МЕТОД ВИЯВЛЕННЯ ПОРУШЕННЯ ЦІЛІСНОСТІ ЦИФРОВОГО ЗОБРАЖЕННЯ, ЗАСНОВАНИЙ НА СПЕКТРАЛЬНОМУ РОЗКЛАДАННІ СИМЕТРИЗОВАНОЇ МАТРИЦІ БЛОКУ
DOI:
https://doi.org/10.17721/2519-481X/2022/77-08Ключові слова:
цифрове зображення, порушення цілісності, власний вектор, власне значенняАнотація
В роботі розглядається важлива науково-практична задача підвищення ефективності виявлення порушень цілісності інформації, зокрема цифрових зображень, що є її поширеним представленням, яка стає сьогодні одною з основних для фахівців в області інформаційної та кібербезпеки. Невиявлені своєчасно несанкціоновані зміни інформації можуть привести до негативних, катастрофічних наслідків як для окремих людей, підприємств, банків, фірм, так і для людства в цілому, коли йдеться про інформацію, що становить державну таємницю, містить дані зі сфери військової галузі, атомної енергетики, хімічної промисловості тощо, що визначає актуальність задачі, яка розглядається. Основним результатом роботи є удосконалений універсальний метод виявлення порушення цілісності цифрового зображення, готовий до практичної реалізації, теоретичний базис якого заснований на аналізі власних значень та власних векторів симетричних блоків матриці зображення, що ставляться у відповідність оригінальним блокам. В роботі обгрунтований спосіб симетризації матриці блоку, що дозволяє значно (більше, чим на 23%) скоротити обчислювальні і, як наслідок, часові витрати на експертизу зображення в порівнянні з часовими витратами методу-прототипу. Доведено, що для більшості отриманих симетричних блоків, що ставляться у відповідність блокам оригінального ЦЗ, кут між власним вектором, що відповідає максимальному власному значенню блока, і нормованим вектором модулів власних значень дорівнює певному значенню, яке не залежить від конкретики оригінального зображення, але є чутливим до його змін, що дало можливість забезпечити універсальність методу та підвищити його ефективність у сенсі точності виявлення порушення цілісності зображення більше, ніж на 5%, в порівнянні з аналогом. Значимість отриманих результатів полягає в забезпеченні за рахунок використання запропонованого методу підвищення ефективності процесу виявлення порушень цілісності зображення за критеріями обчислювальних (часових) витрат на експертизу одного зображення та точності виявлення.
Посилання
1. Pirtskhalava, L.G., Khoroshko, V.A., Khokhlacheva, J.E., Shelest, M.E. (2019), “Informatsionnoe protivoborstvo v sovremennyh usloviyah” [Information Warfare in Modern Conditions], Komprint, Kyiv, 226 p.
2. Uliyan, D.M., Jalab, H.A., Abdul Wahab, A.W., Sadeghi, S. (2016), “Image region duplication forgery detection based on angular radial partitioning and Harris key-points”, Symmetry, 8(7), 62.
3. Zadiraka, V.K. (2014), “Suchasni metody rozvyazannya zadach informatsiynoy bezbeky” [Modern Methods for Solving the Tasks of Information Safety], Visnyk of the National Academy of Sciences of Ukraine, 5, pp. 65–69.
4. Mandal, P.C., Mukherjee, I., Paul, G., Chatterji, B.N. (2022), “Digital image steganography: A literature survey”, Information Sciences, 609. pp. 1451–1488.
5. Borysenko, I.I. (2020), “Vyyavlennya tsyfrovogo fotomontazhu na osnovi kntrstnosti zobrazhennya” [Detection of digital photomontage based on image contrast analysis], Modern Information Security, 2, pp. 47–51.
6. Joglekar, N.P., Chatur, P.N. (2015), “A compressive survey on active and passive methods for image forgery detection”, International Journal of Engineering and Computer Science, 4(1), pp. 10187–10190.
7. Shwetha, B., Sathyanarayana, S.V. (2017), “Digital image forgery detection techniques: a survey”, ACCENTS Transactions on Information Security, 2(5), pp. 22–31.
8. Thakur, T., Singh, K., Yadav, A. (2018), “Blind approach for digital image forgery detection”, International Journal of Computer Applications, 179(10), pp. 34–42.
9. Chu, X., Li, H. (2019), “A Survey of Blind Forensics Techniques for JPEG Image Tampering”, Journal of Computer and Communications, 7(10), pp. 1–13.
10. Bobok, I.I. (2017), “Rozvytok zagalnogo pidhodu do problem vyyavlennya porushen’ tsilisnosti tsyfrovyh zobrazhen” [Development of a general approach to the problem of detecting integrity violations of digital images] / Legal, Regulatory and Metrological Support of Information Security System in Ukraine, 2, pp. 78–88.
11. Kobozeva, A.A., Bobok, I.I., Garbuz, A.I. (2016), “General principles of integrity checking of digital images and application for steganalysis”, Transport and Telecommunication Journal, 17(2), pp. 128–137.
12. Lerch-Hostalot, D., Megias, D. (2016), “Unsupervised steganalysis based on artificial training sets”, Engineering Applications of Artificial Intelligence, 50, pp. 45–59.
13. Bobok, I.I. (2018), “Steganalysis method for detection of the hidden communication channel with low capacity”, Telecommunications and Radio Engineering, 77(18), pp. 1597–1604.
14. Lebedieva, E.J., Kobozieva, A.A. (2013), “Osnovy metoda vyyavleniya klonirovannyh uchastkov izobrazheniy, podvergnutyh korrektsii yarkosti” [Fundamentals of the method for detecting cloned image areas subjected to brightness correction], Modern Special Technics, 3, pp. 17–24.
15. Li, H., Luo, W., Qiu, X., Huang, J. (2017), “Image forgery localization via integrating tampering possibility maps”, IEEE Transactions on Information Forensics and Security, 12(5), pp. 1240–1252.
16. Tryfonova, K.O. (2017), “Metod vyyavlennya porushennya tsilisnosti tsyfrovogo zobrazhennya shumom Perlina” [A method of detecting a violation of the integrity of a digital image by Perlin noise], Radio Electronics, Computer Science, Control, 2, pp. 134–142.
17. Khan, S., Khan, K., Ali, F., Kwak, K.-S. (2020), “Forgery detection and localization of modifications at the pixel level”, Symmetry, 12(1), 137.
18. Al-Jarrah, M.M, Al-Taie, Z.H., Abuarqoub, A. (2017), “Steganalysis using LSB-focused statistical features”, Proceedings of the International Conference on Future Networks and Distributed Systems (ICFNDS’17), article 54, pp. 1–5.
19. Zorilo, V.V., Kioseva, O.I., Zorilo, I.V. (2018), “Modyfikatsiya algorytmu vyyavlennya shtuchnogo pidvyschennya rizkosti tsyfrovogo zobrazhennya” [Modification of algorithm for detecting artificial improvement of sharpness of the digital image], Informatics and Mathematical Methods in Simulation, 2, pp. 156–163.
20. Duan, X.T., Peng, T., Li, F.F., Wang, J. (2017), “Blind separation of tampered images based on JPEG double compression properties”, Journal of University of Jinan (Science and Technology), 31, pp. 87–96.
21. Bobok, I.I., Kobozeva, A.A. (2019), “Method for detecting of digital image integrity violations due to its block processing”, Radiotechnika, 199, pp. 130–141.
22. Geetha, S., Sindhu, S., Kamaraj, N. (2009), “Close color pair signature ensemble adaptive threshold based steganalysis for LSB embedding in digital images”, Transactions on Data Privacy, 1, pp. 140–161.
23. Gonzalez, R.C., Woods, R.E. (2006), “Tsifrovaya obrabotka izobrazheniy” [Digital Image Processing], Technosfera, Moscow, 1070 p.
24. Bergman, C., Davidson, J. (2005), “Unitary embedding for data hiding with the SVD”, Security, steganography and watermarking of multimedia contents VII, SPIE, 5681, pp. 619–630.
25. Demmel, D. (2001), “Vychislitelnaya linejnaya algebra: teoriya i prilozheniya” [Numerical Linear Algebra: Theory and Applications], Mir, Moscow, 430 p.
26. Kobozeva, A.A. (2014), “Osnovy obschego podhoda k razrabotke universalnyh steganoanaliticheskih metodov dlya tsifrovyh izobrazheniy” [A basis of common approach to the development of universal steganalysis methods for digital images], Odes’kyi Politechnichnyi Universytet. Pratsi, 2, pp 136–146.
27. Gantmacher, F.R. (2004), “Teoriya matrits: monografiya” [Matrix Theory], FizMatLit, Moscow, 559 p.
28. Srinivas, R., Panda, S. (2013), “Performance analysis of various filters for image noise removal in different noise environment”, International Journal of Advanced Computer Research, 3, pp. 47–52.
