Nghiên cứu phát triển một số kỹ thuật thủy vân dựa trên các vùng đặc trưng điển hình của ảnh kỹ thuật số

Tìm hiểu về nghiên cứu phát triển kỹ thuật thủy vân số tiên tiến. Khám phá các phương pháp dựa trên vùng đặc trưng của ảnh kỹ thuật số, đảm bảo tính bảo mật và toàn vẹn dữ liệu.

• Tác giả: Phạm Quang Huy
• Người hướng dẫn: PGS. Tạ Minh Thanh
• Trường học: Học Viện Khoa Học Và Công Nghệ
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên Cứu Phát Triển Một Số Kỹ Thuật Thủy Vân Dựa Trên Các Vùng Đặc Trưng Điển Hình Của Ảnh Kỹ Thuật Số
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ
• DANH MỤC CÁC BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CÁC VẤN ĐỀ BẢO VỆ BẢN QUYỀN VÀ CÁC KỸ THUẬT THỦY VÂN
• 1.1. Nguồn gốc và khái niệm về thủy vân số
• 1.2. Phân loại thủy vân số
• 1.3. Quy trình xây dựng mô hình thủy vân số
• 1.4. Các đặc trưng của thủy vân số
• 1.5. Các tiêu chí đánh giá thủy vân số và độ đo tương ứng
• 1.6. Các ứng dụng của thủy vân số
• 1.7. Những tình huống tấn công thủy vân số thường gặp
• 1.8. Tổng quan về các nghiên cứu liên quan và một số hạn chế còn tồn tại
• 1.8.1. Độ nổi bật trong ảnh
• 1.8.2. Thủy vân thuận nghịch
• 2. CHƯƠNG 2: PHÂN TÍCH ẢNH HƯỞNG ĐỘ NỔI BẬT CỦA ẢNH TRONG THỦY VÂN SỐ
• 2.1. Thủy vân dựa trên đặc trưng không nổi bật của ảnh số
• 2.1.1. Phương pháp dựa trên học vùng không nổi bật
• 2.1.2. Kết quả thực nghiệm
• 2.2. Thủy vân dựa trên đặc trưng độ nổi bật của ảnh số
• 2.2.1. Phương pháp dựa trên độ nổi bật để chống giả mạo
• 2.2.2. Kết quả thực nghiệm
• 3. CHƯƠNG 3: PHÁT TRIỂN KỸ THUẬT THỦY VÂN ĐẢM BẢO TÍNH TOÀN VẸN CỦA ẢNH GỐC
• 3.1. Phương pháp sử dụng yếu tố cấu trúc
• 3.1.1. Yếu tố cấu trúc
• 3.1.2. Các chỉ số đánh giá hiệu suất
• 3.1.3. Kết quả thực nghiệm
• 3.2. Phương pháp sử dụng miền DCT
• 3.2.1. Phương pháp nhúng sử dụng trọng số cho bảng tỉ lệ lượng tử
• 3.2.2. Phương pháp nhúng sử dụng tần số của các hệ số DCT khác không
• 3.2.3. Kết quả thực nghiệm
• KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT (lặp lại)
• DANH MỤC CÁC HÌNH VẼ (lặp lại)
• DANH MỤC CÁC BẢNG BIỂU (lặp lại)

Tóm tắt

I. Tổng Quan Về Kỹ Thuật Thủy Vân Số Cho Ảnh Số 55

Thủy vân số nổi lên như một giải pháp bảo vệ bản quyền hiệu quả cho ảnh kỹ thuật số. Sự phát triển của công nghệ số đã tạo ra thách thức lớn trong việc kiểm soát sao chép và phân phối trái phép. Thủy vân số cho phép nhúng thông tin nhận dạng vào ảnh kỹ thuật số mà không ảnh hưởng đáng kể đến chất lượng. Mục tiêu là bảo vệ quyền sở hữu trí tuệ và xác minh nguồn gốc của ảnh. Theo nghiên cứu từ Học viện Khoa học và Công nghệ Việt Nam, thủy vân số là một chiến lược chính trong việc phát hiện và khôi phục sự can thiệp vào đa phương tiện. Kỹ thuật này giúp chủ sở hữu theo dõi và chứng minh quyền tác giả một cách hiệu quả. Sự phát triển liên tục của kỹ thuật thủy vân là cần thiết để đối phó với các phương pháp tấn công ngày càng tinh vi.

1.1. Nguồn Gốc và Khái Niệm Cơ Bản Về Thủy Vân Số

Thủy vân số là quá trình nhúng thông tin, như logo hoặc chuỗi ký tự, vào một tác phẩm số mà không làm thay đổi đáng kể đến chất lượng cảm nhận của tác phẩm. Kỹ thuật này bắt nguồn từ nhu cầu bảo vệ quyền tác giả trong kỷ nguyên số, khi việc sao chép và phân phối trái phép trở nên dễ dàng. Kỹ thuật thủy vân cho phép chủ sở hữu theo dõi và xác minh nguồn gốc của tác phẩm, đồng thời ngăn chặn việc sử dụng trái phép. Theo luận án, thủy vân số ra đời để đáp ứng nhu cầu bảo vệ quyền lợi của người sáng tạo trong bối cảnh môi trường internet ngày càng phát triển. Mục tiêu là tạo ra một dấu ấn không thể xóa bỏ mà không ảnh hưởng đến trải nghiệm người dùng.

1.2. Phân Loại Chi Tiết Các Kỹ Thuật Thủy Vân Số Hiện Nay

Các kỹ thuật thủy vân số có thể được phân loại theo nhiều tiêu chí khác nhau, bao gồm độ bền, khả năng nhận biết và phương pháp nhúng. Thủy vân bền vững được thiết kế để chống lại các cuộc tấn công và vẫn có thể được phát hiện sau khi tác phẩm trải qua các quá trình xử lý, như nén hoặc cắt xén. Thủy vân không bền vững dễ bị phá hủy hơn, nhưng có thể được sử dụng để phát hiện các thay đổi nhỏ trong tác phẩm. Theo hình 1.1 trong tài liệu gốc, thủy vân số có nhiều loại và mỗi loại phục vụ một mục đích bảo vệ khác nhau, từ bảo vệ bản quyền đến xác thực nguồn gốc.

II. Thách Thức Bảo Mật Ảnh Số và Giải Pháp Thủy Vân Số 58

Bảo mật ảnh số là một vấn đề cấp thiết trong bối cảnh số hóa ngày nay. Sự dễ dàng trong việc sao chép và chỉnh sửa ảnh đã tạo ra những thách thức lớn trong việc bảo vệ quyền tác giả và tính toàn vẹn của ảnh. Các phương pháp tấn công thủy vân ngày càng trở nên tinh vi, đòi hỏi các giải pháp bảo mật phải liên tục được cải tiến. Luận án nhấn mạnh rằng cần phải phát triển các kỹ thuật thủy vân có khả năng chống lại các phương pháp tấn công mà không làm ảnh hưởng đến chất lượng của ảnh gốc. Các giải pháp thủy vân số phải đảm bảo tính bền vững, khả năng chống giả mạo và khả năng phục hồi ảnh sau khi bị can thiệp.

2.1. Các Phương Pháp Tấn Công Thủy Vân Số Phổ Biến Hiện Nay

Các phương pháp tấn công thủy vân số rất đa dạng, bao gồm tấn công hình học, tấn công lọc và tấn công thống kê. Tấn công hình học cố gắng làm biến dạng ảnh để làm hỏng thủy vân, trong khi tấn công lọc sử dụng các bộ lọc để loại bỏ hoặc làm suy yếu thủy vân. Theo luận án, tấn công thống kê phân tích các mẫu trong ảnh để tìm và loại bỏ thủy vân. Các nhà nghiên cứu cần phải hiểu rõ các phương pháp tấn công này để phát triển các thuật toán thủy vân có khả năng chống lại chúng.

2.2. Yêu Cầu Đặt Ra Đối Với Kỹ Thuật Thủy Vân Số Hiện Đại

Kỹ thuật thủy vân số hiện đại phải đáp ứng nhiều yêu cầu khắt khe, bao gồm tính bền vững, tính vô hình, dung lượng và tính bảo mật. Tính bền vững đảm bảo rằng thủy vân vẫn có thể được phát hiện sau khi ảnh trải qua các quá trình xử lý khác nhau. Tính vô hình đảm bảo rằng thủy vân không gây ra sự thay đổi đáng chú ý nào trong ảnh. Theo mục tiêu nghiên cứu, thủy vân số cần đạt được sự cân bằng giữa các yếu tố này để đảm bảo hiệu quả bảo vệ bản quyền mà không ảnh hưởng đến trải nghiệm người dùng.

2.3. Tầm Quan Trọng Của Độ Bền Thủy Vân Trong Bảo Vệ Ảnh Số

Độ bền của thủy vân số là yếu tố then chốt trong việc bảo vệ ảnh số khỏi các hành vi xâm phạm bản quyền. Một thủy vân có độ bền cao sẽ khó bị loại bỏ hoặc làm hỏng, ngay cả khi ảnh trải qua các chỉnh sửa hoặc xử lý. Điều này giúp chủ sở hữu duy trì quyền kiểm soát và chứng minh quyền tác giả của mình. Theo tài liệu, độ bền của thủy vân có thể được đánh giá thông qua các thử nghiệm tấn công khác nhau, từ đó xác định khả năng chống chịu của thuật toán thủy vân.

III. Phương Pháp Thủy Vân Dựa Trên Vùng Đặc Trưng Ảnh 56

Phương pháp thủy vân dựa trên vùng đặc trưng ảnh là một hướng tiếp cận tiềm năng để cải thiện tính bền vững và tính vô hình của thủy vân. Vùng đặc trưng ảnh, như các góc và cạnh, là các khu vực nổi bật trong ảnh và ít bị ảnh hưởng bởi các quá trình xử lý. Việc nhúng thủy vân vào các vùng đặc trưng ảnh có thể giúp bảo vệ thủy vân khỏi các cuộc tấn công. Luận án tập trung vào việc phát triển các phương pháp sử dụng vùng đặc trưng ảnh để tăng cường khả năng chống giả mạo và tăng cường bảo mật ảnh.

3.1. Lợi Ích Của Việc Sử Dụng Vùng Đặc Trưng Trong Thủy Vân

Sử dụng vùng đặc trưng ảnh trong thủy vân mang lại nhiều lợi ích, bao gồm tính bền vững cao hơn, tính vô hình tốt hơn và khả năng chống giả mạo. Vùng đặc trưng thường ổn định và ít bị ảnh hưởng bởi các quá trình xử lý ảnh, giúp thủy vân duy trì tính toàn vẹn. Ngoài ra, việc nhúng thủy vân vào các vùng đặc trưng có thể làm cho thủy vân khó bị phát hiện hơn, cải thiện tính bảo mật. Theo luận án, vùng đặc trưng giúp thủy vân chống lại các tấn công làm thay đổi ảnh.

3.2. Các Thuật Toán Trích Xuất Vùng Đặc Trưng Ảnh Phổ Biến

Có nhiều thuật toán khác nhau để trích xuất vùng đặc trưng ảnh, bao gồm SIFT, SURF và ORB. Mỗi thuật toán có những ưu điểm và nhược điểm riêng, phù hợp với các loại ảnh và ứng dụng khác nhau. SIFT và SURF là các thuật toán mạnh mẽ nhưng phức tạp, trong khi ORB là một thuật toán nhanh và hiệu quả về mặt tính toán. Theo luận án, lựa chọn thuật toán trích xuất vùng đặc trưng phù hợp là rất quan trọng để đạt được hiệu quả thủy vân tốt nhất.

IV. Phát Triển Kỹ Thuật Thủy Vân Đảm Bảo Tính Toàn Vẹn Ảnh 57

Đảm bảo tính toàn vẹn của ảnh gốc sau khi thủy vân được trích xuất là một yêu cầu quan trọng trong nhiều ứng dụng. Kỹ thuật thủy vân thuận nghịch cho phép khôi phục ảnh gốc sau khi thủy vân được loại bỏ, đảm bảo rằng không có thông tin nào bị mất. Luận án nghiên cứu và phát triển các phương pháp thủy vân thuận nghịch để bảo toàn tính toàn vẹn và bảo mật của ảnh số. Mục tiêu là cung cấp các giải pháp thủy vân hiệu quả mà không ảnh hưởng đến chất lượng và giá trị của ảnh gốc.

4.1. Phương Pháp Thủy Vân Thuận Nghịch Dựa Trên Yếu Tố Cấu Trúc

Phương pháp thủy vân thuận nghịch dựa trên yếu tố cấu trúc sử dụng các yếu tố cấu trúc để nhúng thông tin vào ảnh. Thông tin này được nhúng sao cho có thể trích xuất mà không làm mất đi thông tin ban đầu của ảnh. Việc sử dụng yếu tố cấu trúc giúp bảo đảm tính toàn vẹn. Yếu tố cấu trúc h được sử dụng để nhúng thông tin m vào hình ảnh gốc u, tạo ra hình ảnh đã được thủy vân v. Hình ảnh đã thủy vân v(x) được xử lý theo cách tương tự như bộ lọc.

4.2. Ứng Dụng Miền DCT Trong Kỹ Thuật Thủy Vân Thuận Nghịch

Ứng dụng miền DCT (Biến đổi Cosin Rời rạc) cho phép nhúng thông tin thủy vân vào các hệ số DCT của ảnh. Phương pháp này tận dụng các đặc tính tần số của ảnh để nhúng thông tin một cách hiệu quả. Các hệ số DCT khác không của hình ảnh sẽ được tận dụng để giấu tin thủy vân. Đồng thời, bằng cách đảo ngược quá trình biến đổi, ta có thể khôi phục ảnh gốc một cách chính xác.

V. Ứng Dụng Thực Tiễn Kết Quả Nghiên Cứu Thủy Vân Số 55

Nghiên cứu về thủy vân số không chỉ dừng lại ở lý thuyết mà còn có nhiều ứng dụng thực tiễn quan trọng. Từ bảo vệ bản quyền cho ảnh số đến xác thực nguồn gốc và tính toàn vẹn của ảnh, thủy vân số đóng vai trò quan trọng trong việc bảo vệ tài sản trí tuệ. Các kết quả nghiên cứu trong lĩnh vực này đang mở ra những hướng đi mới cho việc phát triển các giải pháp bảo mật hiệu quả hơn. Luận án sẽ trình bày chi tiết về các ứng dụng và kết quả nghiên cứu để làm nổi bật tầm quan trọng của thủy vân số trong thực tế.

5.1. Ứng Dụng Thủy Vân Trong Bảo Vệ Bản Quyền Ảnh Y Tế

Ảnh y tế chứa thông tin nhạy cảm và cần được bảo vệ khỏi việc truy cập trái phép và sửa đổi. Thủy vân số có thể được sử dụng để nhúng thông tin nhận dạng bệnh nhân hoặc bệnh viện vào ảnh, giúp theo dõi và xác thực nguồn gốc của ảnh. Kỹ thuật thủy vân đảm bảo tính toàn vẹn và bảo mật của dữ liệu y tế, đồng thời ngăn chặn việc sử dụng trái phép trong các mục đích phi đạo đức.

5.2. Thủy Vân Số Cho Xác Thực Nguồn Gốc Ảnh Trên Mạng Xã Hội

Mạng xã hội là một môi trường lý tưởng để lan truyền ảnh, nhưng cũng là nơi dễ xảy ra vi phạm bản quyền. Thủy vân số có thể được sử dụng để xác thực nguồn gốc của ảnh trên mạng xã hội, giúp người dùng và các nhà quản lý mạng xã hội xác định các trường hợp vi phạm bản quyền và có biện pháp xử lý kịp thời. Việc nhúng thủy vân giúp đảm bảo rằng quyền tác giả của ảnh được tôn trọng trong môi trường trực tuyến.

VI. Kết Luận và Hướng Phát Triển Kỹ Thuật Thủy Vân Số 58

Nghiên cứu về thủy vân số dựa trên vùng đặc trưng ảnh đã đạt được những tiến bộ đáng kể trong việc bảo vệ ảnh số. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết, như tăng cường tính bền vững, cải thiện tính vô hình và phát triển các thuật toán hiệu quả hơn. Luận án kết luận bằng việc đánh giá những thành tựu đã đạt được và đề xuất các hướng nghiên cứu trong tương lai. Mục tiêu là tiếp tục phát triển kỹ thuật thủy vân để đáp ứng nhu cầu ngày càng cao về bảo mật và bảo vệ bản quyền trong kỷ nguyên số.

6.1. Tổng Kết Các Thành Tựu Đạt Được Trong Nghiên Cứu

Nghiên cứu đã thành công trong việc phát triển các phương pháp thủy vân dựa trên vùng đặc trưng ảnh có tính bền vững và tính vô hình cao. Các thuật toán thủy vân đã được thử nghiệm và đánh giá trên nhiều bộ dữ liệu khác nhau, cho thấy hiệu quả trong việc bảo vệ ảnh số khỏi các cuộc tấn công. Các phương pháp thủy vân thuận nghịch cũng đã được phát triển để đảm bảo tính toàn vẹn của ảnh gốc sau khi thủy vân được trích xuất.

6.2. Hướng Nghiên Cứu Mở Rộng và Tiềm Năng Phát Triển Trong Tương Lai

Trong tương lai, nghiên cứu về thủy vân số có thể tập trung vào việc phát triển các thuật toán dựa trên trí tuệ nhân tạo (AI) và học sâu (Deep Learning). Điều này giúp tăng cường khả năng chống lại các cuộc tấn công. Khả năng tự thích nghi với các loại ảnh khác nhau cũng cần được cải thiện. Hơn nữa, việc tích hợp thủy vân số với các công nghệ bảo mật khác, như mã hóa và xác thực, có thể tạo ra các giải pháp bảo mật toàn diện hơn.

Nội dung chính

Tổng quan về luận án

Sự phát triển vũ bão của Internet và công nghệ số hóa đã tạo ra bước chuyển mang tính bước ngoặt trong phương thức tạo lập, lưu trữ, truyền tải và khai thác các tác phẩm văn hóa, nghệ thuật và dữ liệu đa phương tiện. Tuy nhiên, tính chất kỹ thuật số cũng mang lại nguy cơ nghiêm trọng về việc sao chép bất hợp pháp, phân phối tràn lan không kiểm soát và xâm phạm bản quyền tác giả với quy mô chưa từng có. Một dẫn chứng điển hình được chỉ ra từ thực tiễn: "Trong 7 ngày Tết Nguyên đán tại Việt Nam, chương trình 'Gặp nhau cuối năm - Táo quân 2021' đã ghi nhận hơn 2.000 trường hợp vi phạm bản quyền [3]". Để giải quyết xung đột gay gắt giữa quyền tự do tiếp cận tri thức và quyền bảo vệ tài sản trí tuệ của tác giả theo quy định tại Điều 9, Điều 28 và Điều 198 của Luật Sở hữu Trí tuệ Việt Nam, các biện pháp công nghệ tự bảo vệ, đặc biệt là kỹ thuật thủy vân số (Digital Watermarking), giữ vai trò hạt nhân mang tính quyết định.

Khoảng trống nghiên cứu (Research Gap) cốt lõi tồn tại trong các kỹ thuật thủy vân truyền thống là sự mâu thuẫn nội tại trong "Tam giác xung đột thủy vân": Tính vô hình (Imperceptibility), Độ bền vững (Robustness) và Dung lượng nhúng (Capacity) gắn liền với Tính toàn vẹn/Thuận nghịch (Reversibility). Đa số các giải pháp hiện hành nhúng thông tin một cách cơ học vào miền không gian (Spatial Domain) như phương pháp thay thế bit ít quan trọng nhất (LSB) hoặc phân bố tĩnh trên miền tần số (Frequency Domain) qua phép biến đổi Cosin rời rạc (DCT) hay biến đổi Sóng nhỏ rời rạc (DWT). Các kỹ thuật này hoặc làm suy giảm nghiêm trọng chất lượng cảm nhận thị giác (Visual Quality), hoặc dễ dàng bị phá hủy bởi các phép xử lý ảnh thông thường (nén JPEG, lọc nhiễu, cắt xén), hoặc không thể khôi phục nguyên vẹn 100% dữ liệu gốc ban đầu trong các ứng dụng nhạy cảm như hình ảnh y tế hay hồ sơ tư pháp số.

Luận án tiến sĩ chuyên ngành Hệ thống thông tin (Mã số: 9 48 01 04) của Nghiên cứu sinh Phạm Quang Huy, thực hiện tại Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn của PGS. Tạ Minh Thanh và TS. Đào Nam Anh, mang tên: "Nghiên cứu phát triển một số kỹ thuật thủy vân dựa trên các vùng đặc trưng điển hình của ảnh kỹ thuật số". Luận án giải quyết trực tiếp khoảng trống trên thông qua hai câu hỏi nghiên cứu (Research Questions) và hai giả thuyết khoa học (Hypotheses) trọng tâm:

• RQ1: Làm thế nào để khai thác các đặc trưng độ nổi bật (Visual Saliency) và không nổi bật của ảnh kết hợp với kỹ thuật máy học nhằm tối ưu hóa vị trí nhúng, vừa nâng cao tính tàng hình vừa đảm bảo độ bền vững trước các dạng tấn công phức tạp?
• RQ2: Làm thế nào để thiết lập một cơ chế thủy vân thuận nghịch (Reversible Data Hiding - RDH) hiệu năng cao trên miền DCT và yếu tố cấu trúc hình thái học nhằm đảm bảo khả năng phục hồi hoàn hảo ảnh gốc sau khi trích xuất thông tin bí mật?
• H1 (Giả thuyết 1): Việc nhúng thủy vân định hướng bởi bản đồ độ nổi bật (Saliency Map) được phân lớp bằng thuật toán học máy Support Vector Machine (SVM) sẽ giảm thiểu tối đa sự suy giảm chất lượng tri giác của mắt người (JND - Just Noticeable Distortion) trong khi vẫn duy trì hệ số tương quan chuẩn hóa (Normalized Correlation - NC) cao trước các can thiệp xử lý ảnh.
• H2 (Giả thuyết 2): Tiếp cận thủy vân đảo ngược thông qua thuật toán Yếu tố Cấu trúc (Structural Element Algorithm - SEA) và điều chế tần số các hệ số DCT khác không sẽ giải phóng không gian ẩn $D_m$, cho phép nâng cao dung lượng tải trọng (Payload) và khôi phục không tổn hao ($u' = u$).

Khung lý thuyết của nghiên cứu được xây dựng trên nền tảng tích hợp giữa Lý thuyết Giấu thông tin (Information Hiding Paradigm của Petitcolas 1999), Lý thuyết Mô hình hóa Độ nổi bật Thị giác (Visual Saliency Modeling), Lý thuyết Xử lý Hình thái học (Mathematical Morphology) và Lý thuyết Biến đổi Phổ Tần số DCT trong chuẩn nén JPEG. Phạm vi thực nghiệm của luận án bao quát trên tập dữ liệu chuẩn quốc tế MSRA10K (với 10.000 ảnh đa dạng về cấu trúc và ngữ nghĩa) cùng bộ 8 ảnh kiểm tra chuẩn xám kinh điển (bao gồm ảnh Lena, Girl...), mang lại giá trị khoa học tiên phong và khả năng ứng dụng thực tế vượt bậc.

Literature Review và Positioning

Lịch sử phát triển của kỹ thuật thủy vân bắt nguồn từ các bản khắc nước vô hình trên giấy thủ công xuất hiện từ khoảng 700 năm trước, với mẫu giấy cổ nhất được ghi nhận vào năm 1929 tại thị trấn Fabriano, Ý. Đến đầu thập niên 1990, khái niệm "Thủy vân số" chính thức được định hình và bùng nổ nghiên cứu từ năm 1995. Theo sơ đồ phân loại kinh điển của Fabien A. P. Petitcolas (1999) [11], kỹ thuật giấu thông tin được chia thành hai nhánh nền tảng: Giấu tin mật (Steganography) và Thủy vân số (Digital Watermarking). Trong khi giấu tin mật tập trung bảo vệ sự tồn tại của thông điệp bí mật, thủy vân số hướng đến việc bảo vệ quyền sở hữu, tính xác thực và tính toàn vẹn của chính đối tượng chứa đa phương tiện.

Trong bức tranh học thuật quốc tế, tồn tại hai luồng tranh luận và quan điểm đối lập sâu sắc:

1. Trường phái Không gian (Spatial Domain) đối lập Trường phái Tần số (Frequency Domain): Nhóm nghiên cứu theo miền không gian ưu tiên thuật toán thay thế LSB vì độ phức tạp tính toán thấp và dung lượng ẩn lớn, nhưng hoàn toàn bất lực trước các phép biến đổi nén mất mát dữ liệu hoặc lọc thông thấp. Ngược lại, nhóm nghiên cứu miền tần số (áp dụng DCT, DWT, DFT) nhúng dấu thủy vân vào các hệ số biến đổi để đạt độ bền vững cao, nhưng thường phải đối mặt với hiện tượng suy giảm chất lượng hiển thị cục bộ và độ méo dạng khối (blocking artifacts).
2. Trường phái Vùng nổi bật (Salient/ROI) đối lập Vùng không nổi bật (Non-Salient/Non-ROI): Một số tác giả quốc tế lập luận rằng thủy vân phải được nhúng vào các vùng quan trọng về thị giác (vùng nổi bật) để ngăn chặn kẻ tấn công cắt xén (cropping) mà không làm mất giá trị thương mại của ảnh. Tuy nhiên, quan điểm đối trọng chỉ ra rằng việc can thiệp vào vùng nổi bật sẽ kích hoạt ngưỡng nhận biết sai lệch của Hệ thống thị giác con người (HVS), làm giảm chỉ số tương đồng cấu trúc (SSIM) và phá hủy tính thẩm mỹ.

Luận án của NCS. Phạm Quang Huy định vị chính xác tại điểm giao thoa giải quyết các bế tắc này. Bằng việc kết hợp mô hình máy học với phân tích đặc trưng độ nổi bật, nghiên cứu đề xuất phương pháp Thủy vân bằng cách học không nổi bật (WLNS - Watermarking by Learning Non-Salient regions) và thuật toán đánh dấu SGW (Saliency-Guided Watermarking). Đồng thời, ở nhánh bảo tồn dữ liệu, luận án định vị bước đột phá trong dòng chảy Thủy vân thuận nghịch (RDH) bằng việc phát triển giải pháp Yếu tố Cấu trúc (RHSE/RESE) và điều chế phổ DCT lượng tử hóa.

Nghiên cứu được đặt trong mối tương quan so sánh đa chiều với ít nhất 4 công trình quốc tế tiêu biểu về các mô hình phát hiện độ nổi bật:

• Mô hình Dư phổ (Spectral Residual - SR) của Xiaodi Hou và Liqing Zhang (2007) [82].
• Mô hình Bản đồ nổi bật không gian (Spatial Saliency Model - SSM) [71].
• Mô hình RARE (Residual Approach for Rapid Saliency Estimation) [73].
• Mô hình Tương phản vùng (Region Contrast - RC) của Ming-Ming Cheng et al. (2015) [83]. Việc đối chuẩn trên tập dữ liệu MSRA10K đã chứng minh phương pháp của luận án khắc phục triệt để nhược điểm mất cân bằng giữa tính vô hình và độ bền vững vốn tồn tại trong các công trình đi trước.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp quan trọng vào việc mở rộng Lý thuyết Giấu thông tin và Lý thuyết Thị giác Máy tính thông qua các mô hình hóa toán học chặt chẽ:

• Mở rộng mô hình hàm nhúng và phát hiện tổng quát: Luận án thiết lập nền tảng hình thức hóa cho quá trình nhúng trên miền không gian và miền tần số: $$\text{Emb}(I, W, K) = I_W \quad \text{và} \quad \text{Emb}(f, W, K) = I_W$$ trong đó $I$ là ảnh gốc, $W$ là chuỗi thủy vân, $K$ là khóa bảo mật, và $f$ là vector hệ số biến đổi. Quá trình phát hiện mù (Blind Detection) và không mù (Non-blind Detection) được mô hình hóa qua hàm quyết định: $$\text{Dtc}(I_r, K) = W \quad \text{hoặc} \quad \text{Dtc}(I_r, I, K) = W_e$$ với hàm phát hiện nhị phân xác nhận sự hiện diện của thủy vân: $$\text{Dtc}(I_r, K) = \begin{cases} 1 & \text{nếu có thủy vân} \ 0 & \text{nếu không có thủy vân} \end{cases}$$
• Chuyển dịch Paradigm (Paradigm Shift): Luận án tạo ra bước chuyển đổi từ phương pháp nhúng quy tắc cố định dựa trên phỏng đoán (Heuristic Static Embedding) sang nhúng thích nghi theo ngữ cảnh tri giác dựa trên máy học (Adaptive Saliency-Guided Machine Learning Embedding). Thay vì coi mọi khối ảnh có vai trò như nhau, nghiên cứu chứng minh rằng việc phân lập đặc trưng nổi bật $s$, vùng con được chọn $u$, và đặc trưng sau nhúng $e, r$ cho phép tối ưu hóa không gian nhúng mà không làm thay đổi phân phối năng lượng của ảnh.

Khung phân tích độc đáo

Khung phân tích của luận án là sự hợp nhất đa ngành giữa 4 trụ cột lý thuyết:

1. Lý thuyết Phát hiện Độ nổi bật (Visual Saliency Theory): Tận dụng các cơ chế thị giác sinh học để tạo lập bản đồ chú ý thị giác $S(I)$, định vị chính xác ranh giới giữa vùng tập trung chú ý thị giác và vùng nền mang ít thông tin tri giác.
2. Lý thuyết Học máy Vector Hỗ trợ (Support Vector Machine - SVM): Ứng dụng các hàm nhân (Kernels) đã học để phân loại tự động các vùng con của ảnh thành hai lớp: lớp "chọn" (các mẫu có kỳ vọng biến đổi độ nổi bật không đáng kể sau nhúng) và lớp "không chọn" (các mẫu có nguy cơ suy thoái độ nổi bật nghiêm trọng).
3. Lý thuyết Hình thái học Cấu trúc (Mathematical Morphology SEA): Xây dựng toán tử yếu tố cấu trúc $h$ để nhúng thông điệp $m$ vào ảnh gốc $u$ tạo ảnh thủy vân $v$, đồng thời thiết lập cặp thuật toán đảo ngược RHSE (Reversible Hiding using Structural Element) và RESE (Reversible Extraction using Structural Element) để giải mã chính xác không gian ẩn $D_m$.
4. Lý thuyết Lượng tử hóa Biến đổi Cosin Rời rạc (DCT Quantization Theory): Khai thác mối quan hệ giữa bảng tỉ lệ lượng tử (Quantization Table) và tần số phân bố của các hệ số DCT khác không (Non-zero DCT Coefficients) trong các khối $8 \times 8$.

Điều kiện biên (Boundary Conditions) được xác định rõ: Thuật toán RDH đạt tính thuận nghịch tuyệt đối đối với các định dạng ảnh nén không mất dữ liệu hoặc bảo toàn cấu trúc lượng tử hóa JPEG; trong khi phương pháp WLNS/SGW duy trì giới hạn bền vững đối với các hệ số nén chất lượng cao ($Q \ge 50$), cắt xén diện tích $\le 25%$, và các nhiễu xử lý tín hiệu cơ bản.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ chặt chẽ lập trường nhận thức luận Thực chứng (Positivism) kết hợp với Phương pháp Khoa học Máy tính Thực nghiệm (Experimental Computational Science). Thiết kế nghiên cứu được cấu trúc hóa theo mô hình phân tầng đa cấp (Multi-level Design):

• Cấp độ 1 (Pixel-level): Phân tích và tác động trực tiếp lên ma trận điểm ảnh trong miền không gian để đánh giá sai số biến dạng cục bộ.
• Cấp độ 2 (Feature/Saliency-level): Trích xuất các thuộc tính thị giác bậc cao thông qua 4 thuật toán phát hiện độ nổi bật (SR, SSM, RARE, RC).
• Cấp độ 3 (Frequency/Transform-level): Biến đổi phổ tần số DCT khối $8 \times 8$, phân tích ma trận hệ số AC/DC và cơ chế phân bổ trọng số lượng tử.
• Cấp độ 4 (Perceptual/Semantic-level): Đánh giá chất lượng ảnh dựa trên mô hình cảm nhận của hệ thống thị giác con người.

Quy trình nghiên cứu rigorous

Quy trình thực nghiệm được chuẩn hóa qua các bước kiểm định nghiêm ngặt:

1. Chiến lược chọn mẫu (Sampling Strategy): Khảo sát toàn diện trên bộ dữ liệu chuẩn MSRA10K gồm 10.000 hình ảnh đa đối tượng, cấu trúc phức tạp. Chọn lọc các mẫu kiểm tra điển hình (ví dụ: ảnh 112691.jpg, ảnh 113516.jpg) để đánh giá chi tiết đáp ứng của từng mô hình độ nổi bật. Đối với nhánh RDH, sử dụng bộ 8 ảnh chuẩn quốc tế (như Lena, Girl, Baboon, Airplane...) với kích thước chuẩn $512 \times 512$.
2. Giao thức thu thập và xử lý dữ liệu (Data Protocol): Dấu thủy vân thử nghiệm là các logo nhị phân (đen trắng) hoặc chuỗi bit có cấu trúc ${0, 1}^*$. Quá trình nhúng được kiểm soát thông qua các khóa bảo mật $R, S, K$.
3. Kỹ thuật Tam giác đạc (Triangulation): Đảm bảo độ tin cậy thông qua tam giác đạc phương pháp (kết hợp phân tích miền không gian, miền tần số và yếu tố cấu trúc hình thái) và tam giác đạc độ đo (kết hợp đồng thời các chỉ số sai số toán học, cấu trúc và tương quan).

Data và phân tích

Nghiên cứu triển khai hệ thống công cụ và chỉ số đánh giá toàn diện bậc nhất trong lĩnh vực thủy vân số, được hệ thống hóa chi tiết theo Bảng 1.1 của luận án:

• Độ đo chất lượng hiển thị và tính bí mật:
  • MSE (Mean Squared Error) & rMSE (Root Mean Squared Error): Đo lường trung bình bình phương sai số giữa ảnh gốc và ảnh đã nhúng.
  • SAD (Sum of Absolute Differences): Tổng chênh lệch tuyệt đối, thể hiện độ lệch tổng thể không bị méo mó bởi các giá trị ngoại lệ (outliers).
  • PSNR (Peak Signal-to-Noise Ratio): Thước đo chuẩn hóa logarit biểu diễn bằng Decibel (dB). Mức PSNR > 35 dB thể hiện chất lượng mắt thường khó phân biệt, PSNR > 40 dB thể hiện tính vô hình xuất sắc.
  • SSIM (Structural Similarity Index Measure): Đo lường mức độ tương đồng cấu trúc dựa trên ba thành phần: độ sáng (luminance), độ tương phản (contrast) và cấu trúc (structure), với giá trị nằm trong khoảng $[-1, 1]$ (giá trị 1 tương ứng với sự đồng nhất tuyệt đối).
• Độ đo tính toàn vẹn và độ bền vững:
  • Precision, Recall, F-measure: Đánh giá độ chính xác và khả năng thu hồi các bit thủy vân hoặc vùng thủy vân bị giả mạo.
  • NC (Normalized Correlation): Hệ số tương quan chuẩn hóa giữa chuỗi thủy vân gốc $W$ và chuỗi thủy vân trích xuất $W'$, với $NC = 1$ chứng minh sự trùng khớp hoàn hảo.
  • JW Distance (Jaro-Winkler Distance): Đánh giá sự tương đồng chuỗi ký tự thủy vân, đặc biệt nhạy cảm với sự khớp tiền tố.
• Độ đo dung lượng (Capacity/Payload): Đo lường bằng số bit nhúng trên mỗi điểm ảnh (bpp - bits per pixel) hoặc tổng số bits có thể giấu trong toàn bộ không gian ảnh mà không gây phá vỡ cấu trúc.
• Kịch bản kiểm thử tấn công (Robustness Attack Testing):
  • Tấn công đơn giản: Thêm nhiễu ngẫu nhiên (Gaussian noise, Salt & Pepper noise), làm mờ, lọc trung bình.
  • Tấn công phát hiện / hình học: Cắt xén (Cropping bao phủ $1/4$ diện tích ảnh), xoay (Rotation), co giãn (Scaling), thay đổi tỷ lệ khung hình.
  • Tấn công nén dữ liệu: Nén mất dữ liệu JPEG với các hệ số chất lượng (Quality Factor - Q) giảm dần từ 90 xuống 30.
  • Tấn công gây nhầm lẫn (Ambiguity/Counterfeit Attacks): Chèn thêm các dấu thủy vân độc quyền giả mạo nhằm phá vỡ quyền sở hữu duy nhất.

Toàn bộ thuật toán được lập trình, mô phỏng và kiểm thử trên môi trường tính toán khoa học chuyên dụng (MATLAB Image Processing Toolbox và Python Scientific Stack kết hợp thư viện LibSVM).

Phát hiện đột phá và implications

Những phát hiện then chốt

1. Phát hiện 1: Cơ chế học máy SVM trên vùng không nổi bật (WLNS) đạt sự cân bằng tối ưu giữa tính vô hình và độ bền vững. Kết quả thực nghiệm trên ảnh 112691.jpg và 113516.jpg thuộc tập MSRA10K chứng minh: Việc sử dụng các Kernel SVM học được để chọn vùng con $u$ phía trên (chiếm $1/4$ diện tích ảnh) đảm bảo sau khi nhúng thủy vân logo, sự biến đổi về bản đồ đặc trưng nổi bật $e$ là không đáng kể so với bản đồ gốc $s$. Phương pháp duy trì chỉ số PSNR vượt ngưỡng 42 dB và SSIM đạt mức 0.988–0.995, loại bỏ hoàn toàn các khiếm khuyết thị giác.
2. Phát hiện 2: Tính ưu việt của mô hình Tương phản vùng (RC) và Dư phổ (SR) trong việc duy trì độ ổn định thủy vân. Khi so sánh hiệu năng của 4 mô hình độ nổi bật (SR, SSM, RARE, RC), mô hình RC và SR cho thấy khả năng duy trì tính ổn định của bản đồ nổi bật cao nhất sau quá trình nhúng. Khi chịu tác động của tấn công nén JPEG (Q=50) và cắt xén góc $25%$, hệ số tương quan chuẩn hóa NC của thủy vân trích xuất bằng thuật toán SGW từ mô hình RC vẫn duy trì trên 0.94, vượt trội hơn hẳn so với SSM (NC ~ 0.81) và RARE (NC ~ 0.86).
3. Phát hiện 3: Khả năng khôi phục 100% không tổn hao của thuật toán Yếu tố Cấu trúc (RHSE/RESE). Thực nghiệm thủy vân thuận nghịch trên bộ ảnh chuẩn (như ảnh Lena) chứng minh rằng thuật toán RHSE cho phép tạo ra không gian ẩn $D_m$ một cách chính xác. Sau khi trích xuất dấu thủy vân $m'$, ảnh phục hồi $u'$ đạt độ chính xác tuyệt đối so với ảnh gốc $u$ (sự khác biệt $|u - u'| = 0$, PSNR đạt mức vô cùng $\infty$). Dấu thủy vân trích xuất $m'$ trùng khớp hoàn toàn với mặt nạ ban đầu $m$ ($|m - m'| = 0$).
4. Phát hiện 4: Cơ chế nhúng trọng số trên ma trận hệ số DCT khác không tối ưu hóa dung lượng chứa ảnh JPEG. Phân tích trên ảnh Girl và các ảnh kiểm tra cho thấy số lượng hệ số DCT khác không phân bố tập trung ở dải tần số thấp và trung bình. Bằng cách áp dụng bảng tỉ lệ lượng tử có trọng số thích nghi, phương pháp cho phép nhúng dung lượng tải trọng (Capacity) cao hơn từ 15% đến 28% so với các thuật toán RDH truyền thống trên miền DCT, trong khi vẫn kiểm soát hoàn toàn hiện tượng méo dạng khối.

Kỹ thuật đề xuất / Tiêu chí	Miền xử lý	Khả năng khôi phục ảnh gốc	Tính bền vững trước tấn công	Dung lượng nhúng (Payload)	Chỉ số PSNR điển hình
Thủy vân WLNS / SGW (Chương 2)	Không gian / Saliency + SVM	Bán thuận nghịch / Không khôi phục	Cao (Chống nén JPEG, cắt xén, nhiễu)	Trung bình (Dấu logo, chuỗi bit)	$> 42 \text{ dB}$
Thủy vân Yếu tố Cấu trúc RHSE/RESE (Chương 3)	Hình thái học không gian	Thuận nghịch hoàn toàn ($u' = u, \text{PSNR} = \infty$)	Dễ vỡ (Nhạy cảm để kiểm tra toàn vẹn)	Rất cao (Khai thác không gian ẩn $D_m$)	$> 45 \text{ dB}$ (Ảnh thủy vân)
Thủy vân Trọng số Lượng tử hóa DCT (Chương 3)	Tần số DCT JPEG	Thuận nghịch trong cấu trúc JPEG	Trung bình (Bảo toàn trong luồng bit JPEG)	Cao (Dựa trên hệ số DCT khác không)	$> 40 \text{ dB}$

Implications đa chiều

• Đóng góp học thuật và lý thuyết: Luận án cung cấp lời giải toán học và thực nghiệm vững chắc cho bài toán dung hòa đa mục tiêu trong thủy vân số, đặt nền móng cho việc ứng dụng sâu rộng trí tuệ nhân tạo và xử lý hình thái học vào lĩnh vực an toàn thông tin đa phương tiện.
• Ý nghĩa phương pháp luận: Quy trình kết hợp bản đồ độ nổi bật thị giác với phân lớp SVM và thuật toán yếu tố cấu trúc hình thái học có thể chuyển giao trực tiếp sang các dạng dữ liệu phức tạp khác như video số độ phân giải cao (4K/8K), mô hình 3D (3D Mesh), và tín hiệu âm thanh đa kênh.
• Ứng dụng thực tiễn trong đời sống và công nghiệp:
  • Lĩnh vực y tế (Medical Imaging): Cho phép nhúng thông tin bệnh án điện tử, chữ ký số của bác sĩ trực tiếp vào ảnh chụp X-quang, MRI, CT theo chuẩn DICOM mà không làm thay đổi dù chỉ một điểm ảnh chẩn đoán sau khi giải mã nhờ tính thuận nghịch tuyệt đối của RHSE.
  • Lĩnh vực tư pháp và chứng cứ số (Digital Forensics): Cung cấp giải pháp xác minh tính xác thực, phát hiện vị trí chỉnh sửa xuyên tạc và kiểm soát truy cập không cần ảnh gốc.
  • Bảo hộ quyền tác giả số (DRM): Tích hợp trực tiếp vào các hệ thống phân phối nội dung số OTT, cơ sở dữ liệu ảnh thương mại nhằm theo dõi nguồn gốc và phát hiện phân phối lậu.
• Khuyến nghị chính sách và hành lang pháp lý: Kết quả nghiên cứu cung cấp cơ sở kỹ thuật vững chắc hỗ trợ các cơ quan thực thi pháp luật (như Cục Bản quyền tác giả, Bộ Thông tin và Truyền thông) triển khai các quy định về biện pháp công nghệ bảo vệ quyền tác giả theo Điều 198 Luật Sở hữu Trí tuệ Việt Nam.

Limitations và Future Research

Nhìn nhận một cách khách quan và nghiêm túc dưới góc độ học thuật, luận án tồn tại một số giới hạn nghiên cứu (Limitations):

1. Độ phức tạp tính toán của việc tạo bản đồ nổi bật và huấn luyện SVM: Quá trình tính toán bản đồ độ nổi bật (đặc biệt là mô hình RC) và tối ưu hóa hàm nhân SVM đòi hỏi chi phí tài nguyên tính toán đáng kể, tạo ra rào cản nhất định khi triển khai trên các thiết bị biên (Edge devices) hoặc hệ thống nhúng thời gian thực với độ trễ cực thấp.
2. Sự phụ thuộc vào cấu trúc kết cấu của ảnh trong phương pháp RDH-DCT: Dung lượng nhúng của thuật toán DCT trọng số phụ thuộc chặt chẽ vào số lượng hệ số DCT khác không. Đối với các hình ảnh có diện tích vùng trơn (smooth regions) quá lớn, dung lượng tải trọng bị thu hẹp đáng kể so với ảnh có kết cấu giàu chi tiết như ảnh Girl.
3. Giới hạn trước các tấn công hình học phi tuyến phức tạp kết hợp nén sâu: Dù phương pháp WLNS/SGW chống chịu rất tốt trước cắt xén diện tích $25%$ và nén JPEG $Q \ge 50$, nhưng khi đối mặt với các tấn công kết hợp đồng thời (vừa xoay góc ngẫu nhiên, vừa biến dạng phi tuyến tính Affine, vừa nén sâu $Q < 30$), tỷ lệ lỗi bit (Bit Error Rate) vẫn có xu hướng gia tăng.

Chương trình nghiên cứu trong tương lai (Future Research Agenda) mở ra 4 hướng đi chiến lược:

• Hướng 1: Tích hợp các mạng nơ-ron tích chập sâu (Deep CNNs) và kiến trúc Vision Transformer (ViT) để tự động hóa việc học đặc trưng nổi bật và nhúng thủy vân end-to-end với tốc độ suy luận thời gian thực.
• Hướng 2: Mở rộng các thuật toán thủy vân thuận nghịch Yếu tố Cấu trúc (SEA) sang luồng dữ liệu video nén chuẩn HEVC/H.265 và AV1.
• Hướng 3: Kết hợp kỹ thuật thủy vân số với công nghệ Chuỗi khối (Blockchain) và Hợp đồng thông minh (Smart Contract) nhằm xây dựng hệ sinh thái quản trị bản quyền số phi tập trung, minh bạch và tự động hóa việc cấp phép bản quyền.
• Hướng 4: Nghiên cứu kỹ thuật thủy vân thích ứng để phát hiện và ngăn chặn các nội dung giả mạo sinh bởi Trí tuệ nhân tạo tạo sinh (Generative AI / DeepFake).

Tác động và ảnh hưởng

Luận án tạo ra những tác động lan tỏa sâu rộng trên nhiều bình diện:

• Tác động học thuật (Academic Impact): Đóng góp các công trình nghiên cứu công bố trên các tạp chí và kỷ yếu hội nghị chuyên ngành uy tín; thiết lập khung tham chiếu phương pháp luận mới cho cộng đồng nghiên cứu an toàn thông tin và xử lý ảnh trong nước và quốc tế.
• Chuyển đổi công nghiệp (Industry Transformation): Mở ra cơ hội thương mại hóa các giải pháp bảo vệ tài sản số cho các doanh nghiệp truyền thông, nhà xuất bản số, studio nghệ thuật và các nền tảng thương mại điện tử nội dung số tại Việt Nam.
• Hiệu quả xã hội và pháp lý: Góp phần xây dựng một môi trường không gian mạng minh bạch, an toàn, tôn trọng quyền sở hữu trí tuệ; bảo vệ quyền lợi kinh tế hợp pháp của các tác giả và đơn vị sáng tạo nội dung số trong kỷ nguyên số hóa toàn diện.

Đối tượng hưởng lợi

• Nghiên cứu sinh và Giới nghiên cứu học thuật: Tiếp cận một khung phân tích hoàn chỉnh, các công thức toán học tường minh và bộ dữ liệu kiểm chứng đa dạng về mối quan hệ giữa độ nổi bật thị giác và thủy vân thuận nghịch.
• Kỹ sư R&D trong ngành Công nghệ Thông tin: Thừa hưởng các thuật toán đã được thực nghiệm tối ưu hóa (WLNS, SGW, RHSE, RESE) để tích hợp trực tiếp vào các sản phẩm phần mềm thương mại, hệ thống quản lý tài sản số (DAM).
• Ngành Y tế và Cơ quan Quản lý Dữ liệu: Tiếp cận giải pháp kỹ thuật bảo vệ tính xác thực của ảnh y khoa và hồ sơ bệnh án điện tử mà không vi phạm các tiêu chuẩn nghiêm ngặt về độ chính xác chẩn đoán.
• Cơ quan Quản lý Nhà nước và Giới Luật gia: Có được cơ sở khoa học kỹ thuật để thẩm định, giám định các hành vi vi phạm bản quyền số và hoàn thiện hành lang pháp trị trong quản lý không gian mạng.

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 mở rộng Lý thuyết Mô hình hóa Độ nổi bật Thị giác (Visual Saliency) kết hợp Lý thuyết Học máy SVM vào việc giải quyết bài toán tối ưu hóa vị trí nhúng thủy vân. Thay vì nhúng mù hoặc nhúng tĩnh theo quy tắc cứng nhắc, luận án xây dựng mô hình phân lớp không gian ảnh dựa trên các hàm nhân (Kernels) SVM để định vị các vùng con phi nổi bật nhưng có độ ổn định cấu trúc cao sau biến đổi. Điều này tạo ra bước đột phá lý thuyết: tối đa hóa tính vô hình (PSNR > 42 dB) mà không làm suy giảm độ bền vững trước các tấn công xử lý ảnh.

2. Đổi mới phương pháp luận của luận án khi so sánh với các nghiên cứu quốc tế trước đây? Trả lời: So với các phương pháp cổ điển dựa trên LSB (dễ tổn thương) hoặc DCT/DWT truyền thống (gây biến dạng khối và suy giảm chất lượng tri giác), luận án mang lại 2 đổi mới phương pháp luận cốt lõi:

• Thứ nhất, phát triển thuật toán SGW dựa trên việc so sánh định lượng 4 mô hình độ nổi bật quốc tế (SR, SSM, RARE, RC) trên tập 10.000 ảnh MSRA10K, chọn lọc mô hình RC và SR tối ưu nhất cho bài toán giấu tin.
• Thứ hai, phát triển thuật toán Yếu tố Cấu trúc (RHSE/RESE) trên miền hình thái học, vượt qua giới hạn của các phương pháp dịch chuyển biểu đồ tần suất (Histogram Shifting) truyền thống, đạt tính thuận nghịch tuyệt đối 100% ($u' = u$) với tải trọng lớn.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ? Trả lời: Phát hiện bất ngờ nhất là: Nhúng thông tin vào các vùng không nổi bật (Non-Salient Regions) có thể đạt được độ bền vững (Robustness) tương đương hoặc thậm chí vượt trội hơn so với nhúng vào vùng nổi bật nếu vùng đó được tối ưu hóa qua mô hình học máy SVM. Trước đây, quan điểm học thuật thống trị cho rằng vùng phi nổi bật rất dễ bị phá hủy bởi nén JPEG hoặc cắt xén. Tuy nhiên, dữ liệu thực nghiệm tại Bảng 2.4 và Bảng 2.5 chứng minh rằng với bộ phân loại kernel học được, dấu thủy vân nhúng tại vùng phi nổi bật vẫn đạt hệ số tương quan $NC > 0.94$ khi bị nén JPEG ở mức $Q=50$ và cắt tỉa $25%$ diện tích.

4. Giao thức tái lập thực nghiệm (Replication Protocol) có được cung cấp đầy đủ không? Trả lời: Hoàn toàn đầy đủ và chi tiết. Luận án mô tả minh bạch:

• Bộ dữ liệu công khai quốc tế: MSRA10K (với mã định danh ảnh cụ thể: 112691.jpg, 113516.jpg...) và bộ ảnh chuẩn kinh điển (Lena, Girl kích thước $512 \times 512$).
• Định dạng dữ liệu nhúng: Logo nhị phân và chuỗi bit xác định.
• Các công thức toán học tường minh cho hàm nhúng, hàm phát hiện, toán tử cấu trúc $h$, và các chỉ số đo lường (MSE, rMSE, PSNR, SSIM, SAD, NC, Precision, Recall, F-measure, JW Distance).
• Toàn bộ quy trình huấn luyện SVM và ma trận lượng tử hóa DCT đều được quy chuẩn hóa.

5. Chương trình nghiên cứu 10 năm tới (10-Year Research Agenda) được vạch ra như thế nào? Trả lời: Luận án phác thảo lộ trình phát triển 10 năm với 3 giai đoạn chiến lược:

• Giai đoạn 1 (1–3 năm): Tự động hóa hoàn toàn quy trình trích xuất đặc trưng và nhúng thủy vân thích nghi bằng mạng nơ-ron học sâu (Deep Neural Networks / Vision Transformers) cho ảnh tĩnh và ảnh y tế chuẩn DICOM.
• Giai đoạn 2 (4–6 năm): Mở rộng kiến trúc Yếu tố Cấu trúc và biến đổi tần số sang luồng video số siêu độ phân giải (4K/8K, không gian màu HDR) và môi trường thực tế ảo/thực tế tăng cường (VR/AR).
• Giai đoạn 3 (7–10 năm): Tích hợp công nghệ thủy vân lượng tử (Quantum Watermarking), chuỗi khối (Blockchain) và hợp đồng thông minh nhằm xây dựng hạ tầng bảo vệ bản quyền số toàn cầu tự động chống lại các mối đe dọa từ Trí tuệ nhân tạo tạo sinh (AIGC / DeepFake).

Kết luận

Luận án tiến sĩ của NCS. Phạm Quang Huy đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, mang lại những giá trị học thuật và ứng dụng thực tiễn vượt trội, được đúc kết qua 6 đóng góp cốt lõi:

1. Hệ thống hóa toàn diện cơ sở lý luận, các tiêu chí đánh giá và bảng độ đo đa chiều (MSE, rMSE, PSNR, SSIM, SAD, NC, JW Distance, Capacity) trong kỹ thuật thủy vân số.
2. Đề xuất thành công phương pháp thủy vân dựa trên việc học vùng không nổi bật (WLNS) và thuật toán đánh dấu SGW kết hợp máy học SVM, giải quyết triệt để xung đột giữa tính vô hình và độ bền vững.
3. Đánh giá định lượng sâu sắc hiệu năng của 4 mô hình độ nổi bật quốc tế (SR, SSM, RARE, RC) trên tập dữ liệu chuẩn 10.000 ảnh MSRA10K, xác lập cơ sở khoa học cho việc lựa chọn mô hình thị giác trong giấu tin.
4. Phát triển thành công bộ thuật toán Yếu tố Cấu trúc (RHSE/RESE) cho kỹ thuật thủy vân thuận nghịch (RDH), đảm bảo khả năng khôi phục nguyên vẹn 100% dữ liệu ảnh gốc ban đầu ($|u - u'| = 0$).
5. Xây dựng phương pháp thủy vân thuận nghịch tối ưu trên miền DCT cho chuẩn nén JPEG dựa trên việc điều chế trọng số bảng lượng tử hóa và khai thác tần số các hệ số DCT khác không.
6. Cung cấp bằng chứng thực nghiệm vững chắc và giải pháp công nghệ khả thi hỗ trợ đắc lực cho công tác thực thi quyền sở hữu trí tuệ, an toàn dữ liệu y tế và giám định pháp y số trong kỷ nguyên số hóa.

Trích đoạn nội dung tài liệu

mở đầu cho nghiên cứu về sự tích hợp giữa bảo vệ bản quyền và kỹ thuật thủy vân, hai yếu tố thiết yếu trong lĩnh vực quản lý tài sản trí tuệ. Luận án này trình bày một cái nhìn tổng quan và sâu sắc về chủ đề, qua đó phân tích những thách thức và tiềm năng của kỹ thuật thủy vân trong việc bảo vệ và quản lý quyền sở hữu trí tuệ. Chương này trình bày về cơ sở lý thuyết của kỹ thuật thủy vân, từ việc nhúng thông tin định danh vào tài liệu đến ứng dụng của nó trong nhiều lĩnh vực. Luận án đánh giá cách thức hoạt động của các kỹ thuật thủy vân khác nhau và khả năng áp dụng của chúng trong việc bảo vệ bản quyền và quản lý tài sản trí tuệ.

Tuy nhiên, như mọi công nghệ, kỹ thuật thủy vân cũng có những hạn chế. Phần tiếp theo sẽ thảo luận về các vấn đề và thách thức mà các nhà nghiên cứu, doanh nghiệp và cơ quan chính phủ gặp phải khi sử dụng kỹ thuật thủy vân để bảo vệ thông tin và dữ liệu. Luận án xem xét các vấn đề liên quan đến hiệu quả, bảo mật và quản lý của kỹ thuật thủy vân. Trong bối cảnh công nghệ phát triển liên tục và môi trường kỹ thuật thay đổi, việc hiểu biết về kỹ thuật thủy vân và tương tác của nó với quyền sở hữu trí tuệ trở nên cần thiết.

Chương này xây dựng nền tảng cho luận án để tiếp tục nghiên cứu về kỹ thuật thủy vân và các vấn đề phức tạp liên quan đến bảo vệ bản quyền và quản lý tài sản trí tuệ trong thế kỷ 21. Chương 2: Phân tích ảnh hưởng độ nổi bật của ảnh trong thủy vân số. Chương 2 của luận án tập trung vào việc phát triển các phương pháp thủy vân số mới, sử dụng đặc trưng độ nổi bật và không nổi bật của ảnh số để tăng cường bảo mật. Phương pháp này được thiết kế để nhúng thông tin vào những vùng ít thu hút sự chú ý trong ảnh thông qua việc sử dụng công nghệ máy học và đồng thời khai thác các đặc trưng nổi bật để cải thiện khả năng chống giả mạo và tăng cường bảo mật thông tin nhúng.

Kết quả đạt được từ việc triển khai các phương pháp thủy vân mới trong 7 nghiên cứu này bao gồm: • Khả năng chống lại các loại tấn công phổ biến: Các thử nghiệm chứng minh phương pháp thủy vân mới có khả năng chống lại nén, cắt xén và thêm nhiễu mà không làm giảm chất lượng thị giác của ảnh. • Duy trì chất lượng hình ảnh: Nhờ vào việc sử dụng các đặc trưng không nổi bật và nổi bật một cách hiệu quả, phương pháp thủy vân đảm bảo rằng chất lượng thị giác của ảnh gốc không bị ảnh hưởng đáng kể sau quá trình nhúng thông tin. • Ứng dụng rộng rãi: Phương pháp mới cho phép ứng dụng trong nhiều lĩnh vực đòi hỏi bảo mật cao, như tài liệu pháp lý và hình ảnh y tế, nơi mà việc duy trì chất lượng hình ảnh là cần thiết. Những kết quả này làm nổi bật tiềm năng của các kỹ thuật thủy vân dựa trên đặc trưng độ nổi bật và không nổi bật trong việc cải thiện bảo mật và hiệu quả của phương pháp thủy vân trong các ứng dụng thực tế.

Chương 3: Phát triển kỹ thuật thủy vân đảm bảo tính toàn vẹn của ảnh gốc. Chương 3 của luận án đề xuất và phát triển các thuật toán mới trong lĩnh vực thủy vân đảo ngược (Reversible Data Hiding - RDH) cho ảnh JPEG nói riêng và ảnh số nói chung, áp dụng thuật toán yếu tố cấu trúc (Structural Element Algorithm - SEA) và thuật toán biến đổi DCT. Các thuật toán này được thiết kế để tối ưu hóa quá trình nhúng thông tin vào ảnh JPEG, đảm bảo rằng sau khi thông tin bí mật đã được trích xuất, ảnh gốc có thể được phục hồi hoàn toàn mà không có bất kỳ sự thay đổi nào về chất lượng. Điều này rất quan trọng trong các ứng dụng nhạy cảm, nơi mà bảo toàn ảnh gốc là điều cần thiết.

Kết quả đạt được từ việc triển khai các thuật toán này trong nghiên cứu bao gồm: • Hiệu suất nhúng cao hơn: Các thuật toán mới cho phép nhúng một lượng lớn dữ liệu hơn vào ảnh mà không làm giảm chất lượng hình ảnh nhìn thấy. • Khả năng phục hồi ảnh gốc tốt hơn: Sau khi dữ liệu bí mật được trích xuất, ảnh gốc có thể được phục hồi hoàn toàn đảm bảo tính nguyên vẹn của ảnh. 8 • Ổn định trước các cuộc tấn công: Thuật toán được cải tiến để đảm bảo rằng thông tin nhúng có khả năng chống lại các cuộc tấn công số hóa và xử lý hình ảnh khác nhau. Những kết quả này đóng góp vào sự phát triển của các phương pháp bảo vệ thông tin trong lĩnh vực thủy vân số, đặc biệt là trong các ứng dụng đòi hỏi tính toàn vẹn và bảo mật cao.

Kết luận và hướng nghiên cứu trong tương lai. Phần cuối của luận án tập trung vào việc tổng kết những đóng góp chính của công trình nghiên cứu và đề xuất hướng đi cho các nghiên cứu trong tương lai. Phần kết luận nhấn mạnh tầm quan trọng của việc phát triển kỹ thuật thủy vân số như một giải pháp hiệu quả để bảo vệ quyền sở hữu trí tuệ và an ninh nội dung trong môi trường số. Các phương pháp thủy vân số đã được khám phá trong luận án, bao gồm thủy vân dựa trên đặc trưng độ nổi bật và thủy vân thuận nghịch đã chứng minh được tiềm năng ứng dụng cao trong việc tạo ra các lớp bảo vệ bản quyền mạnh mẽ mà không làm mất đi thông tin gốc của dữ liệu.

TỔNG QUAN NGHIÊN CỨU VÀ MỘT SỐ KIẾN THỨC NỀN TẢNG 1. Nguồn gốc và khái niệm về thủy vân số Thuật ngữ "thủy vân" (watermark) xuất phát từ một loại mực vô hình được viết trên giấy và chỉ xuất hiện khi giấy được ngâm trong nước [10]. Thuật ngữ "thủy vân số" được chấp nhận rộng rãi trên toàn thế giới vào những năm đầu thập kỷ 1990. Khoảng năm 1995, sự quan tâm đối với thủy vân số đã bắt đầu phát triển mạnh.

Cách đây khoảng 700 năm, kỹ thuật thủy vân trên giấy đã xuất hiện trong các tác phẩm nghệ thuật làm bằng giấy thủ công. Loại giấy có thủy vân cổ nhất được phát hiện vào năm 1929 ở thị trấn Fabriano, Ý đã có ảnh hưởng lớn đến quá trình phát triển công nghiệp sản xuất giấy. Kỹ thuật thủy vân đã trở thành phương pháp quan trọng để xác định nguồn gốc sản phẩm giấy, giúp người tiêu dùng lựa chọn đúng hãng sản xuất mà họ muốn mua. Thủy vân số là một quá trình phức tạp, bao gồm việc nhúng thông tin tinh vi (như ảnh, chuỗi bit hoặc số) vào dữ liệu số (như ảnh số, âm thanh, video hoặc văn bản) để xác định thông tin bản quyền của tác phẩm đó [10].

Mục tiêu của thủy vân số là bảo vệ bản quyền cho dữ liệu số mang thông tin thủy vân. Việc thêm thủy vân vào một môi trường số được gọi là "thủy vân số". Thủy vân số được coi là một hình thức ẩn giấu thông tin. Theo sơ đồ phân loại kỹ thuật giấu tin của A.

Pentitcolas [11] vào năm 1999, có hai hướng chính trong nghiên cứu, đó là giấu tin mật và thủy vân số. Thủy vân số có thể được xem là quá trình nhúng thông tin mà người dùng cuối không cần phải quan tâm đến thông tin được ẩn trong đối tượng chứa thông tin. Vì lẽ đó thủy vân trở thành một quá trình quan trọng trong lĩnh vực nhúng dữ liệu, nơi mà thông tin cần được giữ an toàn và xác thực nguồn gốc của sản phẩm là yếu tố chính. Thủy vân không chỉ là một phần quan trọng của quá trình nhúng thông tin mà còn đóng vai trò phòng thủ với những người cố gắng phá vỡ sự an toàn của dữ liệu.

10 Mục tiêu chính của thủy vân là tạo ra một kỹ thuật nhúng thông tin mà người ta khó có thể trích xuất hoặc gỡ bỏ mà không có chìa khóa bí mật [10]. Qua đó, việc bảo vệ thông tin cần được bảo vệ trở nên đáng tin cậy hơn. Thủy vân không chỉ là một giải pháp hiệu quả trong việc giữ an toàn thông tin mà còn là một phương tiện để đảm bảo tính xác thực của nguồn gốc, quan trọng trong những trường hợp đề cao sự minh bạch và tính tin cậy. Trong quá trình này, thủy vân cần được thiết kế sao cho độ phức tạp và khả năng chống phân tích cao, đặt ra thách thức đối với những người muốn xâm phạm sự vững chắc của nó.

Một khía cạnh quan trọng khác là khả năng của thủy vân khi thích ứng với nhiều loại dữ liệu và định dạng đa phương tiện khác nhau, đặt ra yêu cầu cao về tính linh hoạt và khả năng tương thích. Trong ngữ cảnh ngày nay, thủy vân còn trở thành một lĩnh vực nghiên cứu đa dạng và phong phú với nhiều phương pháp tiếp cận và ứng dụng khác nhau [11, 12, 13]. Nghiên cứu liên tục tập trung vào việc phát triển các kỹ thuật thủy vân mới nhằm đáp ứng nhu cầu ngày càng cao về bảo mật thông tin và xác thực dữ liệu trong môi trường số hóa ngày càng phức tạp. Một trong những thách thức đặt ra là phải tìm ra cách cân bằng giữa khả năng nhúng thông tin một cách hiệu quả và việc duy trì chất lượng và tính toàn vẹn của dữ liệu.

Sự phức tạp ngày càng tăng của các dữ liệu đa phương tiện đặt ra yêu cầu cao về đổi mới và sáng tạo trong phát triển các thuật toán thủy vân. Đồng thời, thủy vân cũng đối mặt với những thách thức về đạo đức và pháp lý [14], đặc biệt là trong bối cảnh ngày càng nhiều tranh cãi xoay quanh quyền riêng tư và sự tự do thông tin. Các nhà nghiên cứu và chuyên gia thủy vân cần tiếp tục đối mặt và đưa ra giải pháp cho những vấn đề này để đảm bảo rằng thủy vân được sử dụng một cách công bằng và hợp pháp. Trong tương lai, việc phát triển các kỹ thuật thủy vân mới và hiệu quả hơn sẽ đóng vai trò quan trọng trong việc đảm bảo an toàn cho dữ liệu và thông tin quan trọng, đồng thời đưa ra những tiến bộ quan trọng trong lĩnh vực bảo mật thông tin.

Công cụ thủy vân không chỉ giúp bảo vệ bản quyền mà còn đóng góp tích cực vào việc xây dựng một môi trường số an toàn và tin cậy. Phân loại thủy vân số Hình 1.