Нейросетевые сжимающие преобразования данных и алгоритмы создания цифровых водяных знаков в объектах мультимедиа графических и звуковых форматов

• Автор: Митрофанова, Елена Юрьевна
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Воронеж
• Количество страниц: 179 с. : ил.

Содержание
Введение

1. Анализ известных методов и алгоритмов создания цифровых водяных знаков

1.1. Методы компьютерной стеганографии

1.2. Применение компьютерной стеганографии для создания цифровых водяных знаков

2. Нейросетевые функциональные модели преобразования данных и их применение для разработки универсальных алгоритмов создания цифровых водяных знаков
2.1. Теоретические обоснования возможности построения сжимающих преобразований данных на основе нейронных сетей персептронного типа
2.2. Восстановление параметров векторной регрессии при обучении нейронной сети по прямым и косвенным наблюдениям
2.3. Теорема о сходимости весов двухслойной линейной нейронной сети при построении оптимальных линейных оценок случайных векторов

2.4. Базовые алгоритмы создания цифровых водяных знаков при

использовании в качестве контейнеров статистических эквивалентов сигналов и изображений
2.4.1. Нейросетевые функциональные модели преобразования данных и базовый алгоритм создания ЦВЗ при реализации отображений
автоассоциативного типа
2.4.2. Нейросетевые функциональные модели преобразования данных и базовый алгоритм создания ЦВЗ при реализации отображений
гетероассоциативного типа
3. Алгоритмы создания цифровых водяных знаков для объектов графических и звуковых форматов представления данных
3.1. Модели и алгоритмы создания цифровых водяных знаков для цветных изображений

3.2. Модификации алгоритма создания ЦВЗ с целью адаптации по уровню ошибки искажения контейнера и противодействия преобразованиям JPEG
3.3. Модели и алгоритмы создания цифровых водяных знаков для аудиофайлов
4. Исследование характеристик цифровых водяных знаков для реальных объектов. Описание программного комплекса для создания цифровых водяных знаков
4.1. Типовые методики оценки качества цифровых водяных знаков
4.2. Программный комплекс для создания цифровых водяных знаков с использованием нейросетевых функциональных моделей преобразования данных в интересах защиты авторских прав на объекты электронного контента
Заключение
Список литературы

Введение
На современном этапе развитие информационных систем и технологий, глобальных компьютерных сетей и средств мультимедиа стимулирует разработку новых методов анализа, хранения, воспроизведения и передачи данных по каналам информационных коммуникаций. К их числу относятся методы и средства обеспечения высоконадежной обработки данных в информационных структурах и системах, методы повышения надежности и безопасности использования информационных технологий. В настоящий момент одним из востребованных подходов в этой области является применение технологий, базирующихся на использовании методов компьютерной стеганографии, позволяющих скрытно встраивать необходимые данные в любые информационные массивы и объекты цифрового контента (ОЦК) (файлы аудио и видеоданных, файлы текстовых форматов, неподвижные изображения и пр.). Указанные технологии широко используются при решении задач создания защищенной связи и передачи данных, аутентификации пользователей, создания цифровых водяных знаков и камуфлирования программного обеспечения. Технологии цифровых водяных знаков (ЦВЗ) успешно используются для решения задач подтверждения авторского права по отношению к ОЦК, контролю их использования авторизованными пользователями и другими лицами,
подтверждения подлинности и надежности используемых копий программных средств и мультимедиа объектов.
Методы компьютерной стеганографии основаны на том, что процесс встраивания последовательности данных в исходных объект цифрового контента носит скрытый характер, при этом не нарушается целостность и
функциональность ОЦК. Компьютерная стеганография базируется на двух принципах:
файлы, содержащие оцифрованное изображение или звук, могут быть до некоторой степени видоизменены без потери функциональности;
человеческие органы восприятия неспособны различить
незначительные изменения в цвете изображения или качестве звука.

Продолжение таблицы 1.
Последовательность псевдослучайных действительных чисел, длина которой зависит от пропускной способности изображения, вычисляемой на основе модели человеческого зрения Модификация коэффициентов четырехуровнего вейвлет- преобразования, отобранных с учетом заданного порога Высокая робастность внедряемого ЦВЗ Для извлечения ЦВЗ необходимо иметь исходное изображение С.РосШсЬ ик [13,55]
Последовательность псевдослучайных действительных чисел, распределенных по гауссовскому закону Модификация наибольших коэффициентов из высокочастотного и среднечастотного диапазонов преобразования Хаара Высокая робастность к атакам с изменением масштаба. Для извлечения ЦВЗ необходимо иметь исходное изображение X- Ц.ХІа[43]
Последовательность псевдослучайных действительных чисел, распределенных по гауссовскому закону (длина соответствует количеству модифицируемых коэффициентов) Модификация значимых коэффициентов всех поддиапазонов пятиуровневого вейвлет- преобразования Возможность модификации алгоритма для использования стегоключа Для извлечения ЦВЗ необходимо иметь исходное изображение Н.-.Г. Vang [34,53,54, 63]
Последовательность псевдослучайных действительных чисел, распределенных по гауссовскому закону (длина соответствует количеству модифицируемых коэффициентов) Алгоритм представляет собой модифицированный вариант предыдущего алгоритма, со слепым извлечением ЦВЗ Для обнаружения ЦВЗ не требуется наличие исходного изображения Сильно пониженная помехоустой чивость по сравнению с алгоритмом А27 Н.-Д Vang [63]
1.2. Алгоритмы на основе слияния ЦВЗ и контейнера
Черно-белый логотип, размером до 25% от исходного изображения Модификация всех коэффициентов одноуровневой декомпозиции исходного изображения Большой размер скрываемого ЦВЗ (до четверти размера исходного изображения) Для извлечения ЦВЗ необходимо иметь исходное изображение ХСЪеп [54]