بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
بهینه سازی استگانوگرافی LSB با استفاده از الگوریتم ACO
چکیده
– الگوریتم LSB یکی از روشهای استگانوگرافی است که پیام محرمانه در داخل r بیت پشت سر هم در تصویر میزبان پنهان می-شود تا از دسترسی غیرمج از جلوگیری شود. از آن جا که امنیت و کیفیت تصویر دو فاکتور مهم در ارزیابی عملیات استگانوگرافی هستند روش LSB معمول در برابر حملات و نویز، آسیبپذیر میباشد، بنابراین برخی از اهداف محققان، پیشنهاد یک ماتریس جایگزینی بر اساس دو فاکتور فوق میباشد. یافتن یک ماتریس جایگزینی بهینه میتواند از دیدگاه یک مسأله بهینهسازی ترکیبی بررسی شود، هنگامی که r افزایش مییابد، فضای جس تجو به طور قابلتوجهی رشد میکند، بنابراین یک روش مناسب و پربازده برای ساختن این ماتریس لازم است. در این مقاله ما یک ماتری س LSB بهینه به کمک الگوریتم بهینهسازی کلونی مورچهها را ارائه میکنیم.
-1 مقدمه
امروزه با گسترش فنآوری مخابرات و ارتباطات بستر گستردهای جهت تبادل اطلاعات با دیگران فراهم شده است. اطلاعات محافظت نشده در حین انتقال برای شنود هکرها میتواند مهیا باشد. روشهای مختلفی برای پشتیبانی از اطلاعات محرمانه است فاده میشود. استفاده همزمان از روشهای کدینگ، رمزنگاری، استگانوگرافی میتواند لایه-های مقاومتری از امنیت دیتا را ایجاد کند. در استگانوگرافی پیام محرمانه بهطور نامحسوس به وسیله اطلاعات رایج در رسانههای معمول چو ن تصویر پوشش داده میشود. در استگانوگرافی LSB پیام محرمانه پس از جداسازی در بیت-های کم ارزش پیکسلهای تصویر میزبان پنهان میگردد که به تصویر حاصل شده Stego-Image گویند. اگرچه این روش برای عملیاتیشدن بسیار ساده و دقیق است اما از لحاظ امنیت و پایداری در مقابل حملات و نویز آسیبپذیر میباشد. بدین منظور ی ک ماتریس جایگزینی مناسب جهت بهبود کیفیت و امنیت تصویر استگوشده معرفی میکنیم. بنابراین از الگوریتم هوشمند کلونی مورچهها استفاده خواهیم کرد.
-2 الگوریتم LSB بهینه شده
یک روش مع مول برای جایگزینی پیام محرمانه در یک تصویر پوشاننده، استفاده از الگوریتم LSB میباشد. بدین منظور پیام محرمانه در کمارزشترین بیتهای پیکسلهای یک تصویر پنهان میشود. این روش ساده، دقیق، پرظرفیت می باشد و ما الگ وریتم استگانوگرافی آن را بطور کامل در [6] بررسی و شبیهسازی نمودیم. با گسترش دانش استگانوگرافی تجر به شده است که روش LSB معمول امنیت کافی را نداشته و در مقابل حملات و نویز آسیبپذیر می-باشد. یکی از رو شهای بهبود الگوریتم LSB پراکندهنمودن بیتهای اطلاعات پیام محرمانه در تصویر طبق الگوریتمهای دقیق ریاضی است . میتوان یک تصویر را بلوکبندی کرد و با محاسبات کورلیشن میان بلوکها و واریانس نمونهها، جایابی اطلاعات را در بلوکهای پیچیدهتر انجام داد. بنابراین در اینجا یافتن بهترین مکانهای جاسازی، مسئله است و محققان میکوشند تا مدلهای مناسبی در این زمینه ارائه دهند. در این مقاله ما برای افزایش امنیت روش، در مرحله کدینگ پیام محرمانه، یک فشرده سازی بر روی تصویر حاوی اط لاعات (واترمارکینگ) انجام خواهیم داد.
سپس در مرحله جایابی تصویر دیتا در تصویر میزبان از الگوریتم کلونی مورچه برای یافتن بهترین موقعیتهای جاسازی در تصویر پوشاننده استفاده خواهیم نمود. نهایتاﹰ با مشخص شدن این موقعیتها، تصویر واترمارکینگ کدشده را در آنها قرار میدهیم.
-3 فشردهسازی تصویر واترمارکینگ
در فشردهسازی تصاویر دیج یتال روشهای معمولی مانند
coding و... وجود دارد. اما این روشها برای فشردهسازی تصویر واترمارکینگ مناسب نیستند. به عنوان مثال کدینگ هافمن را درنظر بگیرید. این کدینگ اگرچه از نظر آنتروپی یک کد بهینه است اما درمقابل خطا آسیبپذیر میباشد و با رخدادن یک خطا در یکی از بیتها سایر بیتهای کدینگ هافمن نیز خراب میشود. بدین منظور ما ابتدا بیتهای یک تصویر واترمارکینگ را در ی ک ماتریس یکبعدی قرار می-دهیم. سپس هر سه بیت را به یک بیت کد میکنیم. قاعده کدشدن به این صورت است که اگر
حداقل ۲ بیت از ۳ بیت مقدار یکسان باینری داشت آن ۳ بیت را به آن مقدار باینری کد میکنیم:
و رفتار آنها بیشتر در جهت بقاﺀ کلونی است تا درجهت بقاﺀ یک جزﺀ از آن. از مهمترین و جالبترین رفتار مورچهها، رفتار آنها برای یافت ن غذا و بویژه چگونگی پیداکردن کوتاهترین مسیر میان منابع غذایی و آشیانه است. این نوع رفتار مورچهها دارای نوعی هوشمندی جمعی است که اخیراﹰ مورد توجه دانشممندان قرار گرفته است. در هوشمندی تودهای، عناصر رفتاری تصادفی دارند و بین آن ها هیچ نوع ارتباط مستقیمی وجود ندارد و آنها تنها بصورت غیر مستقیم و با استفاده از نشانهها با یکدیگر در تماس هستند.
اما مورچهها چگونه کوتاهترین مسیر را انتخاب می-کنند؟ مورچهها هنگاام راه رفتن از خود ردی از ماده شیمیایی فرومون (Pheromoone) بجای میگذارند. یک رفتار پایهای ساده در مورچهها وجود دارد: آنها هنگام انتخاب بین دو مسیر بصورت احتم الاتی مسیری را انتخاب میکنند که فرومون بیشتری داشته باشد یا به عبارت دیگر مورچههای بیشتری قبلاﹰ از آن عبور کرده باشند. البته این ماده به زودی تبخیر میشود ولی در کوتاهمدت بعنوان رد مورچه بر سطح زمین باقی میماند. بنابراین »تبخیر شدن فرومون« و »احتمال-تصادف« به مورچهها امکان پیدا کردن کوتاهترین مسیر را میدهند. این دو ویژگی باعث ایجاد انعطاف در حل هرگونه مسئله بهینهسازی میشوند. در یک سیستم هوش مصنوعی کلونی مورچه، همه مورچهها بطور همزمان این کدینگ را میتوان از گروه فشردهسازیهای lossy قرار داد. خطای کدینگ در اینج ا کمتر از 1/6 است و میتوان فرض نمود، تغییر محسوسی در تصویر واترمارک ایجاد نخواهد شد.
-4 الگوریتم بهینهسازی کلونی مورچه
این الگوریتم اولین بار برای حل مسائل بهینهسازی مانند فروشنده دورهگرد (TCP) ارائه شد. با انجام یک الگوریتم برنامهسازی پویا برای این مسئله، زمان از مرتبه نمایی بدست میآید که مناسب نیست. ACO الگوریتم کامل و مناسبی برای حل چنین مسائلی است. الگوریتم کلونی مورچه الهامگرفته شده از م طالعات و مشاهدات روی کلونی مورچههاست. این مطالعات نشانداده که مورچهها حشراتی اجتماعی هستند که در کلونیها زندگی میکنند
مسیرهای خودشان را بهروزرسانی میکنند. بعد از یک شروع تصادفی از یک شرایط اولیه مناسب مورچه kام در نقطه iام قرار دارد و میخواهد به مسیر jام بر اساس قاعده تصادفی تناسبی زیر برود:
در این رابطه که با d یا فاصله مسیر i تا مسیر j رابطه عکس دارد. τ بیان کننده غلظت فرمون در مسیر i تا j است. P نشاندهننده احتمال رفتن مورچه kام از مسیر i به j است. _ مجموع ه همسایگانی است که مورچه kام از آنها هنوز عبور نکرده است و α و β پارامترهای قابل تنظیم هستند. باید توجه داش ت در این سیستم فرض میشود هر مورچه قادر است به یاد آورد که از چه مسیرهایی قبلاﹰ عبور کرده است و اینکه طول آن مسیر چه بوده است.
همچنین نهایتاﹰ تمام مو رچهها به خانه باز میگردند و فرمون باقیمانده در مسیرها ر ها میشود. یک مورچه با توجه به مسیرهایی که طی نموده در مسیر برگشت غلظت معینی از فرمون برجای خواهد گ اشت. همچنین باید توجه داشت که تبخیر فرمونها را می تو ان بر اساس رابطه زیر فرموله کرد:
در این رابطه ρ نرخ ت بخیر است و مقدار آن در محدوده (0,1] است. L نیز تعداد نقاط در طول مسیر است. Ρ بزرگتر نشان میدهد که مورچه ها زودتر مسیری را که قبلاﹰ آن را طی کردهاند را ف راموش خواهند کرد. میتوان گفت غلظت فرمون طبق فرمو ل زیر کاهش مییابد:
که m تعداد کل مورچههاست و فرمون برجای گذاشته از مورچه kام در مسیر i به j است. پارامتر بر طبق
زیر تعریف می شود:
.
که در آن مسیر ساخته شده بوسیله مورچه طول این مسیر است. با توجه به فرمول فوق مشاهده می-شود که افزایش فرمون با طول مسیر نسبت عکس دارد. بنابراین ما میتوانیم غلظت فرمون را به منظور کنترل سرعت رسیدن مورچهها به مسیر بهینه، تنظیم نمائیم. گسترش این سیستم مورچه به سیستم کولونی مورچه بدین صورت است که جستجوی راه حلهای جدید به مسیرها و تجارب گذشته بیشتر ب ستگی دارد. همچنین بهروزرسانی و تبخیر فرمونها فقط به بهترین مسیر آخر اعمال میشود. بنابراین الگوریتم کولون ی مورچه در زمان کمتری به جواب بهینه نزدیک خواهد شد .
-5 استگانوگرافی با استفاده از کولونی مورچه
قبل از پنهاننگاری باید یک ماتریس جایگزینی ایجاد نمود. ماتریس مورد نظر برای یافتن بهترین مکانهای تصویر میزبان برای جایگذاری تصویر واترمارکینگ فشرده-شده، با استفاده از الگ وریتم ACO بدست میآید. روش پیادهسازی الگوریتم AC O را در مراحل زیر بیان میکنیم:
ایجاد تابع هدف:
برای ارزیابی بهینگی PS_R پیک سیگنال به نویز تصویر یا معیار اندازهگیری
خطایE پارامترهایی جهت اندازهگیری کیفیت
تصویر می بااشند یعنی یا باید PS_R بیشینه شود یا
کمینه گردد.
نمایش گرافیکی مسأله:
مورچه وقتیآشیانهاش را جهت جستجوی غذا ترک میکند از طریق رأسهای گراف می تواند مسیرش را تکمیل کندبطوریکه پس از خروج ازآشیانه مثلاﹰ چهار مسیر مختلف در پ یش رو دارد که باید یکی از آنها را انتخاب کند که در اینجا عبارتند از شکل ١نمایش گرافیکی ماتریس جایگزینی را نشان می-دهد، مورچه پس از ورود به دوباره باید تصمیم بگیرد و به همین ترتیب مسیریابی ادامه می یابد. نکتهای که در اینجا مطرح میشود این است که مورچه ناگزیر به انتخاب تنها یک رأس میباشد یعنی در هر سطر و ستون ماتریس تنها یک درایه می تواند یک باشد (بر اساس خواص ماتریس) یعنی وقتی مورچه به رأس وا رد میشود برای ورود به مرحله بعدی تنها سه راه انتخا ب دارد نه چهار تا.
٣. پارامتر های موثر :
: m تعداد کل مورچهها :τ0 مقدار اولیه فرمونها
:τ غلظت فرمونها :η مقدار تجربی
:α ,β وزن اهمیت غلظت فرمونها و پارامترهای تجربی : ρ پارامتر تبخیر فرمون
:T تعداد مسیر های برگشت :q0 تعداد پارامترهای تصادفی
٤. تعیین م سیر :
پارامترهای مو ثر بالا در کلونی مورچهها می تواند تعیـین کنــد کــه رأس ب عــدی جهــت ادامــه مســیر کــدام باشــد.
