Przykład zastosowania steganografii dla dwuwymiarowych obrazów cyfrowych

• Autorzy: Jamrozik Ewelina
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wykorzystanie klasycznego algorytmu steganograficznego opierającego się na metodzie najmniej znaczących bitów (ang. Least Significant Bit) w szyfrowaniu obrazów, która polega na ukrywaniu informacji w najmniej znaczących bitach dla każdego z trzech kolorów modelu RGB opisujących dany piksel. Wyjaśniony został sposób reprezentacji obrazu oraz jego przetwarzania. W ocenie wydajności i jakości procesu posłużono się histogramami, wskaźnikiem jakości obrazu PSNR (ang. peak signal-to-noise ratio) i miarą podobieństwa strukturalnego SSIM (ang. structural similarity index measure) pomiędzy obrazami na różnych etapach. Wykazane zostały zmiany, które zaszły w obrazach na drodze procesu steganogracznego, a mogą być informacją dla osób wykrywających takie działania. Oceniony został stopień zachowalności i utraty danych. Na skutek przeprowadzonego procesu jakość obrazów uległa nieznacznemu pogorszeniu, co wykazały obliczone parametry.

Słowa kluczowe

PL

szyfrowanie; SSIM; PSNR; przetwarzanie obrazu; Python

EN

encryption; image processing; peak signal-to-noise ratio; structural similarity index measure

• Wydawca: Politechnika Śląska, Wydział Matematyki Stosowanej, Katedra Matematyki
• Czasopismo: MINUT Matematyka i Informatyka na Uczelniach Technicznych
• Rocznik: 2021
• Tom: Nr 3
• Strony: 98--105
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Jamrozik Ewelina

• Katedra Informatyki i Automatyki, Politechnika Rzeszowska im. Ignacego Łukasiewicza, Aleja Powstańców Warszawy 12, 35-959 Rzeszów

Bibliografia

• 1. A. Cheddad, J. Condell, K. Curran, P. M. Kevitt, Digital image steganography: survey and analysis of current methods, Signal Processing, vol. 90, no. 3, pp. 727-752, 2010.
• 2. W. Garbarczuk, P. Kopniak, Steganologia: współczesne metody ochrony informacji (przegląd), Pomiary Automatyka Kontrola (2005), nr 3, s. 21-25.
• 3. MATLAB 2018b, The MathWorks Inc., Natick, Massachusetts, 2018.
• 4. Open Images Dataset, https://storage.googleapis.com/openimages/web/index.html.
• 5. Z. Wang, A. Bovik, H.R. Sheikh, E.P. Simoncelli, Image Qualifty Assessment: From Error Visibility to Structural Similarity, IEEE Transactions on Image Processing 13(4) (2004), pp. 600-612.
• 6. K.A. Zhang, A. Cuesta-Infane, K. Veeramachaneni, Stegano GAN: High Capacity Image Steganography with GANs, arXiv preprint arXiv:1901.03892, 2019.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).