Kết Quả Thử Nghiệm và Đánh Giá Hiệu Suất Các Thuật Toán

Luận án trình bày kết quả thử nghiệm và đánh giá hiệu suất của các thuật toán phát hiện steganography được phát triển. Các kết quả này cho thấy các thuật toán có hiệu quả trong việc phát hiện ảnh giấu tin với độ chính xác cao. Các kết quả thực nghiệm chứng minh tính khả thi và hiệu quả của các phương pháp được đề xuất.

VI. Kết Luận Hướng Phát Triển Nghiên Cứu Ảnh Giấu Tin Tương Lai

Luận án này đã trình bày một số kỹ thuật mới để phát hiện ảnh giấu tin, cả phát hiện mù và phát hiện có ràng buộc. Các kỹ thuật này có tiềm năng cải thiện khả năng phát hiện ảnh giấu tin và bảo vệ chống lại các mối đe dọa an ninh mạng. Trong tương lai, có nhiều hướng nghiên cứu tiềm năng, bao gồm phát triển các thuật toán phát hiện mạnh mẽ hơn, nghiên cứu các kỹ thuật giấu tin mới và phát triển các công cụ tự động để phát hiện ảnh giấu tin.

6.1. Tóm Tắt Những Đóng Góp Chính Của Luận Án

Luận án đã đề xuất ba kỹ thuật phát hiện mù cho ảnh có giấu tin trên LSB của miền không gian, một kỹ thuật phát hiện mù cho ảnh giấu tin trên LSB của miền tần số, và các phương pháp phát hiện có ràng buộc cho một số kỹ thuật giấu tin cụ thể. Các kết quả nghiên cứu đóng góp vào sự phát triển của lĩnh vực phát hiện steganography.

6.2. Các Hướng Nghiên Cứu Tiềm Năng Trong Lĩnh Vực Steganography

Các hướng nghiên cứu tiềm năng bao gồm phát triển các thuật toán phát hiện mạnh mẽ hơn, nghiên cứu các kỹ thuật giấu tin mới (ví dụ, dựa trên machine learning hoặc deep learning), và phát triển các công cụ tự động để phát hiện ảnh giấu tin. Nghiên cứu về độ bảo mật của steganography và phân tích forensic ảnh cũng rất quan trọng.

6.3. Đề Xuất Phát Triển Công Cụ Phần Mềm Phát Hiện Steganography Tự Động

Việc phát triển các công cụ phần mềm phát hiện steganography tự động sẽ giúp các chuyên gia an ninh thông tin dễ dàng phát hiện và phân tích ảnh giấu tin. Các công cụ này có thể được sử dụng để quét các hệ thống và mạng để tìm kiếm các hoạt động giấu tin đáng ngờ.

Nội dung chính

Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong lĩnh vực an toàn thông tin, giấu thông tin trong dữ liệu số (Steganography) là kỹ thuật truyền thông mật bằng cách nhúng thông tin vào các đối tượng đa phương tiện. So với mật mã học (Cryptography) - vốn chỉ tập trung vào việc biến đổi làm cho nội dung thông tin không thể đọc được, giấu thông tin có khả năng che giấu chính sự tồn tại của việc truyền tin bí mật trên các kênh thông tin công cộng. Trong các phương tiện đa phương tiện, dữ liệu ảnh số dạng BITMAP chiếm tỉ lệ ứng dụng lớn nhất do tính phổ biến, dung lượng chứa lớn và dễ thực hiện các phép biến đổi.

Song song với kỹ thuật giấu tin, kỹ thuật phát hiện ảnh có giấu tin (Image Steganalysis) đóng vai trò thám mã nhằm dò tìm và phân loại các đối tượng ảnh có chứa thông tin ẩn. Việc nghiên cứu phát hiện ảnh giấu tin có ý nghĩa khoa học và giá trị thực tiễn đối với an ninh quốc phòng, đồng thời hỗ trợ thẩm định, đánh giá và nâng cao độ an toàn cho các lược đồ giấu tin. Tại Việt Nam thời điểm năm 2012, các nghiên cứu về phát hiện ảnh giấu tin còn phân tán và chưa được đầu tư đồng bộ. Các kỹ thuật giấu tin ra đời sau ngày càng tinh xảo, làm biến đổi rất nhỏ cấu trúc ảnh, đặt ra yêu cầu phải phát triển các phương pháp phát hiện có độ chính xác cao hơn, tối ưu hóa các bài toán kiểm định thống kê và rút ngắn thời gian xử lý.

Mục tiêu và câu hỏi nghiên cứu

Luận án giải quyết hai bài toán nghiên cứu chính:

1. Bài toán 1 (Phát hiện mù): Đề xuất và cải tiến các kỹ thuật phát hiện mù (blind steganalysis) cho ảnh có giấu tin trên bit có ít ý nghĩa nhất (LSB - Least Significant Bit) ở cả miền không gian và miền tần số mà không cần biết trước thuật toán giấu tin hay dữ liệu ảnh gốc ban đầu.
2. Bài toán 2 (Phát hiện có ràng buộc): Xây dựng các kỹ thuật phát hiện có ràng buộc (constraint steganalysis) tối ưu cho các ảnh đã nhúng thông tin bằng các thuật toán giấu tin cụ thể đã biết (HKC, DIH, IWH, RVH) - vốn là những kỹ thuật có tỉ lệ nhúng thông tin thấp khiến các bộ phát hiện mù thông thường khó đạt hiệu quả cao.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các cấu trúc ảnh số dạng BITMAP (các định dạng lưu trữ điểm ảnh như BMP, PNG, JPEG, GIF, TIFF, PSP) được sử dụng phổ biến trong hệ thống máy tính, máy ảnh kỹ thuật số và thiết bị di động. Luận án không nghiên cứu các định dạng ảnh vector (như PDF, EPS, AI, CDR, SVG, DWG).
• Phạm vi dữ liệu và không gian thực nghiệm: Tập trung vào kỹ thuật giấu thay thế bit LSB, các phương pháp giấu trên hệ số biến đổi sai phân (DIH), hệ số biến đổi tần số Cosine (DCT), biến đổi Wavelet nguyên (IWT) và kỹ thuật giấu thuận nghịch hai pha ngang dọc (RVH). Thời điểm hoàn thành công trình: năm 2012 tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu đã được điểm lại

Luận án hệ thống hóa các công trình nghiên cứu trong nước và quốc tế về cả hai chiều: kỹ thuật giấu tin và kỹ thuật phát hiện ảnh giấu tin.

1. Về kỹ thuật giấu tin trong ảnh:

   • Kỹ thuật giấu LSB truyền thống và mở rộng: Thay thế bit LSB tuần tự (EzStego, Jstego, DE), nhúng ngẫu nhiên giả ngẫu nhiên PR (OutGuess của Provos, F5 của Westfeld, Hide and Seek), kỹ thuật nhúng $\pm 1$ (LSB Matching), và kỹ thuật đồng chẵn lẻ trên khối điểm ảnh.
   • Kỹ thuật trải phổ (Spread Spectrum - SS): Điển hình là phương pháp của J. Cox chèn thông tin vào các hệ số Cosine có biên độ lớn ở miền tần số giữa thông qua các biểu thức điều chế biên độ $s_k = x_k + \alpha d_k$ hoặc $s_k = x_k (1 + \alpha d_k)$.
   • Kỹ thuật điều chỉnh hệ số lượng tử (Quantization Index Modulation - QIM): Các phương pháp biến đổi lượng tử hóa không gian tín hiệu để nâng cao khả năng kháng tấn công nén và biến dạng hình học.
   • Kỹ thuật giấu thuận nghịch (Reversible Data Hiding): Kỹ thuật mở rộng sai phân DE của Tian (2002) và DE cải tiến của Shaowei Weng (2008); kỹ thuật dịch chuyển biểu đồ tần suất NSAS của Ni và cộng sự (2003); kỹ thuật giấu sai phân DIH (2004); kỹ thuật HKC của J. Choi và cộng sự (2005); kỹ thuật Wavelet nguyên IWH (2006); kỹ thuật MBNS (2008); kỹ thuật RCM (2008); kỹ thuật RVH hai pha ngang dọc (2008).

2. Về kỹ thuật phát hiện ảnh giấu tin:

   • Phương pháp kiểm định $\chi^2$ (Chi-squared): Công trình của A. Westfeld (1999) sử dụng thống kê $\chi^2$ với $n-1$ bậc tự do trên các cặp giá trị PoV (Pair of Values) để phát hiện nhúng tuần tự LSB. Provos áp dụng phương pháp này trên hệ số Cosine.
   • Phương pháp tỷ lệ hợp lý Logarit (LLRT): Nghiên cứu của K. Sullivan xây dựng kiểm định giả thuyết thống kê phức hợp dựa trên sai phân Kullback - Leibler và sử dụng bộ lọc đáp ứng xung hữu hạn FIR 2-tap $(0.5, 0.5)$ để ước lượng ảnh mốc từ ảnh quan sát.
   • Phương pháp ước lượng tỉ lệ giấu LSB: Kỹ thuật phân tích RS (Regular and Singular) của Jessica Fridrich và cộng sự (2001) dựa trên phương trình hồi quy bậc hai từ các khối ảnh đều đặn và dị thường; kỹ thuật sai phân DI của T. Zhang và cộng sự (2003) phân tích tương quan histogram sai phân.
   • Phương pháp phát hiện có ràng buộc: Tấn công F5 của Jessica Fridrich (2006) bằng kỹ thuật cắt biên 4 hàng/4 cột để ước lượng hệ số DCT gốc; tấn công RCM của Yeh-Shun Chen (2008) dựa trên độ lệch xác suất $P(0)$ và $P(1)$; tấn công MBNS của Li Bin (2008) dựa trên phân tích giá trị dư; tấn công HKC của Wen-Chung Kuo và cộng sự (2008) dựa trên sự bất thường xung quanh cột tần suất cực đại (peak).

Khoảng trống nghiên cứu được luận án giải quyết

• Phương pháp kiểm định $\chi^2$ với $n-1$ bậc tự do của A. Westfeld suy giảm độ nhạy khi tỉ lệ nhúng nhỏ hoặc khi thứ tự nhúng quét theo chiều raster.
• Kỹ thuật LLRT của K. Sullivan dùng bộ lọc FIR làm mịn tín hiệu (smoothness), dẫn đến tỷ lệ phân loại sai cao đối với các ảnh gốc tự nhiên có độ nhiễu cao (ví dụ: ảnh nhiều vân bề mặt như Baboon).
• Các kỹ thuật ước lượng dung lượng nhúng RS và DI có độ phức tạp tính toán lớn, thời gian thực thi lâu trên các tập dữ liệu lớn.
• Kỹ thuật phát hiện HKC của Wen-Chung Kuo chỉ hiệu quả khi tỉ lệ nhúng đạt mức tối đa, chưa tối ưu khi tỉ lệ nhúng thấp và chưa đưa ra được công thức ước lượng dung lượng giấu.
• Thiếu các giải pháp phát hiện chuyên biệt cho các kỹ thuật giấu thuận nghịch hiện đại như DIH, IWH và RVH.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

1. Mô hình giấu tin và độ an toàn thông tin theo Cachin: Gọi $\mathcal{C}$ là tập các ảnh gốc mang phân bố xác suất $P_C$, $\mathcal{M}$ là tập tin mật, $\mathcal{K}$ là tập khóa, $\mathcal{S}$ là tập ảnh stego mang phân bố xác suất $P_S$. Một lược đồ giấu tin $(S_E, S_X)$ đạt độ an toàn $\epsilon$ ($\epsilon$-secure) khi khoảng cách phân kỳ Kullback - Leibler thỏa mãn: $$D_{KL}(P_C || P_S) = \sum P_C \log \frac{P_C}{P_S} \le \epsilon$$ Khi $\epsilon = 0$, lược đồ đạt an toàn tuyệt đối về mặt lý thuyết ($P_C = P_S$).

2. Thang đo chất lượng trực quan PSNR và MOS: Chất lượng ảnh sau khi nhúng thông tin được đánh giá thông qua tỉ số tín hiệu trên nhiễu đỉnh PSNR (Peak Signal to Noise Ratio) và ánh xạ với thang điểm đánh giá trung bình MOS (Mean Opinion Score):

Mức PSNR (dB)	Điểm MOS	Đánh giá cảm nhận
$> 37$	5	Rất tốt
$31 - 37$	4	Tốt
$25 - 31$	3	Trung bình
$20 - 25$	2	Tồi
$< 20$	1	Rất tồi

3. Lý thuyết kiểm định giả thuyết thống kê và bổ đề Neyman - Pearson: Bài toán phát hiện ảnh giấu tin được mô hình hóa bằng kiểm định giữa hai giả thuyết $H_0$ (ảnh có giấu tin, phân bố $P_S$) và $H_1$ (ảnh gốc, phân bố $P_C$). Bộ phân lớp $F(X): \Omega \to {0, 1}$ có hai loại sai số:
   • Sai số loại I ($\alpha$): Ảnh gốc bị phân loại nhầm thành ảnh giấu tin.
   • Sai số loại II ($\beta$): Ảnh giấu tin bị phân loại nhầm thành ảnh gốc. Áp dụng bổ đề Neyman - Pearson để xây dựng phân hoạch tối ưu $A_i^*$ theo hàm lực lượng lớn nhất, cực tiểu hóa sai số $\beta$ với mức sai số $\alpha$ cố định trước.

Phương pháp nghiên cứu thực nghiệm

• Đánh giá hiệu năng phân lớp: Sử dụng ba độ đo tiêu chuẩn gồm độ chính xác ($P$), độ bao phủ ($R$) và độ trung bình điều hòa ($F$ với $\beta = 1$): $$P = \frac{tp}{tp + fp}$$ $$R = \frac{tp}{tp + fn}$$ $$F = \frac{2PR}{P + R}$$ Trong đó: $tp$ là số ảnh stego phân loại đúng; $tn$ là số ảnh gốc phân loại đúng; $fp$ là số ảnh gốc bị kết luận nhầm là stego (sai số loại I); $fn$ là số ảnh stego bị bỏ sót (sai số loại II).
• Đánh giá độ hội tụ ước lượng dung lượng: Sử dụng giá trị trung bình $\bar{x}$ và độ lệch chuẩn $\hat{S}$: $$\bar{x} = \frac{1}{n} \sum_{i=1}^n x_i, \quad \hat{S} = \sqrt{\frac{1}{n} \sum_{i=1}^n (x_i - \bar{x})^2}$$

Dữ liệu và môi trường thực nghiệm

• Nguồn dữ liệu: Tập dữ liệu gốc $\Omega_0$ gồm 2088 ảnh kích thước đa dạng, gồm 1014 ảnh tải từ thư viện trực tuyến của Đại học Washington và Đại học Southern California (USC), cùng 1074 ảnh chụp thực tế từ máy ảnh kỹ thuật số Sony T700 (10.1 Megapixel) và điện thoại Samsung Galaxy 3 (3.15 Megapixel). Nội dung ảnh bao gồm chân dung, phong cảnh, ảnh bản vẽ, ảnh vệ tinh.
• Tiền xử lý: Toàn bộ ảnh màu 24-bit được chuyển đổi thành ảnh xám 8-bit bằng phần mềm Adobe Photoshop CS2 8.0 để chuẩn hóa dữ liệu đầu vào.
• Môi trường thực thi: Cài đặt thuật toán trên môi trường Matlab R2008b (7.0), thực thi trên hệ thống phần cứng máy tính CPU Intel Core 2 Duo 2.00 GHz, bộ nhớ RAM 1 GB, dung lượng đĩa trống 15 GB.

---

Nội dung chính theo từng chương

Chương 1: Giấu tin trong ảnh, phát hiện ảnh có giấu tin và các nghiên cứu liên quan

Chương 1 hệ thống hóa các nguyên lý cơ bản của giấu tin và phát hiện giấu tin. Phân tích chi tiết quy trình nhúng và tách tin qua các phép biến đổi miền: biến đổi Cosine rời rạc (DCT) chia khối $8 \times 8$ hoặc $16 \times 16$; biến đổi Wavelet rời rạc (DWT) phân rã thành 4 băng tần LL, LH, HL, HH; biến đổi sai phân điểm ảnh liền kề $d_{ij} = x_{i, 2j+1} - x_{i, 2j}$ hoặc $d_{ij} = x_{i, j-1} - x_{i, j}$.

Chương này phân tích các phương pháp giấu tin thuận nghịch (DE, NSAS, DIH, HKC, IWH, RVH, MBNS, RCM) và các kỹ thuật phát hiện tương ứng. Đồng thời, chương 1 xác lập tiêu chuẩn đánh giá thực nghiệm định lượng dựa trên bảng phân loại đối tượng, công thức tính các độ đo $P, R, F$, cùng quy trình tiền xử lý bộ dữ liệu ảnh thử nghiệm 2088 ảnh.

Chương 2: Kỹ thuật phát hiện mù cho ảnh giấu tin trên LSB

Chương 2 trình bày các kỹ thuật phát hiện mù trên miền LSB cho cả miền không gian và miền tần số:

1. Kỹ thuật phát hiện bằng phân tích "Độ lệch chuẩn":
   • Phân tích ma trận tần suất $C_{26 \times 10} = {c_{ij}}$ của ảnh 8-bit (với $c_{ij}$ là tần suất mức xám $i \times 10 + j$). Khi nhúng tin LSB, tổng tần suất trên mỗi hàng của ma trận $S_{26 \times 10}$ giữ nguyên, nhưng các giá trị thành phần san đều nhau, làm cho tổng logarit tần suất trên mỗi hàng của ảnh stego lớn hơn ảnh gốc.
   • Xây dựng biến ngẫu nhiên kiểm định $T$ chuẩn hóa và xác định ngưỡng phân loại $t_0$. Thử nghiệm trên tập $\Omega_{0_1}$ (600 ảnh) với các mức nhúng 30%, 50%, 70%, 100% cho thấy giá trị ngưỡng $t_0 = 3.035$ mang lại độ cân bằng phân loại tối ưu:

Tập ảnh kiểm tra	Tỉ lệ phát hiện ảnh gốc (%)	Tỉ lệ phát hiện ảnh stego (%)
$\Omega_{0_1}$ (Ảnh gốc)	90	10
LSB_30 (Nhúng 30%)	57	43
LSB_50 (Nhúng 50%)	48	52
LSB_70 (Nhúng 70%)	35	65
LSB_100 (Nhúng 100%)	8	92

2. Kỹ thuật phát hiện bằng thống kê $\chi^2$ một bậc tự do ($\chi_1^2$):
   • Xây dựng bổ đề biến đổi dãy nhị phân ngẫu nhiên độc lập về đại lượng $z = \frac{(n_0 - n_1)^2}{n}$ có phân bố $\chi^2$ với 1 bậc tự do.
   • Thuật toán xác định hàng $i_0$ chứa tần suất cực đại trên ma trận $C_{25 \times 10}$, tính tổng tần suất chẵn $n_{i_0}[0]$ và lẻ $n_{i_0}[1]$, tính $z$ và so sánh với ngưỡng $\chi_1^2(\alpha)$. Kết quả so sánh giữa kỹ thuật $\chi_1^2$ (ngưỡng 0.71) và kỹ thuật "Độ lệch chuẩn" khẳng định độ chính xác vượt trội của $\chi_1^2$:

Tập ảnh	Độ lệch chuẩn: Gốc (%)	Độ lệch chuẩn: Stego (%)	$\chi_1^2$: Gốc (%)	$\chi_1^2$: Stego (%)
$\Omega_{0_1}$	90	10	96	4
LSB_30	57	43	54	46
LSB_50	48	52	41	59
LSB_70	35	65	33	67
LSB_100	8	92	6	94

3. Kỹ thuật phát hiện dựa trên phân tích tỉ lệ xám và bổ đề Neyman - Pearson: Áp dụng kiểm định tối ưu Neyman - Pearson trên phân bố tỉ lệ xám nhằm khắc phục hiện tượng nhận định nhầm ảnh gốc có độ nhiễu cao của phương pháp LLRT, áp dụng hiệu quả cho cả miền không gian và hệ số miền tần số Cosine.

4. Kỹ thuật ước lượng thông tin giấu LSB dựa trên lý thuyết trùng khớp: Xây dựng phương pháp ước lượng tỉ lệ bit nhúng khi có ảnh mốc và khi không có ảnh gốc, cho kết quả tương đương các phương pháp RS và DI nhưng có tốc độ thực thi nhanh hơn trên tập 2088 ảnh.

Chương 3: Một số kỹ thuật phát hiện có ràng buộc

Chương 3 đề xuất các giải pháp phát hiện chuyên biệt cho 4 kỹ thuật giấu tin đã biết:

1. Phát hiện kỹ thuật giấu HKC: Phân tích sự bất thường quanh cột tần suất cực đại. Luận án hiệu chỉnh hạn chế của phương pháp Kuo - Lin bằng cách xây dựng biểu thức kiểm định mới phát hiện được cả khi tỉ lệ nhúng thấp, đồng thời thiết lập công thức ước lượng xấp xỉ dung lượng thông tin giấu. Thử nghiệm trên tập HKC_2500 và HKC_R100 khẳng định độ tin cậy phân loại cao.

2. Phát hiện kỹ thuật giấu DIH: Phân tích sự dịch chuyển biểu đồ tần suất hệ số sai phân (Difference Image Histogram). Xác định sự bất đối xứng và biến dạng của histogram sai phân sau khi nhúng dữ liệu. Kiểm nghiệm trên tập DIH_6000 và DIH_7168 (bao gồm ảnh chuẩn Lena.bmp).

3. Phát hiện kỹ thuật giấu IWH: Phân tích biểu đồ tần suất các hệ số Wavelet nguyên (IWT) tại các băng tần cao (LH, HL, HH). Phát hiện các vị trí làm rỗng cột tần suất và dịch chuyển histogram. Thực nghiệm ước lượng dung lượng giấu trên tập IWH_6000 và ảnh Lena nhúng 7168 bit.

4. Phát hiện kỹ thuật giấu RVH hai pha ngang dọc: Kỹ thuật RVH giấu thông tin trên cột lẻ (pha ngang) và hàng chẵn (pha dọc). Luận án phát hiện rằng mặc dù trên toàn ảnh xác suất $P(0) \approx P(1) \approx 0.5$, nhưng khi trích xuất riêng biệt các cột lẻ hoặc các hàng chẵn thì xuất hiện sự chênh lệch rõ rệt giữa $P_{LSB}(0)$ và $P_{LSB}(1)$. Từ đó xây dựng thuật toán phát hiện và ước lượng dung lượng giấu trên tập RVH_7500 và RVH_7168.

---

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và thuật toán

1. Các kỹ thuật phát hiện mù trên miền LSB:

   • Xây dựng thành công 3 phương pháp phát hiện mù trên miền không gian: phương pháp phân tích "độ lệch chuẩn", phương pháp thống kê $\chi^2$ một bậc tự do ($\chi_1^2$), và phương pháp kiểm định tối ưu phân tích tỉ lệ xám theo bổ đề Neyman - Pearson.
   • Đề xuất phương pháp phân tích tỉ lệ xám phát hiện mù trên các hệ số biến đổi miền tần số.
   • Đề xuất mô hình ước lượng dung lượng thông tin giấu LSB dựa trên lý thuyết trùng khớp, giảm thiểu thời gian tính toán so với các thuật toán RS và DI.

2. Các kỹ thuật phát hiện có ràng buộc:

   • Cải tiến phương pháp phát hiện HKC của Kuo - Lin, mở rộng khả năng nhận diện ở các mức tỉ lệ nhúng thấp và bổ sung công thức ước lượng thông tin nhúng.
   • Đề xuất phương pháp phát hiện và ước lượng dung lượng cho kỹ thuật giấu sai phân thuận nghịch DIH.
   • Đề xuất phương pháp phát hiện và ước lượng thông tin dựa trên biến dạng histogram hệ số Wavelet nguyên cho kỹ thuật giấu IWH.
   • Phát hiện quy luật mất cân bằng thống kê chẵn - lẻ trên các ma trận con phân tách (cột lẻ và hàng chẵn) để vô hiệu hóa tính bí mật của kỹ thuật giấu hai pha ngang dọc RVH.

Đóng góp về mặt thực nghiệm và ứng dụng

• Xây dựng bộ công cụ phần mềm thử nghiệm hoàn chỉnh gồm 2 phân hệ: Mô-đun nhúng tin và Mô-đun phát hiện giấu tin trên nền Matlab.
• Thực hiện kiểm chứng thực nghiệm trên quy mô lớn với 2088 ảnh chuẩn và ảnh chụp thực tế, cung cấp dữ liệu đối sánh chi tiết qua các chỉ số $P, R, F$ và thời gian tính toán.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

• Nghiên cứu chỉ tập trung trên các định dạng ảnh số cấu trúc BITMAP (raster), chưa mở rộng trên các định dạng đồ họa vector.
• Đối với bài toán phát hiện mù, khi tỉ lệ nhúng thông tin xuống dưới ngưỡng 30% trên miền không gian hoặc dữ liệu ảnh gốc có mức độ nhiễu phức tạp, độ nhạy của các thuật toán phân lớp có sự suy giảm.

Hạn chế và hướng phát triển tiếp theo

• Mở rộng nghiên cứu các thuật toán phát hiện mù cho các phương pháp giấu tin phức tạp trên video và âm thanh số.
• Nghiên cứu kết hợp các kỹ thuật học máy và phân lớp đa chiều để nâng cao độ chính xác khi phát hiện ảnh có tỉ lệ nhúng cực thấp.
• Tối ưu hóa thuật toán để nâng cao tốc độ xử lý thời gian thực trên các luồng truyền dữ liệu mạng quy mô lớn.

---

Giá trị tham khảo

Đối tượng thụ hưởng

• Nghiên cứu sinh và học viên cao học: Tham khảo khung lý thuyết kiểm định giả thuyết thống kê, cách vận dụng bổ đề Neyman - Pearson, phân tích histogram và phương pháp đánh giá phân lớp học thuật ($P, R, F$).
• Giảng viên và nhà nghiên cứu Công nghệ thông tin: Làm tài liệu chuyên đề về An toàn thông tin, Xử lý ảnh số, Giấu tin và Thám mã dữ liệu đa phương tiện.
• Chuyên gia an ninh mạng và các cơ quan quản lý: Tham khảo các nguyên lý phân tích để xây dựng công cụ giám sát, phát hiện việc truyền tin mật trái phép trên không gian mạng.

Các nội dung có giá trị tham khảo chuyên sâu

• Bổ đề toán học và quy trình chứng minh phân bố $\chi_1^2$ cho chuỗi nhị phân ngẫu nhiên (Chương 2).
• Phương pháp phân tích ma trận tần suất $C_{26 \times 10}$ và tối ưu hóa ngưỡng quyết định $t_0$.
• Kỹ thuật phân tách phân tích theo cột lẻ/hàng chẵn để phát hiện các kỹ thuật giấu chia pha (Chương 3).

---

Câu hỏi thường gặp

1. Luận án định nghĩa một lược đồ giấu tin an toàn theo tiêu chuẩn nào?

Luận án sử dụng định nghĩa an toàn thông tin của Cachin (1998). Theo đó, một lược đồ giấu tin được gọi là an toàn nếu sai phân Kullback - Leibler ($D_{KL}$) giữa hàm mật độ xác suất của ảnh gốc ($P_C$) và ảnh mang tin ($P_S$) bằng 0: $$D_{KL}(P_C || P_S) = \sum P_C \log \frac{P_C}{P_S} = 0$$ Trong thực tế, khi $D_{KL}(P_C || P_S) \le \epsilon$ (với $\epsilon$ là số thực dương đủ nhỏ), lược đồ được coi là đạt độ an toàn $\epsilon$ ($\epsilon$-secure).

2. Vì sao phương pháp phát hiện LLRT của K. Sullivan bị hạn chế trên các ảnh gốc có độ nhiễu cao?

Phương pháp LLRT của K. Sullivan ước lượng ảnh gốc từ ảnh quan sát bằng bộ lọc đáp ứng xung hữu hạn FIR 2-tap $(0.5, 0.5)$. Bộ lọc này có đặc tính làm trơn tín hiệu (smoothness). Đối với các ảnh gốc tự nhiên có độ nhiễu cao hoặc bề mặt gồ ghề (như ảnh Baboon), tín hiệu sau khi lọc FIR trở nên trơn hơn tín hiệu ban đầu, dẫn đến việc bộ phân lớp LLRT nhận diện nhầm ảnh gốc tự nhiên là ảnh đã bị giấu tin.

3. Nguyên lý phân tích ma trận $C_{26 \times 10}$ trong phương pháp "Độ lệch chuẩn" là gì?

Dữ liệu tần suất mức xám của ảnh 8-bit được biểu diễn thành ma trận $C_{26 \times 10}$, trong đó phần tử $c_{ij}$ là tần suất của điểm ảnh có giá trị $i \times 10 + j$. Khi nhúng tin trên LSB, các điểm ảnh chỉ hoán đổi giá trị trong từng cặp điểm ảnh thuộc cùng một hàng, do đó tổng tần suất trên mỗi hàng là không đổi. Tuy nhiên, việc nhúng tin làm cho tần suất giữa các cặp giá trị san đều nhau, khiến tích (hoặc logarit của tích) các phần tử trên từng hàng của ảnh stego luôn lớn hơn so với ảnh gốc.

4. Thuật toán phát hiện kỹ thuật giấu hai pha ngang dọc RVH hoạt động dựa trên đặc trưng nào?

Kỹ thuật RVH giấu thông tin chia làm hai pha: pha ngang nhúng trên các cột lẻ và pha dọc nhúng trên các hàng chẵn. Khi tính toán xác suất bit LSB trên toàn bộ ảnh stego, tỉ lệ bit 0 và bit 1 vẫn xấp xỉ bằng nhau ($P(0) \approx P(1) \approx 0.5$). Tuy nhiên, khi tách riêng để thống kê trên tập các cột lẻ hoặc tập các hàng chẵn, tần suất xuất hiện giữa điểm ảnh chẵn và lẻ bị mất cân đối nghiêm trọng ($P_{LSB}(0) > P_{LSB}(1)$ hoặc ngược lại), tạo ra dấu hiệu để phát hiện và ước lượng dung lượng tin ẩn.

5. Bộ dữ liệu ảnh thực nghiệm của luận án được xây dựng từ những nguồn nào?

Bộ dữ liệu gồm tổng cộng 2088 ảnh, được hợp thành từ hai nguồn:

• 1014 ảnh chuẩn tải về từ thư viện trực tuyến của Đại học Washington và Đại học Southern California (USC).
• 1074 ảnh thực tế được chụp từ máy ảnh kỹ thuật số Sony T700 (10.1 Megapixel) và điện thoại di động Samsung Galaxy 3 (3.15 Megapixel). Toàn bộ được tiền xử lý chuyển về ảnh xám 8-bit trên Photoshop CS2.

---

Kết luận

Luận án tiến sĩ của tác giả Hồ Thị Hương Thơm đã giải quyết toàn diện bài toán phát hiện ảnh giấu tin thông qua việc đề xuất các kỹ thuật phát hiện mù trên miền LSB và phát hiện có ràng buộc cho các kỹ thuật giấu tin chuyên biệt (HKC, DIH, IWH, RVH). Bằng việc ứng dụng các công cụ thống kê như phân tích độ lệch chuẩn, thống kê $\chi_1^2$, bổ đề tối ưu Neyman - Pearson và lý thuyết trùng khớp, công trình đã nâng cao độ chính xác phân lớp và tối ưu hóa thời gian xử lý. Các kết quả nghiên cứu được kiểm chứng định lượng trên bộ dữ liệu 2088 ảnh thực nghiệm, đóng góp giá trị khoa học cho lĩnh vực an toàn thông tin và xử lý ảnh số.

Trích đoạn nội dung tài liệu

Chương 1. GIẤU TIN TRONG ẢNH, PHÁT HIỆN ẢNH CÓ GIẤU TIN VÀ CÁC NGHIÊN CỨU LIÊN QUAN Trong chương này trình bày tổng quan về kỹ thuật giấu tin trong ảnh, các phương pháp giấu tin thường sử dụng trong thời gian gần đây, kỹ thuật phát hiện ảnh có giấu tin và các nghiên cứu liên quan. Từ đó đưa ra phương pháp phát hiện ảnh có giấu tin đề xuất trong chương 2 và 3. Ngoài ra chương này còn giới thiệu phương pháp thử nghiệm, đánh giá và nguồn dữ liệu ảnh thử nghiệm cho các kỹ thuật phát hiện đề xuất trong các chương tiếp theo.

GIẤU TIN TRONG ẢNH VÀ NGHIÊN CỨU LIÊN QUAN 1. Khái niệm Giấu tin trong ảnh (image steganography) là kỹ thuật lợi dụng một số thông tin dư thừa của dữ liệu ảnh gốc (cover image) để giấu (hoặc nhúng) thông tin vào đó. Kỹ thuật giấu này phải đảm bảo chỉ người gửi (giấu) và người nhận (tách) biết thông tin đã giấu, còn những người khác khó có thể cảm nhận được sự tồn tại của thông tin đã giấu trong ảnh [18, 27, 32]. Giấu tin trong ảnh gồm hai giai đoạn: nhúng thông tin vào ảnh gốc và tách thông tin đã giấu.

Để tăng cường độ an toàn cho thông tin đem giấu, thường thì trước khi giấu thông tin có thể được mã hóa bằng kỹ thuật mã hóa nào đó [27, 45, 74]. Trong quá trình tách thông tin, dữ liệu gốc có thể tham gia hoặc không. Các kỹ thuật giấu tin tốt thường không cần dữ liệu gốc để tách thông tin đã giấu. Dữ liệu có chứa thông Dữ liệu gốc c tin s (Cover) C Bộ giấu tin Biến đổi T Biến đổi ngược T-1 (tùy chọn) (tùy chọn) Thông tin M Hình 1.1: Sơ đồ quá trình giấu tin trong ảnh [84].tin TIEU LUAN MOI download : [e-mail] Dữ liệu có chứa thông tin (Stego) s (Cover) C Bộ tách tin Thông tin M Biến đổi T (tùy chọn) Hình 1.2: Sơ đồ quá trình tách tin trong ảnh.2 là sơ đồ tổng quát của quá trình giấu tin và tách tin trong ảnh, trong đó phép biến đổi T và T-1 là các phép biến đổi tần số cosine, wavelet, fourier rời rạc hoặc biến đổi sai phân (image difference).

Dưới đây là tóm lược một số phép biến đổi sử dụng trong luận án này: - Biến đổi cosine rời rạc được thực hiện theo chuẩn nén ảnh JPEG, miền dữ liệu pixel của ảnh được chia thành các miền nhỏ (thường là kích cỡ 8x8 hoặc 16x16 pixel) sử dụng phép biến cosine rời rạc được các hệ số cosine [43], thông tin thường được giấu vào các hệ số cosine có giá trị lớn nhất hoặc nằm ở miền tần số giữa như các kỹ thuật giấu [3, 7, 23, 25, 69, 70, 92, 94, 104]. - Biến đổi wavelet rời rạc, sử dụng phép biến đổi wavelet rời rạc biến đổi miền dữ liệu pixel thành bốn băng tần mới LL, LH, HL, HH [72, 99]. Các giá trị trên bốn băng tần này gọi là các hệ số wavelet. Theo nhận định của những nhà giấu tin thì khi có thay đổi nhỏ các hệ số wavelet trên hai băng tần cao LH và HL (một số kỹ thuật giấu sử dụng cả băng tần HH) sẽ ít ảnh hưởng đến chất lượng trực quan của ảnh ban đầu như các kỹ thuật giấu [4, 5, 6, 42, 73, 91, 99].

Còn băng tần LL không hay sử dụng để giấu tin vì nó chính là nội dung thu nhỏ của ảnh, khi giấu vào băng tần này sẽ ảnh hưởng đến chất lượng của ảnh ban đầu. - Biến đổi sai phân (image difference), giả sử dữ liệu ảnh nào đó, kích thước m × n pixel, được biểu diễn dưới dạng vector X = {xij, i=0, …, m - 1, j=0, …, n - 1}, miền giá trị pixel của ảnh sẽ được biến đổi sang miền giá trị sai phân được vector các hệ số sai phân D ={dij} trong đó dij = 22 (LUAN.tin TIEU LUAN MOI download : [e-mail] xi,2j+1 – xi,2j với 0 ≤ i ≤ m − 1, 0 ≤ j ≤ n/2 – 1 hoặc dij = xi,j-1 – xi,j với 0 ≤ i ≤ m – 1, 0 ≤ j ≤ n – 2. Thông tin thường được giấu trên LSB của các hệ số này như các kỹ thuật [48, 49, 52, 53, 90, 97]. Phương pháp giấu tin và nghiên cứu liên quan Kỹ thuật giấu tin trong ảnh ra đời dựa trên sự phát triển ưu việt của kỹ thuật thủy vân số (Watermarking), phương pháp thủy vân ảnh số đầu tiên là phương pháp thủy vân trên LSB của ảnh hay còn gọi là phương pháp thay thế LSB (LSB replacement – LSB hiding) và nó cũng trở thành phương pháp giấu tin đầu tiên trong ảnh [75].

Phương pháp giấu tin trên LSB là phương pháp thay thế các bit thông tin vào bit LSB của điểm ảnh. Trong một điểm ảnh của ảnh 8-bit cấp độ xám có thể biểu diễn dưới dạng chuỗi nhị phân 8 bit (giả sử điểm ảnh P có giá trị 236 có thể biểu diễn thành chuỗi nhị phân 8 bit là “11101100”) thì 7 bit liên tiếp đầu tiên (là chuỗi bit “1110110”) gọi là các bit MSBs (Most Significant Bit) có ý nghĩa quan trọng nhất đối với điểm ảnh, còn bit cuối cùng (bit “0”) gọi là bit LSB vì có ảnh hưởng ít nhất đến sự thể hiện của điểm ảnh. Do vậy, việc thay đổi giá trị của bit LSB (từ “0” sang “1” hay từ “1” sang “0”) không làm ảnh hưởng nhiều đến chất lượng trực quan của ảnh. Kỹ thuật giấu tin trên LSB vẫn còn được ưa chuộng cho đến ngày nay ở chỗ nó rất đơn giản và có khả năng giấu được nhiều thông tin.

Mỗi điểm ảnh có thể nhúng được một bit thông tin, do đó tỉ lệ nhúng lớn nhất là một bit thông tin trên một điểm ảnh (hay độ dài bit thông tin có thể nhúng bằng số điểm ảnh của ảnh). Để đơn giản, giả sử ảnh gốc đầu vào để giấu tin là ảnh xám 8 – bit kích cỡ m × n điểm ảnh, dữ liệu ảnh được biểu diễn dưới dạng vector Xm×n ={xij, i=1, …, m, j=1, …, n, xij  {0, …, 255}}. Sau khi giấu chuỗi bit thông tin Bl = {bi, i = 1, …, l, bi  {0,1}} vào ảnh bằng cách thay thế từng bit bi  B vào từng bit LSB của xij theo thứ tự nào đó ta nhận được ảnh có giấu tin với vector Sm×n ={sij, i=1, …, m, j=1, …, 23 (LUAN.tin TIEU LUAN MOI download : [e-mail] n, sij  {0, …, 255}} tương ứng. Khi đó LSB của điểm ảnh được giấu tin theo mô tả như hình 1.

Minh họa giấu thông tin trong LSB của ảnh cấp xám 8 - bit [84]. Việc áp dụng hàm giấu và tách thông tin có thể thực hiện tương tự trên ảnh 24 - bit màu với 3 kênh màu R, G, B (mỗi kênh 8 – bit), khi đó việc giấu tin thường thực hiện trên kênh màu B (được cho là ít ảnh hưởng đến hệ thống cảm nhận của mắt người [27]) như quá trình giấu tin trên ảnh 8 – bit cấp độ màu. Để đảm bảo ảnh sau khi đã giấu tin bằng kỹ thuật giấu LSB trên miền không gian không bị phá vỡ bằng một số phép tấn công hình học như xoay, nén, co, giãn, … người ta đề xuất một số phương pháp giấu cải tiến LSB khác trên miền tần số: cosine [3, 7, 23, 25, 94, 104], wavelet [91, 99]. Một số khác còn giấu trên LSB của các hệ số sai phân [49, 53, 90, 97].

Bit LSB của điểm ảnh hay của hệ số biến đổi được chọn để giấu thông tin có thể chọn theo thứ tự tuần tự (quét raster) (như kỹ thuật giấu EzStego [105], Jstego [104 ], DE [91], …) hoặc theo thứ tự ngẫu nhiên dựa trên một bộ chọn vị trí giả ngẫu nhiên PR (Pseudo Random) (như kỹ thuật giấu OutGuess [71], F5 [94], Hide and Seek [69], …). Ngoài ra còn có hai trường đặc biệt giấu trên LSB đó là: phương pháp tăng giảm LSB, phương pháp đồng chẵn lẻ. Phương pháp tăng giảm LSB (1 embedding), bit thông tin sẽ được so sánh với bit LSB của điểm ảnh được chọn (việc chọn điểm ảnh có thể là tuần tự hoặc ngẫu nhiên theo bộ chọn PR). Nếu bit thông tin cùng giá trị với bit LSB của điểm 24 (LUAN.tin TIEU LUAN MOI download : [e-mail] ảnh cần giấu thì mặc định sẽ giấu một bit thông tin vào điểm ảnh này, ngược lại điểm ảnh cần giấu sẽ tăng hoặc giảm đi 1 để LSB của nó đồng giá trị với bit thông tin.

Một số kỹ thuật giấu sử dụng phương pháp giấu này như [78, 49],… Phương pháp đồng chẵn lẻ, chia miền không gian ảnh ra thành nhiều khối bằng nhau kích thước k × t, bit thông tin sẽ được giấu vào từng khối theo quy tắc: số bit LSB có giá trị “1” của khối phải đồng tính chẵn lẻ với bit được giấu, tức là số bit “1” của một khối LSB là lẻ nếu bit thông tin cần giấu là “1”, ngược lại là chẵn nếu bit cần giấu là “0”. Trong trường hợp không trùng hợp, ta phải thay đổi giá trị LSB của khối đó để đảm bảo đồng tính chẵn lẻ với bit thông tin. Trường hợp đặc biệt, nếu kích thước mỗi khối dùng để giấu tin là 1×1, thì nó trở thành trường hợp giấu thay thế LSB tổng quát. Kỹ thuật giấu sử dụng phương pháp giấu này như [78], chỉ áp dụng cho miền không gian không áp dụng được cho miền tần số.

Có thể có nhiều phương pháp giấu LSB khác nhau không tuân theo bốn phương pháp đã nêu ở trên, đó là các phương pháp kết hợp với một trong bốn phương pháp trên (phương pháp tuần tự, phương pháp ngẫu nhiên, phương pháp tăng giảm, phương pháp đồng chẵn lẻ) cùng với một số thao tác nào đó nhằm nâng cao hiệu quả an toàn cho thông tin được giấu. Ngoài phương pháp giấu trên LSB còn có một số phương pháp giấu tin khác theo hình thức chèn nhiễu SS hay điều chỉnh hệ số lượng tử QIM như sau: Kỹ thuật giấu tin theo hình thức chèn nhiễu SS: Dữ liệu đem giấu sẽ được điều biến thành một chuỗi tín hiệu mang thông tin theo một hệ số bền vững α, sau đó được chèn vào dữ liệu ảnh gốc. Với cách thức giấu tin theo kiểu SS đã có nhiều phương pháp được đề xuất [3, 4, 26, 27, 32, 60]. Điển hình như phương pháp của J.

Cox [26], ảnh gốc sẽ được biến đổi Cosine và chọn ra một lượng hệ số DCT xk ở miền tần số giữa có giá trị lớn nhất bằng độ dài tín hiệu thông tin cần giấu, các tín hiệu thông tin dk trong chuỗi thông tin sẽ được chèn vào các hệ số xk này theo một trong ba công thức sau: sk = xk + αdk, sk = xk + (αxk) dk = xk (1+αdk) hoặc sk = xk eαdk.