Processing and Editing-Resistant Message Digest based on the deep learning and its applicatioin to copyright management

基于深度学习的防编辑消息摘要及其在版权管理中的应用

基本信息

批准号：
22K12036
负责人：
木下宏揚
金额：
$ 2.58万
依托单位：
Kanagawa University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2027-03-31
项目状态：
未结题

项目摘要

安全で利便性の高いデジタルコンテンツの著作権管理には，画像を識別するメッセージダイジェストが必要不可欠である．流通過程での加工編集を考慮すると通常の暗号学的ハッシュ関数のみでは不十分で，人間の知覚特性を考慮したコンテンツの同一性を判断可能な知覚ハッシュが必要不可欠となる．従来の知覚ハッシュの手法では加工編集に対する耐性が不十分であったが，畳み込みニューラルネットワーク（CNN）の重み係数に基づく知覚ハッシュでは十分な耐性を有している．しかし，生成者側と検証者側との間では学習済みのモデルを共有する必要があり，共有データのサイズ削減が課題となっている．本研究ではCNN モデルのモデル圧縮の手法のうち枝刈りに着目して共有データサイズの削減を行い，知覚ハッシュの識別の精度と圧縮率の関係について評価を行った．電子透かしの最大の問題点は、加工編集などによる透かし情報の耐性が不十分なことである。すべての加工項目に対して耐性のある電子透かしの構成は極めて困難である。本研究では、CNN を利用した知覚ハッシュを応用した電子透かしの構成法において電子すかしの耐性評価法であるstirmark に対する透かし情報の耐性の検証を行った。既存の相関型ステガノグラフィでは，M 系列での情報符号化とDCT 領域への埋め込みにより秘匿性向上が確認されたが，ステゴ画像の圧縮といった画像加工耐性が未検証で，情報量削減が求められる情報の送受信などの使用時に，正しい情報復元が可能かわからないという問題がある．また，画質の劣化は秘密情報の存在が暴かれやすくなる原因で，秘匿性向上においてはより抑制することが重要である．そこで本研究は，ステゴ画像の圧縮耐性を情報の埋め込み位置や圧縮率を変化させることで検証し，それに伴い生じた劣化について対策を提案した。

识别图像的消息摘要对于安全、便捷的数字内容版权管理至关重要。考虑到分发过程中的处理和编辑，仅靠普通的加密哈希函数是不够的，考虑到人类感知特征的能够确定内容身份的感知哈希是必不可少的。传统的感知哈希方法对于编辑的抵抗力不足，而基于卷积神经网络（CNN）加权系数的感知哈希则具有足够的抵抗力。然而，有必要在生成器和验证器之间共享训练后的模型，并且减少共享数据的大小是一个问题。在本研究中，我们重点研究了 CNN 模型的模型压缩方法之间的剪枝，以减少共享数据大小，并评估了感知哈希识别精度与压缩率之间的关系。数字水印最大的问题是水印信息的抗操纵和编辑能力不够。构建能够抵抗所有处理项目的数字水印是极其困难的。在本研究中，我们在使用CNN应用感知哈希的数字水印构建方法中验证了水印信息对数字水印的抵抗评估方法stirmark的抵抗力。在现有的相关隐写术中，已经证实通过将信息编码在M序列中并将其嵌入到DCT区域中来提高保密性，但是对隐写图像压缩等图像处理的抵抗力尚未得到验证，并且难以验证。处理需要减少信息量的信息存在一个问题，即在使用该系统时，例如在发送和接收数据时，是否可以恢复正确的信息。此外，图像质量的恶化使得秘密信息的存在更容易被泄露，因此抑制它以提高保密性非常重要。因此，在本研究中，我们通过改变信息嵌入位置和压缩率来验证隐写图像的抗压缩性，并针对由此产生的恶化提出对策。