Lược đồ giấu tin an ninh theo khối cải tiến trên nhiều lớp bít của ảnh số sử dụng mã gray phản xạ

 199 (6-2019)
 80
 MBPMME_CGC
 MBPMME_PBC
 75
 70
 65
 wPSNR(dBB)
 60
 55
 50
 0 0.5 1 1.5
 Hình 2. Các giá trị wPNSR trung bình của các ảnh mang được nhúng bởi các thuật toán
 MBPMME_CGC và MBPMME_PBC với các dung lượng giấu [0.10 – 1.50] bpp.
trị thay đổi. Và so với PBC thì trong CGC giá trị bị thay đổi của một điểm ảnh ở lớp
bít thứ k sẽ thấp hơn.
 Sự vượt trội của MBPMME_CGC ở các dung lượng giấu cao (từ 0.40 đến 1.5 bpp)
so với MBPMME_PBC cũng được duy trì đối với đại lượng wPSNR (Hình 2) mặc dù
quá trình điều chỉnh thích nghi không được áp dụng.
 Qua các giá trị SSIM được thể hiện trong Hình 3 cho thấy khi dung lượng tin được
giấu càng tăng thì sự biến đổi về mặt cấu trúc của ảnh mang tin cũng gia tăng (giá trị
SSIM giảm). Và sự suy biến về mặt cấu trúc của các ảnh mang tạo bởi MBPMME_CGC
vẫn thấp hơn so với MBPMME_PBC, đặc biệt là khi dung lượng tin được giấu gia tăng.
 1
 MBPMME_CGC
 MBPMME_PBC
 0.99
 0.98
 0.97
 0.96
 0.95
 0.94
 0.93
 0 0.5 1 1.5
 Hình 3. Các giá trị SSIM trung bình của các ảnh mang được nhúng bởi các thuật toán
 MBPMME_CGC và MBPMME_PBC với các dung lượng giấu [0.10 – 1.50] bpp.
 69
Section on Information and Communication Technology (ICT) - No. 13 (6-2019)
4.2. Lựa chọn khối điểm ảnh
 Trong phương pháp đề xuất, các khối điểm ảnh phức tạp sẽ được lựa chọn để nhúng
tin. Độ phức tạp của các khối tin và số lượng lớp bít của các điểm ảnh sẽ sử dụng được
xác định dựa trên kích thước của thông điệp.
 (a) (b) (c)
 (d) (e) (f)
Hình 4. Sự lựa chọn các khối điểm ảnh nhị phân với các dung lượng giấu và lớp bít khác nhau: a) Ảnh
nguồn, b) LSB, c) lớp bít 0 với 0.1 bpp, d) lớp bít 0 với 0.2 bpp, e) lớp bít 0 với 0.3 bpp, f) lớp bít 1
 với 0.4 bpp khi nhúng tin bằng MBPMME_CGC.
 Như trong Hình 4, với dung lượng giấu là 0.1 bpp chỉ các khối điểm ảnh có độ phức
tạp cao hơn (so với các khối điểm ảnh khác trong ảnh nguồn) được lựa chọn tại lớp
bít 0 (LSB). Khi dung lượng giấu tin tăng lên, các khối điểm ảnh có độ phức tạp thấp
hơn sẽ được lựa chọn. Đến khi không còn khối điểm ảnh phức tạp nào còn lại (trừ các
khối điểm ảnh trơn/phẳng) thì lớp bít cao hơn của các điểm ảnh sẽ được sử dụng (4.f).
 Độ phức tạp của khối ảnh còn phụ thuộc vào cách mà các lớp bít được biểu diễn.
Khi so sánh giữa CGC và PBC, dễ dàng nhận thấy CGC cho nhiều thông tin hơn trên
một lớp bít. Nói cách khác, độ chính xác của độ phức tạp được ước lượng của các khối
bít (được biểu diễn bởi CGC) là cao hơn so với PBC. Chẳng hạn, tại cùng một lớp bít
của ảnh, lớp bít biểu diễn bởi CGC (Hình 5.e) thể hiện tốt hơn các vùng ảnh trơn/phẳng
so với lớp bít biểu diễn bởi PBC (Hình 5.f) khi so sánh với ảnh nguồn.
 Như vậy, qua Hình 4 và 5, dễ dàng nhận thấy các vùng ảnh phẳng như bầu trời, dòng
70
 Journal of Science and Technique - Le Quy Don Technical University - No. 199 (6-2019)
 (a) (b) (c)
 (d) (e) (f)
Hình 5. Sự lựa chọn các khối điểm ảnh nhị phân với dung lượng giấu 1.5 bpp tại các lớp bít: a) lớp bít
 3 với CGC, b) lớp bít 3 với PBC, c) lớp bít 4 với CGC, d) lớp bít 4 với PBC, e) lớp bít 5 với CGC,
 f) lớp bít 5 với PBC.
sông, bờ tường phẳng trong ảnh gốc sẽ không được lựa chọn để nhúng tin kể cả một
lượng lớn các thông tin cần giấu.
4.3. Đánh giá an ninh của tin
 4.3.1. An ninh của tin giấu trước tấn công tăng cường LSB (LSB Enhancement):
Việc ẩn giấu thông tin sẽ gây ra một số biến đổi đối với ảnh mang. Tuy nhiên, những
thay đổi này có thể khó nhận ra khi mà các bít tin được giấu vào các điểm ảnh nằm
trên các vùng ảnh phức tạp. Hơn nữa, việc thay đổi có thể diễn ra ở bít có trọng số
thấp nhất của điểm ảnh nên các giá trị thay đổi nhiều nhất là 1 trong vùng giá trị 256
sẽ không quan sát được. Vì vậy, trong LSB Enhancement, các giá trị 0 sẽ được giữ
nguyên, 1 trở thành 255, sẽ làm nổi bật lên những thay đổi trong các điểm ảnh trong
ảnh mang tin.
 Trong thực nghiệm này, LSB Enhancement được thực hiện trên các ảnh mang tin
với dung lượng giấu 0.4 bpp bởi các thuật toán CBL (Hình 6.c), PRSA (6.d), MBP-
MME_PBC (6.e) và MBPMME_CGC (6.f). Qua các ảnh kết quả được thể hiện trong
Hình 6, dễ dàng nhận thấy, quá trình tiền xử lý trong CBL đã tạo nên một khuôn
hình giống các thành phần trong ảnh nguồn. Trong khi đó ảnh kết quả của PRSA,
MBPMME_PBC, và MBPMME_CGC khá giống với ảnh kết quả của ảnh nguồn. Tuy
nhiên, do mã nhị phân được sử dụng biểu diễn các điểm ảnh nên việc lựa chọn các
 71
Section on Information and Communication Technology (ICT) - No. 13 (6-2019)
 (a) Ảnh nguồn (b) LSB tăng cường của ảnh (c) CBL
 nguồn
 (d) PRSA (e) MBPMME_PBC (f) MBPMME_CGC
Hình 6. Ảnh kết quả của tấn công tăng cường LSB lên ảnh mang tin với dung lượng giấu 0.4 bpp bởi:
 c) CBL, d) PRSA, e) MBPMME_PBC, f) MBPMME_CGC.
khối điểm ảnh trên các lớp bít không được chính xác như với mã Gray, nên ảnh kết
quả của MBPMME_PBC có những biến đổi (các nhiễu xung quanh rìa các vùng ảnh
phức tạp) có thể nhận thấy dễ dàng (Hình 6.e).
 Điều này cho thấy phương pháp đề xuất MBPMME_CGC là bền vững trước dạng
tấn công trực quan LSB Enhancement.
 Bảng 7. Các giá trị OOB trung bình của các ảnh mang với các dung lượng giấu khác nhau
 (từ 0.05 đến 0.40 bpp) bởi các phương thức.
 OOB trung bình
 bpp EDSI PRSA EA_LSBMR MBPMME_CGC_A MBPMME_PBC_A CBL
 0.05 0.3154 0.1159 0.3960 0.4334 0.3132 0.0081
 0.10 0.2636 0.0470 0.3070 0.3746 0.1695 0.0053
 0.15 0.2337 0.0210 0.2435 0.3387 0.1683 0.0042
 0.20 0.2152 0.0157 0.2005 0.2926 0.1115 0.0035
 0.25 0.1937 0.0170 0.1634 0.2690 0.1315 0.0021
 0.30 0.1742 0.0162 0.1399 0.2245 0.0871 0.0014
 0.35 0.1567 0.0148 0.1214 0.1718 0.0530 0.0010
 0.40 0.1422 0.0119 0.1032 0.1096 0.0237 0.0008
 4.3.2. Độ an ninh của tin giấu chống lại sự phân tích bởi Ensemble Classifier:
Trong thực nghiệm này, Ensemble Classifier, một bộ công cụ phân tích mã được giới
thiệu trong [18] để giảm độ phức tạp trong việc phân tích sự tồn tại của tin mật được
72
 Journal of Science and Technique - Le Quy Don Technical University - No. 199 (6-2019)
giấu trong ảnh số dựa trên thống kê, được sử dụng.
 Các ảnh trong BOWS sẽ được chia thành hai nửa một cách ngẫu nhiên để nhúng tin và
huấn luyện, kiểm tra bởi Ensemble Classifier. Công cụ trích lọc thuộc tính CSR [23] sẽ
được sử dụng để trích lọc các đặc trưng (1163 đặc trưng) từ các ảnh gốc (cover image)
và ảnh đã được nhúng tin (stego image) bằng các phương pháp PRSA, EA_LSBMR,
MBPMME_PBC và phương pháp đề xuất MBPMME_CGC với các dung lượng khác
nhau. Ở bước tiếp theo các tập thuộc tính này sẽ được phân tích bởi Ensemble Classifier
và kết quả của quá trình này là các giá trị lỗi kiểm tra OOB (Out-of-Bag). Giá trị lỗi
này càng cao thì càng thể hiện tính an ninh cao của tin giấu chống lại dạng tấn công
dựa trên phân tích các đặc trưng thực hiện bởi Ensemble Classifier.
 0.4
 MBPMME_CGC
 MBPMME_PBC
 0.35
 0.3
 0.25
 0.2
 0.15
 0.1
 0.05
 0
 0 0.5 1 1.5
 Hình 7. So sánh an ninh chống tấn công phát hiện thực hiện bởi Ensemble Classifier
 của ảnh mang tin tạo bởi MBPMME_CGC và MBPMME_PBC.
 Trong thực nghiệm này, phương thức MBPMME sử dụng mã Gray và mã nhị phân
đều áp dụng quá trình điều chỉnh thích nghi. Nhờ sự lựa chọn các khối điểm ảnh một
cách chính xác về độ phức tạp mà tin được giấu bởi MBPMME_CGC_A đã vượt trội
hơn so với tin giấu bởi các phương thức khác về tính an ninh trước phân tích bởi
Ensemble Classififer.
 Như hiển thị trong Hình 7, các giá trị lỗi OOB của ảnh mang tin tạo bởi MBP-
MME_CGC (không áp dụng quá trình điều chỉnh thích nghi) vẫn vượt trội hơn so với
MBPMME_PBC kể cả dung lượng giấu là khá cao. Điều này chứng minh rằng việc biểu
diễn điểm ảnh bằng CGC giúp giảm thiểu các suy biến gây ra bởi quá trình nhúng tin
khi so sánh với PBC.Vì vậy, khả năng chống tấn công phát hiện bởi Ensemble Classifier
của các ảnh mang tin của MBPMME_CGC là tốt hơn so với MBPMME_PBC.
5. Kết luận
 Bài báo giới thiệu một lược đồ ẩn giấu thông tin theo khối sử dụng mã Gray cho
ảnh số với nhiều lớp bít của điểm ảnh được sử dụng. Việc sử dụng mã Gray để biểu
 73
Section on Information and Communication Technology (ICT) - No. 13 (6-2019)
diễn các điểm ảnh giúp cho sự lựa chọn các khối điểm ảnh theo độ phức tạp được thực
hiện một cách chính xác. Điều này đảm bảo độ an ninh cao của tin được giấu trước các
dạng tấn công trực quan và tấn công thống kê. Ngoài ra, nhờ việc áp dụng điều chỉnh
thích nghi trên các điểm ảnh được sử dụng trong quá trình nhúng tin, sự biến đổi được
giảm thiểu, giúp duy trì chất lượng cảm quan của ảnh mang tin.
 Qua thực nghiệm với 10 000 ảnh trong thư viện BOWS và các phương pháp tấn công
được thực hiện, cho thấy cả chất lượng cảm quan và an ninh chống lại các phương pháp
tấn công của phương án đề xuất là vượt trội hơn khi so với các phương pháp trước đó.
Lời cảm ơn
 Nghiên cứu này được tài trợ bởi Trường Đại học Mở Hà Nội (HOU) trong đề tài có
mã số V2018-2.
Tài liệu tham khảo
[1] D. Hu, L. Wang, W. Jiang, S. Zheng, and B. Li, “A Novel Image Steganography Method via Deep Convolutional
 Generative Adversarial Networks,” IEEE Access, vol. 6, pp. 38303–38314, 2018.
[2] D. Hu, H. Xu, Z. Ma, S. Zheng, and B. Li, “A Spatial Image Steganography Method Based on Nonnegative
 Matrix Factorization,” IEEE Signal Process. Lett., vol. 25, no. 9, pp. 1364–1368, Sep. 2018.
[3] Z. Zhang, Y. Qu, Z. Wu, M. J. Nowak, J. Ellinger, and M. C. Wicks, “RF Steganography via LFM Chirp Radar
 Signals,” IEEE Trans. Aerosp. Electron. Syst., vol. 54, no. 3, pp. 1221–1236, Jun. 2018.
[4] V. K. Sharma, D. K. Srivastava, and P. Mathur, “Efficient image steganography using graph signal processing,”
 IET Image Process., vol. 12, no. 6, pp. 1065–1071, Jun. 2018.
[5] A. A. Abd El-Latif, B. Abd-El-Atty, M. S. Hossain, M. A. Rahman, A. Alamri, and B. B. Gupta, “Efficient
 Quantum Information Hiding for Remote Medical Image Sharing,” IEEE Access, vol. 6, pp. 21075–21083, 2018.
[6] W. Bender, D. Gruhl, N. Morimoto, and A. Lu, “Techniques for data hiding,” IBM Syst. J., vol. 35, no. 3.4, pp.
 313–336, 1996.
[7] “Steganography: A few tools to discover hidden data.” [Online]. Available: 
 [Accessed: 28-Jun-2018].
[8] Weiqi Luo, Fangjun Huang, and Jiwu Huang, “Edge Adaptive Image Steganography Based on LSB Matching
 Revisited,” IEEE Trans. Inf. Forensics Secur., vol. 5, no. 2, pp. 201–214, Jun. 2010.
[9] V. Sabeti, S. Samavi, and S. Shirani, “An adaptive LSB matching steganography based on octonary complexity
 measure,” Multimed. Tools Appl., vol. 64, no. 3, pp. 777–793, Jun. 2013.
[10] A. Sur, V. Ramanathan, and J. Mukherjee, “Pixel rearrangement based statistical restoration scheme reducing
 embedding noise,” Multimed. Tools Appl., vol. 68, no. 3, pp. 805–825, Feb. 2014
[11] K.-H. Jung and K.-Y. Yoo, “Data hiding using edge detector for scalable images,” Multimed. Tools Appl., vol.
 71, no. 3, pp. 1455–1468, Aug. 2014.
[12] R. W. Doran and C. for D. M. & T. C. Science, The Gray Code. Centre for Discrete Mathematics and Theoretical
 Computer Science, University of Auckland, 2007.
[13] Y. Kim, Z. Duric, and D. Richards, “Modified Matrix Encoding Technique for Minimal Distortion Steganog-
 raphy,” in Information Hiding, vol. 4437, J. L. Camenisch, C. S. Collberg, N. F. Johnson, and P. Sallee, Eds.
 Berlin, Heidelberg: Springer Berlin Heidelberg, pp. 314–327, 2007.
[14] F. Huang, W. Luo, J. Huang, and Y.-Q. Shi, “Distortion function designing for JPEG steganography with
 uncompressed side-image,” pp. 69, 2013.
[15] R. Crandall, “Some Notes on Steganography,” Available 
 1998.
[16] H. Hirohisa, “A data embedding method using BPCS principle with new complexity measures,” in Proc. of
 Pacific Rim Workshop on Digital Steganography, pp. 30–47, 2002.
[17] Tomásˇ Pevný, Tomásˇ Filler, and Patrick Bas, “Break Our Steganography System,” 2013. [Online]. Available:
74
 Journal of Science and Technique - Le Quy Don Technical University - No. 199 (6-2019)
[18] J. Kodovsky, J. Fridrich, and V. Holub, “Ensemble Classifiers for Steganalysis of Digital Media,” IEEE Trans.
 Inf. Forensics Secur., vol. 7, no. 2, pp. 432–444, Apr. 2012.
[19] A. Hore and D. Ziou, “Image Quality Metrics: PSNR vs. SSIM,” in 2010 20th International Conference on
 Pattern Recognition, Istanbul, Turkey, pp. 2366–2369, 2010.
[20] M. A. HAJJAJI, E.-B. Bourennane, and M. Abdellatif, “A Watermarking of Medical Image: New Approach
 Based On ‘Multi-Layer’ Method",” Int. J. Comput. Sci. Issues IJCSI, vol. 8, 2011.
[21] X. Kong, R. Chu, X. Ba, T. Zhang, and D. Yang, “A Perception Evaluation Scheme for Steganography,” in
 Intelligent Data Engineering and Automated Learning, pp. 426–430, 2003.
[22] A. C. Brooks, Xiaonan Zhao, and T. N. Pappas, “Structural Similarity Quality Metrics in a Coding Context:
 Exploring the Space of Realistic Distortions,” IEEE Trans. Image Process., vol. 17, no. 8, pp. 1261–1273, Aug.
 2008.
[23] T. Denemark, J. Fridrich, and V. Holub, “Further study on the security of S-UNIWARD,” pp. 902805, 2014.
 Ngày nhận bài 04-7-2018; Ngày chấp nhận đăng 17-12-2018.
 
 Nguyễn Đức Tuấn nhận bằng Tiến sĩ ngành Khoa học Máy tính tại Đại học Khon Kaen,
 Khon Kaen, Thái Lan năm 2016. Năm 2008, nhận bằng Thạc sĩ ngành Khoa học Máy tính
 tại Học viện Kỹ thuật Quân sự, Hà Nội, Việt Nam. Hiện nay đang là giảng viên Bộ môn Hệ
 thống Thông tin, Khoa Công nghệ Thông tin, Trường Đại học Mở Hà Nội. Hướng nghiên cứu
 chính: mật mã học, giấu tin và các hệ thống phân tán. Email: nguyenductuan@hou.edu.vn.
 Lê Hữu Dũng nhận bằng Thạc sĩ chuyên ngành Cơ sở Toán học cho Tin học tại Trường Đại
 học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội năm 2015. Hiện nay là giảng viên Bộ
 môn Công nghệ Phần mềm, Khoa Công nghệ Thông tin, Trường Đại học Mở Hà Nội. Hướng
 nghiên cứu chính là An ninh và Khoa học dữ liệu. Email: huudungle@hou.edu.vn.
 75
Section on Information and Communication Technology (ICT) - No. 13 (6-2019)
 A SECURE MULTI-BITPLANE STEGANOGRAPHY
 BASED ON MODIFIED MATRIX EMBEDDING
 USE CANONICAL GRAY CODE FOR SPATIAL IMAGES
 Abstract
 Hiding data into image flat regions introduces stego-images with low perceptual qual-
 ity and security. Therefore, in this paper, a secure Multi-Bitplane Steganography based on
 Modified Matrix Embedding use Canonical Gray Code for Spatial Images, were proposed. In
 this proposed approach, image regions are adaptive selected based on the number of secret
 message bits and the complex characteristic of cover images. At low embedding rate, the high
 texture image areas are employed in data hiding. When the number of message bits needs to
 be embedded is increased, more image regions are used in data hiding, including high and
 low texture regions. To guarantee available embedding capacity, more than one of bit-plane
 of an image is used. The results, which are obtained from experiments with 10 000 natural
 images, indicate that the security against detection and extraction attacks is higher than that
 of previous methods even at high embedding rate.
76