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

点击翻译按钮获取中文摘要

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。