BÁO CÁO KĨ THUẬT GIẤU TIN ĐỀ TÀI: KĨ THUẬT GIẤU TIN TRONG HÌNH ẢNH DỰA TRÊN ÁNH XẠ LOGISTIC SỬ DỤNG XÁC ĐỊNH VIỀN

HỌC VIỆN KỸ THUẬT MẬT MÃ KHOA AN TOÀN THÔNG TIN BÁO CÁO KĨ THUẬT GIẤU TIN ĐỀ TÀI: KĨ THUẬT GIẤU TIN TRONG HÌNH ẢNH DỰA TRÊN ÁNH XẠ LOGISTIC SỬ DỤNG XÁC ĐỊNH VIỀN Hà Nội, 2022... Dữ liệu

HỌC VIỆN KỸ THUẬT MẬT MÃ KHOA AN TOÀN THÔNG TIN

BÁO CÁO KĨ THUẬT GIẤU TIN

ĐỀ TÀI: KĨ THUẬT GIẤU TIN TRONG HÌNH ẢNH DỰA TRÊN ÁNH XẠ LOGISTIC SỬ DỤNG XÁC ĐỊNH VIỀN

Hà Nội, 2022

HỌC VIỆN KỸ THUẬT MẬT MÃ KHOA AN TOÀN THÔNG TIN

BÁO CÁO KĨ THUẬT GIẤU TIN

ĐỀ TÀI: KĨ THUẬT GIẤU TIN TRONG HÌNH ẢNH DỰA TRÊN ÁNH XẠ LOGISTIC SỬ DỤNG XÁC ĐỊNH VIỀN

Sinh viên thực hiện:

Dương Quốc Tuấn - AT150359 Nguyễn Thị Linh - AT150331 Hoàng Thị Thuý - AT150354

Lê Gia Long - AT150332 Phan Trọng Khiêm - AT150329

Giảng viên hướng dẫn:

Giảng viên: Hoàng Thu Phương

Khoa an toàn thông tin – Học viện kỹ thuật Mật Mã

Hà Nội, 2022

MỤC LỤC 3 DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT 3

3.1 Sai số bình phương trung bình - Mean Square Error (MSE) 14

3.2 Tỉ số tín hiệu cực đại trên nhiễu - Peak Signal-to-Noise Ratio

3.3 Chuẩn hoá qua tương quan - Normalized Cross-Correlation (NCC)

14

3.4 Sai số trung bình tuyệt đối - Normalized Absolute Error (NAE) 14

3.5 Chỉ số tương đồng cấu trúc - Structural Similarity Index

3.6 Số thay đổi trên tỉ số - Number of Changes Per Rate (NPCR) 15

3.7 Cường độ thay đổi trung bình đồng bộ - Unified Average Changed

DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT

PSNR Peak signal-to-noise ratio

NCC Normalized cross-correlation

SSIM Structural similarity index

NPCR Number of changes per rate

UACI Unified average changed intensity

DANH SÁCH CÁC BẢNG

Bảng 1 So sánh NAE và SSIM với các phương pháp đã trình bày 11 Bảng 2 Bảng so sánh giá trị PSNR và NCC 11 Bảng 3 Bảng so sánh các giá trị UACI, NPCR và entropy 11

TÓM LƯỢC

Truyền tải dữ liệu thông qua mạng máy tính không an toàn hiện đang là một thách thức đối với các nhà nghiên cứu trong thời đại mà công nghệ không ngừng phát triển Trong bài nghiên cứu này, một khung bảo mật hai lớp dựa trên mật mã học và kỹ thuật giấu tin đã được phát triển và thử nghiệm Các ánh xạ logistic đã được sử dụng để mã hóa dữ liệu trước khi nhúng dữ liệu vào hình ảnh Dữ liệu đã được mã hóa được giấu vào trong khu vực viền của các hình ảnh để đảm bảo các dữ liệu đó được che giấu tốt hơn, khó nhận biết hơn Lược đồ đã được đánh giá dựa trên nhiều tham số như PSNR, NCC, SSIM Hơn nữa, độ mạnh của thuật toán mật mã dựa trên ánh xạ logistic sử dụng NPCR, UACI và entropy đã được tính toán Phương pháp này cho thấy giá trị trung bình PSNR là 44.61 dB cho payload khoảng 1.72 bits per pixel (bpp) Hơn nữa, giá trị NPCR đạt khoảng 100%, giá trị UACI là 36.72, và giá trị entropy là 7.96 chỉ ra rằng kỹ thuật này có khả năng cung cấp đủ độ bảo mật cho dữ liệu được truyền

KỸ THUẬT GIẤU TIN TRONG HÌNH ẢNH DỰA TRÊN ÁNH XẠ LOGISTIC SỬ DỤNG XÁC ĐỊNH VIỀN

1 GIỚI THIỆU

Sự đổi mới và phát triển trong hệ thống thông tin liên lạc đã đem lại nhiều lợi ích cho việc tương tác giữa các cá nhân Sự phát triển kĩ thuật trong

hệ thống thông tin liên lạc tạo điều kiện tốt hơn cho việc tận dụng các thiết bị điện tử, như điện thoại và máy tính bảng mà không cần phải quan tâm đến thời gian và địa điểm Trong cuộc sống hằng ngày, khi mà công nghệ liên tục đổi mới và phát triển, sự bảo mật của thông tin số được truyền tải thông qua mạng máy tính đã trở thành một vấn đề lớn Khía cạnh cơ bản của bảo mật thông tin là để ngăn chặn việc sao chép trái phép, hay thay đổi thông tin Vì vậy, việc sử dụng các biện pháp phòng ngừa để đảm bảo sự truyền tải của dữ liệu bí mật là điều cần thiết Một số kĩ thuật như mật mã học, kỹ thuật giấu tin

và thủy vân số được sử dụng để đem lại sự bảo mật cho thông tin Các kĩ thuật này được dựa trên bốn đặc điểm cơ bản payload, tính toàn vẹn, tính bảo mật

và khả năng ứng phó với lỗi

Mã hóa là quá trình chuyển bản rõ thành bản mật mà có thể được gửi qua mạng máy tính không an toàn Chỉ mỗi mã hóa là không đủ để có thể đảm bảo an toàn trước các cuộc tấn công của những kẻ có ý đồ xấu Vì vậy cung cấp thêm độ bảo mật cho dữ liệu đang được truyền trong mạng máy tính là điều cần thiết Kỹ thuật giấu tin có thể là phương án tốt hơn để tăng cường độ bảo mật cho thông tin vì mục đích chính của việc giấu tin là để che giấu đi sự tồn tại của thông tin Cả mã hóa và giấu tin kết hợp với nhau cung cấp hai lớp bảo mật tới thông tin bí mật mà được truyền trên mạng Internet Phương pháp LSB là một trong kỹ thuật giấu tin cơ bản Hầu hết ba LSB bit được sử dụng trong quá trình nhúng Sử dụng nhiều bit gây ra việc giảm chất lượng của hình ảnh và thay đổi trong vùng “mịn” có thể nhận biết dễ dàng bởi mắt người Nhúng vào vùng viền bằng cách sử dụng kĩ thuật phát hiện vùng viền có thể

là lựa chọn tốt hơn cho việc tăng dung lượng nhúng đồng thời khiến hình ảnh

có chất lượng tốt hơn Có rất nhiều kĩ thuật phát hiện viền như Robert, Sobel, Prewitt và Canny Trong số các kĩ thuật trên, Canny được coi là kĩ thuật tốt nhất để phát hiện các vùng viền

Trong kĩ thuật được đề xuất, thông tin bí mật được nhúng vào khu vực viền bằng cách sử dụng kĩ thuật phát hiện viền Canny để giảm thiểu sự thay đổi của hình ảnh, tăng dung lượng nhúng và để duy trì chất lượng hình ảnh

Ngày nay, các payload lớn với độ bảo mật của thuật toán đang gây sự chú ý của các nhà nghiên cứu Để đáp ứng nhu cầu bảo mật, có rất nhiều bài nghiên cứu đã được công bố về sự kết hợp giữa mật mã và kỹ thuật giấu tin dựa vào phát hiện viền, nhưng dữ liệu được giấu trong ảnh không thể an toàn đến mức có thể chịu được các cuộc tấn công do tính thực tế của hình ảnh dẫn đến việc nhận dạng dữ liệu được mã hóa Việc áp dụng các kĩ thuật mã hóa tiêu chuẩn cho các dữ liệu trên nền tảng số là không an toàn Vì vậy, mã hóa

sử dụng các phương pháp tiêu chuẩn như DES, AES, RSA yêu cầu một lượng lớn thời gian cho việc mã hóa và cơ bản là nó không đem lại hiệu quả Một vấn đề nữa là giới hạn độ dài khóa của chúng Do dữ liệu của hình ảnh lớn, việc sử dụng khóa có độ dài định sẵn sẽ khiến khả năng bị tấn công tăng cao Hơn nữa, luồng thông tin của hình ảnh có thể dẫn tới việc mất các thông số kỹ thuật của hình ảnh vì thế làm cho các phương pháp trên trở nên kém tin cậy cho việc mã hóa hình ảnh

Trong các nghiên cứu hiện tại, các nhà nghiên cứu sử dụng các phương pháp mã hóa như thuyết hỗn loạn để có thể khắc phục các vấn đề của các thuật toán mã hóa tiêu chuẩn Hỗn loạn làm cho hệ thống trở nên an toàn hơn bời vì các thuộc tính của nó như nhạy cảm với các điều kiện ban đầu và các tham số điều khiển Ánh xạ logistic là kĩ thuật cơ bản và đơn giản cho việc khởi tạo chuỗi ngẫu nhiên Đồ thị ánh xạ dựa trên hai điều kiện ban đầu r và x

mà dao động từ 3.57 đến 4 và 0 đến 1 và n là số lượt lặp lại dao động từ 0 đến x-1 Công thức cho đồ thị ánh xạ logistic được nêu ra sau đây:

xn+1 = r ∗ x ∗ (1 − xn)

Kỹ thuật giấu tin dựa trên ánh xạ logistic đã được đề xuất để nâng cao bảo mật cho việc mã hóa dữ liệu Trong kĩ thuật này, việc lựa chọn LSB hoặc PVD đã được sử dụng cho việc nhúng dữ liệu bí mật vào trong ảnh mà phụ thuộc vào khóa bí mật Lược đồ có khả năng nâng cao độ bảo mật với các hành vi ngẫu nhiên của ánh xạ logistic Tuy nhiên, sự đánh đổi giữa chất lượng của hình ảnh và payload đã không thể duy trì ở trạng thái tối ưu Hơn nữa, hệ thống mới chỉ được kiểm tra trên các ảnh đen trắng Một bài nghiên cứu khác dựa trên ánh xạ logistic đã đề xuất mà trong đó thuật toán AES được

sử dụng để mã hóa hình ảnh bí mật và 1D lược đồ ánh xạ logistic được sử dụng để che giấu thông điệp bí mật trong ảnh Hệ thống cung cấp độ bảo mật tốt nhưng nó có nhược điểm khi chưa có thể cung cấp dung lượng nhúng lớn Một bài nghiên cứu khác nữa là lược đồ thủy vân số dựa trên ánh xạ logistic được đề xuất để làm hệ thống an toàn trước các cuộc tấn công Trong kĩ thuật này, DC sửa đổi hệ số của các khối khác nhau trong miền không gian đã được thực hiện để nhúng các bit thủy vân số và lược độ ánh xạ logistics được sử dụng để cải thiện bảo mật Phương pháp này có khả năng nâng cao độ bảo mật nhưng vẫn chưa thể nâng cao dung lượng Một kỹ thuật mã hóa hình ảnh dựa trên ánh xạ logistic mới được đề xuất đảm bảo an toàn trong quá trình vận chuyển Mặc dù, kỹ thuật này có thể nâng cao độ bảo mật so với các kĩ thuật

mã hóa cơ bản khác những lược đồ không chỉ ra các giá trị giúp việc bảo mật tốt hơn

Trong bài nghiên cứu này, cả hai lược đồ ánh xạ logistic và kỹ thuật giấu tin dựa trên phát hiện viền được đề xuất Lược đồ ánh xạ logistic được sử dụng để nâng cao bảo mật cho hệ thống và kĩ thuật phát hiện viền được sử dụng để nâng cao dung lượng của thông điệp bí mật

2 THUẬT TOÁN ĐỀ XUẤT

Trong phương pháp được đề xuất, cả hai kỹ thuật mã hóa và giấu tin được kết hợp để làm ảnh được nhúng an toàn để gửi đi Ở phía người nhận, toàn bộ thông điệp được mã hóa được trích xuất từ ảnh đã được nhúng và tất cả các thông điệp bị xáo trộn được giải mã Quá trình mã hóa, nhúng, trích xuất và giải mã được miêu tả ở hình 1 Trong kĩ thuật này, thực hiện nhúng hình ảnh

bí mật có kích thước 256 x 256 vào bất kỳ hình ảnh có màu với kích cỡ 512 x

512 Kỹ thuật Canny được sử dụng để tìm các viền của tông màu xanh nước biển (Blue) và tông màu xanh lục(Green) Phương pháp đảm bảo an toàn cho thông tin bí mật bằng cách nhúng hình ảnh bí mật vào hình ảnh kỹ thuật số

2.1 Quá trình mã hóa và nhúng

i Lấy hình ảnh gốc và hình ảnh bí mật sau đó chia chúng thành ba tông màu: đỏ (R), lục (G), lam (B)

ii Đặt giá trị khởi tạo và tạo một chuỗi ngẫu nhiên với ánh xạ logistic với từng kích cỡ của tông màu của hình ảnh bí mật

iii Mã hóa từng tông màu của hình ảnh bí mật bằng cách sử dụng toán tử XOR với từng bit của chuỗi đã được tạo ra lấy từ bước ii

Lặp lại bước này cho từng tông của hình ảnh bí mật

iv Thực hiện kĩ thuật phát hiện Canny trên tông màu lục (G) và lam (B) của hình ảnh gốc để phát hiện các điểm ảnh viền và không phải viền

Kỹ thuật tạo dữ liệu nhị phân cho cả hai tông màu với ‘0’ và ‘1’ lần lượt đại diện cho điểm ảnh không phải viền và điểm ảnh viền

v Tính toán số lượng điểm ảnh viền và điểm ảnh không phải là viển để ước lượng cho payload dùng kĩ thuật che giấu (k, n), ‘k’ đại diện cho điểm ảnh không phải là viền và ‘n’ đại diện cho điểm ảnh viền

vi Sử dụng hai bit LSB của tông màu đỏ (R) để lưu trạng thái của lục (G)

và lam (B) để nhúng thông tin

vii Nhúng hình ảnh mã hóa vào tông màu lục (G) và lam (B) với từng lược

đồ giấu (k, n)

Ở đây giá trị n = 3.

Lặp lại bước ‘vi’ và ‘vii’ đến toàn bộ điểm ảnh của hình ảnh mã hóa được nhúng vào trong ảnh gốc và tạo ra ảnh được nhúng

Hình 1 Biểu đồ khối của kĩ thuật đề xuất

2.2 Quá trình trích xuất và giải mã

i Lấy ảnh được mã hóa và phân tách các tông màu đỏ (R), lục(G), lam(B)

ii Trích xuất các bit thông điệp từ tông màu lục và lam bằng cách kiểm tra trạng thái của hai bit đầu tiên của tông màu đỏ

Lặp lại bước này đến khi từng bit của thông điệp được trích xuất và hình ảnh được giải mã được hình thành

iii Tính toán các tông màu (R), lục(G), lam(B) của hình ảnh mã hóa

iv Giải mã từng tông màu bằng cách sử dụng toán tử XOR với từng bit được của chuỗi được tạo với cùng giá trị khởi tạo

Lặp lại bước này cho từng tông màu và ghép chúng lại để hình thành hình ảnh bí mật

3 KẾT QUẢ THỰC NGHIỆM

Phân đoạn này xử lý kết quả của kỹ thuật được đề ra sử dụng MATLAB Trong thí nghiệm, chúng ta sử dụng ảnh màu bìa kích cỡ 512x512

và ảnh màu bí mật có kích cỡ 256x256

Ảnh bìa và ảnh stego được so sánh để xác định payload, tính bí mật và chất lượng của ảnh bằng cách tính sai số bình phương trung bình (MSE), PSNR, NCC, sai số trung bình tuyệt đối (NAE), SSIM, NPCR, UACI và entropy Bảng so sánh dùng các kỹ thuật đã nêu được thể hiện ở bảng 1, 2 và

3

Phương

thức

Parah et al [4] Proposed NAE SSIM NAE SSIM Lena 0.0140 0.9558 0.0053 0.9992

Plane 0.0006 0.9529 0.0038 0.9909

Baboon 0.0136 0.9818 0.0055 0.9986

Bảng 1 So sánh NAE và SSIM với các phương pháp đã trình bày

Ảnh (ở payload) Lena Plane Baboo

n Singh et al [5] (0.032 bpp) PSNR 40.74 – –

NCC 0.9253 – – Patil et al [10] (1 bpp) PSNR 13.14 – –

Parah et al [4] (1 bpp) PSNR 39.17 39.13 39.09

NCC 1.0000 1.0000 1.0000 Parah et al [11] (1.5 bpp) PSNR 45.40 45.37 45.41

NCC 1.0000 1.0000 1.0000 Prasad et al [9] (2.27 bpp) PSNR 39.56 39.12 37.38

Proposed (1.72 bpp) PSNR 44.95 44.98 43.91

NCC 0.9963 0.9978 0.9976

Bảng 2 Bảng so sánh giá trị PSNR và NCC

Kỹ thuật Entropy UACI NPCR

Nidhi et al [12] 6.48 33.31 98.85

Parah et al [11] 6.53 34.82 99.01

Proposed 7.96 36.72 100

Bảng 3 Bảng so sánh các giá trị UACI, NPCR và entropy

3.1 Sai số bình phương trung bình - Mean Square Error (MSE)

Đây là giá trị bình phương chênh lệch giữa ảnh gốc và ảnh stego Công thức tính toán như sau:

MSE=∑

i=1

N

(C i¿ −C i ')2

(2)

Với C i và Ci 'lần lượt là giá trị pixel của ảnh gốc và ảnh stego Và N biểu thị chiều của ảnh

3.2 Tỉ số tín hiệu cực đại trên nhiễu - Peak Signal-to-Noise Ratio (PSNR)

Đây là một trong những đại lượng được sử dụng trong các kỹ thuật kiểm tra vì nó giúp xác định khả năng che giấu rõ ràng nhất PSNR được tính như sau:

PSNR=10 log10(255MSE2) (3) Với MSE là sai số bình phương trung bình

3.3 Chuẩn hoá qua tương quan - Normalized Cross-Correlation (NCC)

Chuẩn hoá qua tương quan tính toán tỉ lệ giữa ảnh bìa và các bit ảnh stego Công thức tính toán như sau:

NCC=∑

i=1

m

∑

j

n

w o(i , j)w x(i· j)

∑

i=1

m

∑

j =1

n

[w o(i , j)]2

(4)

Với w o và w x lần lượt là các bit thông điệp nhúng và chiết xuất

3.4 Sai số trung bình tuyệt đối - Normalized Absolute Error (NAE)

Đại lượng này được dùng để tính toán sai số giữa ảnh bìa và ảnh stego Công thức tính toán như sau:

NAE=∑

i=1

m

∑

j

n

Với w o và w x lần lượt là các bit thông điệp nhúng và chiết xuất

3.5 Chỉ số tương đồng cấu trúc - Structural Similarity Index Measurement (SSIM)

Chỉ số tương đồng cấu trúc kiểm tra sự giống nhau giữa ảnh gốc và ảnh

đã được thay đổi Thang đo SSIM chạy từ 0 tới 1, với 1 thể hiện giống nhau 100% còn 0 thể hiện hai ảnh khác nhau hoàn toàn Vì vậy, ảnh được dùng để giấu phải có chỉ số SSIM cao hơn Công thức tính của SSIM như sau:

SSIM (x , y )= (2 μx μ y+C1)(2 σxy+C2)

(μ2x+μ2y+C1)(σ2x+σ2y+C2) (6)

Với μ x , μ y , σ x , σ y và σ xy lần lượt là cường độ trung bình, độ lệch chuẩn và phương sai chéo của hai ảnh x và y

3.6 Số thay đổi trên tỉ số - Number of Changes Per Rate (NPCR)

Kiểm tra NPCR được thực hiện để đánh giá mức độ thay đổi của ảnh thì điều chỉnh một pixel trên ảnh gốc Nó chính là độ nhảy cảm của ảnh mã hóa so với ảnh gốc và các giá trị ban đầu/khóa bí mật Để kiểm tra NPCR, tính như sau:

NPCR= 1

MN ∑

i , j=1

MN

D (i, j)× 100 % (7)

Với M và N là các chiều của ảnh D là số đầu vào khác nhau, còn I p và I c lần lượt là ảnh thuần và ảnh mã hóa

D={0, khi I c=I p 1, khi I c ≠ I p (8)

3.7 Cường độ thay đổi trung bình đồng bộ - Unified Average Changed

Intensity (UACI)

Chỉ số UACI đánh giá cường độ trung bình của chênh lệch giữa ảnh gốc và ảnh được mã hóa Công thức của UACI là:

UACI = 1

MN( ∑

i , j=1

MN |I p(i, j)−I c(i , j)|

Với I p và I c lần lượt là ảnh thuần và ảnh được mã hóa M và N là các chiều của ảnh

3.8 Entropy

Kiểm tra entropy được thực hiện để xét tính ngẫu nhiên trong ảnh mã hóa Công thức tính entropy của Shannon được viết như sau:

E (C )=−∑

i=1

n

P(c i)log2P(c i) (10)

Với C là tập hợp các kí tự, c i ∈C, P(c i¿ mô tả xác suất, và n là tổng số các kí

tự

Bảng 1 và 2 so sánh các đại lượng của ảnh gốc và ảnh stego ở tần suất nhúng của các kỹ thuật đã biết trong khoảng 1 hoặc 2.27 và 1.72 bpp của thuật toán được đề ra với giá trị PSNR trung bình là 44.61 Ta có thể thấy rõ

từ các bảng trên rằng phương pháp được đề xuất tốt hơn các phương pháp hiện tại vì PSNR cao hơn, SSIM tốt hơn và NAE thấp hơn Do vậy, thay đổi thực hiện trên ảnh khó được những kẻ nghe trộm phát hiện ra hơn, và vì vậy,

an toàn hơn cho liên lạc Kết quả kiểm tra đánh giá an toàn được thể hiện ở bảng 3 Việc phương pháp đề ra an toàn hơn Nidhi et al [12] và Parah et al [11] khá là rõ ràng Phương pháp đề ra có giá trị NPCR đạt 100% và giá trị UACI 36.72

4 KẾT LUẬN

Bài viết giới thiệu kỹ thuật giấu tin dựa trên ánh xạ logistic và kỹ thuật phát hiện cạnh, trong đó, ảnh bí mật được mã hóa sử dụng ánh xạ logistic