Red neuronal convolucional y wavelet compuesto contra ataques geométricos un enfoque de marca de agua

Área de la Ciencia:

• Marca de agua digital
• Seguridad de la información
• Procesamiento de imágenes

Sus antecedentes:

• Los sistemas de gobierno electrónico requieren una identificación sólida de la propiedad de servicios como la banca, la atención médica y los seguros.
• Los métodos tradicionales de marca de agua se enfrentan a desafíos para equilibrar la capacidad de carga útil, la robustez y la transparencia perceptiva.
• La autenticación es fundamental para el intercambio seguro de datos en entornos digitales.

Objetivo del estudio:

• Proponer un nuevo esquema de marca de agua de imagen de tres capas dependiente de las características en el dominio de transformación.
• Mejorar la seguridad y la autenticación en las aplicaciones de gobernanza electrónica digital.
• Para lograr una alta capacidad de carga útil, transparencia perceptiva y robustez contra varios ataques.

Principales métodos:

• Se desarrolló un enfoque de marca de agua de tres capas utilizando la Transformación de Ondas Discretas (DWT).
• Los valores singulares de un logotipo encriptado, la codificación aritmética para firmas textuales y la codificación de longitud de ejecución para la identidad del propietario se incrustaron en diferentes niveles de descomposición de DWT.
• Se utilizaron técnicas de extracción de características y compresión de datos para la incrustación.
• Se empleó la Red Neural Convolutional (CNN) para la reversibilidad de la imagen de portada y la extracción de marcas de agua.
• Se simularon ataques que incluían ruido gaussiano, ruido de sal y pimienta, rotación y recorte.

Principales resultados:

• El sistema propuesto logró una alta transparencia perceptiva, con la medida del índice de similitud estructural (SSIM) y la correlación normalizada (NC) acercándose a la unidad.
• Se demostró la robustez contra varios ataques, con una relación pico señal-ruido (PSNR) de aproximadamente 44 dB.
• Los valores altos de SSIM (> 0,99) y NC (~ 1,0) confirmaron una mayor transparencia y robustez perceptiva.
• Las tasas mínimas de error de bits después del ataque indicaron una recuperación confiable de la marca de agua con restauración asistida por CNN.
• Se logró un error cuadrado medio bajo (MSE) durante la recuperación de la imagen de portada.

Conclusiones:

• El sistema de marca de agua basado en DWT desarrollado incorpora efectivamente una gran carga útil, manteniendo al mismo tiempo una alta transparencia y robustez perceptiva.
• La integración de CNN mejora significativamente la resiliencia del esquema contra diversos ataques y ayudas en la restauración precisa de la imagen.
• Este enfoque ofrece una solución prometedora para la autenticación segura en la gobernanza electrónica y otras aplicaciones digitales sensibles.