THỦY VÂN CƠ SỞ DỮ LIỆU QUAN HỆ
DỰA TRÊN KỸ THUẬT TỐI ưU HOÁ
ÁP DỤNG THUẬT TOÁN TÌM KIẾM THEO MẪU
LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
LỜI MỞ ĐẦU
Trong thực tế việc chứng minh quyền sở hữu đối với các cơ sở dữ liệu
quan hệ sau khi đã phân phối hoặc chuyển giao đang là một vấn đề quan trọng
trong các môi trường ứng dụng dựa trên Internet và trong nhiều ứng dụng
phân phối sản phẩm.
Trong những năm gần đây, công nghệ thông tin phát triển với tốc độ
chóng mặt về cả phần cứng và phần mềm, đặc biệt là tốc độ phát triển của
Internet và các công nghệ có liên quan đã đưa đến một tiểm năng chưa từng
có đối với việc truy nhập và phân phối lại các sản phẩm kỹ thuật số. Sự phát
triển của công nghệ đa phương tiện với khả năng sao chép mô phỏng đã mở ra
nhiều hướng mới cho sự phát triển kỹ thuật thuỷ vân, đặt biệt là lĩnh vực bảo
mật cơ sở dữ liệu. Thuỷ vân cơ sở dữ liệu cũng không nằm ngoài quy luật
phát triển đó.
Ban đầu, thuỷ vân được sử dụng để nhúng vào các sản phẩm đa phương
tiện như âm thanh, hình ảnh .Nhưng hiện nay, thuỷ vân đã được ứng dụng
vào một lĩnh vực hết sức mới mẻ có liên quan đến quyền sở hữu trí tuệ. Đó là
lĩnh vực thuỷ vân cơ sở dữ liệu quan hệ, đây là một trong những lĩnh vực
quan trọng và có ứng dụng nhiều trong cuộc sống.
Thuỷ vân đã được sử dụng với mong muốn có thể cho phép chứng
minh được tác giả và nguồn gốc của cơ sở dữ liệu để từ đó chứng minh dữ
liệu là chuẩn xác.
Xuất phát từ thực tế đó, luận văn lựa chọn đề tài: “Nghiên cứu và phát
triển kỹ thuật thủy vân cơ sở dữ liệu quan hệ dựa trên kỹ thuật tối ưu hóa áp
dụng thuật toán tìm kiếm theo mẫu”.
Tính cấp thiết của đề tài
- Ngày nay, Internet đã và đang phát triển với tốc độ nhanh, cùng với sự
phát triển đó thì các công nghệ và các ứng dụng được phân tán trên Internet
rất nhiều. Chính vì vậy, việc chứng minh quyền sở hữu đối với các cơ sở dữ
liệu quan hệ sau khi đã phân phối hoặc chuyển giao đang là một vấn đề rất
quan trọng trong các môi trường ứng dụng dựa trên internet và trong nhiều
ứng dụng phân phối sản phẩm.
- Trong một bối cảnh như vậy, việc thực thi quyền sở hữu dữ liệu là một
yêu cầu quan trọng đòi hỏi các giải pháp đồng bộ, bao gồm các khía cạnh về
kỹ thuật, về tổ chức, và cả luật pháp. Mặc dù chúng ta vẫn chưa có được
những giải pháp toàn diện như vậy nhưng trong các năm gần đây, các kỹ thuật
thuỷ vân đã đóng một vai trò quyết định nhằm giải quyết vấn đề về quyền sở
hữu này.
- Cho đến nay, mới chỉ có một vài cách tiếp cận đối với bài toán thuỷ vân
dữ liệu quan hệ. Tuy nhiên, những kỹ thuật này không bền vững đối với các
tấn công thuỷ vân.
Mục tiêu nghiên cứu
Mục tiêu chung
Nghiên cứu kỹ thuật thuỷ vân cơ sở dữ liệu dựa trên kỹ thuật tối ưu hóa
để mã hoá và giải mã thuỷ vân. Trong đó tập trung nghiên cứu kỹ thuật phân
hoạch dữ liệu không phụ thuộc vào các bộ được đánh dấu để định vị các phân
hoạch, và nghiên cứu kỹ thuật phát hiện thủy vân dựa vào một ngưỡng tối ưu.
Mục tiêu cụ thể
Nghiên cứu kỹ thuật thuỷ vân cơ sở dữ liệu quan hệ có áp dụng kỹ thuật
tối ưu hoá như một bài toán tối ưu hoá có ràng buộc. Đồng thời trình bày kỹ
thuật hữu hiệu để giải bài toán tối ưu này bằng thuật toán tìm kiếm theo mẫu
và xử lý các ràng buộc của chúng.
Ý nghĩa khoa học và ý nghĩa thực tiễn của đề tài
Ý nghĩa khoa học của đề tài
- Đưa ra cơ sở khoa học của việc lựa chọn kỹ thuật tối ưu để mã hoá và
giải mã thuỷ vân trong đó sử dụng kỹ thuật tìm kiếm theo mẫu để giải quyết
bài toán.
Ý nghĩa thực tiễn
- Kết quả của đề tài có ý nghĩa rất lớn đối với Ngành công nghệ thông
tin trong việc chứng minh quyền sở hữu đối với các cơ sở dữ liệu quan hệ sau
khi đã phân phối hoặc chuyển giao đang là một vấn đề rất quan trọng trong
các môi trường ứng dụng dựa trên internet và trong nhiều ứng dụng phân phối
sản phẩm.
Nhiệm vụ nghiên cứu
- Nghiên cứu, hiểu rõ và trình bày về kỹ thuật tối ưu để mã hoá và giải
mã thuỷ vân.
- Nghiên cứu và sử dụng công cụ để mô tả kỹ thuật tìm kiếm theo mẫu
Phương pháp nghiên cứu
- Nghiên cứu lý thuyết cơ sở về thuỷ vân cơ sở dữ liệu
- Nghiên cứu ứng dụng và mô tả chi tiết về kỹ thuật tìm kiếm theo mẫu.
Phạm vi nghiên cứu
- Phạm vi nghiên cứu kỹ thuật thuỷ vân cơ sở dữ liệu quan hệ và mô tả
kỹ thuật tối ưu trong đó áp dụng kỹ thuật tìm kiếm theo mẫu
Các kết quả nghiên cứu dự kiến cần đạt được
Kết quả về học thuật: Nghiên cứu kỹ thuật thuỷ vân cơ sở dữ liệu
Kết quả về phát triển ứng dụng: Áp dụng kỹ thuật tìm kiếm theo mẫu
để mô tả và phát triển ứng dụng trong thực tế
Kết cấu của luận văn
Bố cục của luận văn bao gồm phần mở đầu, phần kết luận và ba
chương. Nội dung các chương được tổ chức như sau:
Chương 1: Tổng quan về kỹ thuật giấu tin và thuỷ vân
Chương này trình bày một số khái niệm về kỹ thuật giấu tin, các vấn đề
cơ bản của kỹ thuật giấu tin. Đồng thời cũng trình bày khái niệm cơ bản về
thuỷ vân, và đặc biệt đưa ra sơ đồ chi tiết về thuỷ vân.
Chương 2: Thuỷ vân cơ sở dữ liệu quan hệ dựa trên kỹ thuật tối ưu áp
dụng thuật toán tìm kiếm theo mẫu
Chương này trình bày quá trình mã hoá, giải mã thuỷ vân cơ sở dữ liệu
quan hệ bằng kỹ thuật tối ưu áp dụng thuật toán tìm kiếm theo mẫu.
Chương 3: Phát triển ứng dụng thuỷ vân cơ sở dữ liệu quan hệ dựa trên
kỹ thuật tối ưu áp dụng thuật toán tìm kiếm theo mẫu
Chương này trình bày ứng dụng của kỹ thuật tối ưu, kỹ thuật tìm kiếm
theo mẫu trong quá trình nhúng thuỷ vân. Cùng với một số kết quả cài đặt của
ứng dụng.
MỤC LỤC
BẢNG CÁC TỪ VIẾT TẮT 4
DANH MỤC CÁC HÌNH VẼ 5
LỜI MỞ ĐẦU
Chương 1-TỔNG QUAN VỀ KỸ THUẬT GIẤU TIN VÀ THUỶ VÂN 11
1.1. Kỹ thuật giấu tin và những vấn đề cơ bản về kỹ thuật giấu tin 12
1.1.1. Khái niệm giấu tin 12
1.1.2. Phân loại các kỹ thuật giấu tin 14
1.1.3. Mục đích của giấu tin . 15
1.1.4. Môi trường giấu tin . 17
1.2. Cơ sở lý thuyết về thuỷ vân . 21
1.2.1. Khái niệm thuỷ vân và nhúng thuỷ vân . 21
1.2.2. Lịch sử phát triển của thuỷ vân . 21
1.2.3. Mô hình hệ thống tổng quát quá trình nhúng và thuỷ vân . 22
1.2.4. Một số ứng dụng của thuỷ vân 24
Chương 2-THUỶ VÂN CƠ SỞ DỮ LIỆU QUAN HỆ DỰA TRÊN KỸ
THUẬT TỐI ưU ÁP DỤNG THUẬT TOÁN TÌM KIẾM THEO MẪU 25
2.1. Giới thiệu về thuỷ vân cơ sở dữ liệu 25
2.2. Mô hình chi tiết hệ thống thuỷ vân cơ sở dữ liệu . 27
2.3. Phân hoạch dữ liệu 29
2.4. Nhúng thuỷ vân . 32
2.4.1
Mã hoá bít đơn 32
2.4.2. Thuật toán tìm kiếm theo mẫu . 37
2.4.3. Thuật toán nhúng thuỷ vân . 39
2.5. Đánh giá ngưỡng giải mã 40
2.6. Phát hiện thuỷ vân . 43
2.7. Kiểu tấn công . 45
Chương 3 – CÀI ĐẶT LưỢC ĐỒ THUỶ VÂN CƠ SỞ DỮ LIỆU
QUAN HỆ BẰNG KỸ THUẬT TỐI ưU THUẬT TOÁN TÌM KIẾM
THEO MẪU . 47
3.1. Giới thiệu về kỹ thuật tìm kiếm theo mẫu 47
3.2. Mô tả ứng dụng . 48
3.2.1. Cơ sở của ứng dụng 48
3.2.2. Giả thiết 48
3.2.3. Một số kết quả thực nghiệm đạt được . 49
PHỤ LỤC .58
KẾT LUẬN . 59
TÀI LIỆU THAM KHẢO .60
69 trang |
Chia sẻ: maiphuongtl | Lượt xem: 1789 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Luận văn Thủy vân cơ sở dữ liệu quan hệ dựa trên kỹ thuật tối ưu hoá áp dụng thuật toán tìm kiếm theo mẫu, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
các âm thanh nhỏ thấp một cách dễ dàng. Các mô hình phân tích
tâm lí đã chỉ ra điểm yếu trên và thông tin này sẽ giúp ích cho việc chọn các
âm thanh thích hợp cho việc giấu tin. Vấn đề khó khăn thứ hai đối với giấu
thông tin trong âm thanh là kênh truyền tin. Kênh truyền hay băng thông
chậm sẽ ảnh hưởng đến chất lượng thông tin sau khi giấu. Ví dụ để nhúng
20
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
một đoạn java applet vào một đoạn âm thanh (16 bit, 44.100 Hz) có chiều dài
bình thường thì các phương pháp nói chung cũng cần ít nhất là 20 bit/s. Giấu
thông tin trong âm thanh đòi hỏi yêu cầu cao về tính đồng bộ và tính an toàn
của thông tin. Các phương pháp giấu thông tin trong âm thanh đều lợi dụng
điểm yếu trong hệ thống thính giác của con người.
c. Giấu tin trong phim (video)
Cũng giống như giấu thông tin trong ảnh hay trong âm thanh, giấu tin
trong phim cũng được quan tâm và được phát triển mạnh mẽ cho nhiều ứng
dụng như điều khiển truy cập thông tin, xác thực thông tin và bảo vệ bản
quyền tác giả. Ví dụ các hệ thống chương trình trả tiền xem theo đoạn với các
đoạn phim (pay per view application). Các kỹ thuật giấu tin trong phim cũng
được phát triển mạnh mẽ và cũng theo hai khuynh hướng là thuỷ vân số và
giấu thông tin. Nhưng phần này chỉ quan tâm tới các kỹ thuật giấu tin trong
phim. Một phương pháp giấu tin trong phim được Cox đưa ra là phương pháp
phân bố đều. Ý tưởng cơ bản của phương pháp là phân phối thông tin giấu
dàn trải theo tần số của dữ liệu gốc. Nhiều nhà nghiên cứu đã dùng những
hàm cosin riêng và các hệ số truyền sóng riêng để giấu tin. Trong các thuật
toán đầu tiên thường các kỹ thuật cho phép giấu các ảnh vào trong phim
nhưng thời gian gần đây các kỹ thuật cho phép giấu cả âm thanh và hình ảnh
vào phim. Ví dụ Swanson đã sử dụng phương pháp giấu theo khối, phương
pháp này đã giấu được hai bít vào khối 8*8. Hay gần đây nhất là phương pháp
của Mukherjee là kỹ thuật giấu âm thanh vào phim sử dụng cấu trúc lưới đa
chiều...
Giấu tin là một công nghệ mới phức tạp, đang được các nhà khoa học
tập trung nghiên cứu ở nhiều nước trên thế giới như Đức, Mỹ, ý, Canada,
21
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nhật Bản…Tuy nhiên, những kết quả thực nghiệm cho thấy để có thể ứng
dụng thực tế thì lĩnh vực này cần phải có thêm thời gian để nghiên cứu thẩm
định nhưng các nhà khoa học cũng khẳng định rằng đây là một công nghệ mới
đầy hứa hẹn cho vấn đề an toàn và bảo mật thông tin. Công việc hiện nay của
các nhà khoa học là đang tập trung xây dựng một hệ thống lí thuyết chính xác
cho vấn đề giấu tin, đây là một mảnh đất mới cho các nhà khoa học khám phá.
Một trong những kỹ thuật quan trọng của giấu tin đang được rất nhiều các nhà
khoa học quan tâm và phát triển nhất, đó là kỹ thuật thuỷ vân (watermark).
[3], [11], [12]
1.2. Cơ sở lý thuyết về thuỷ vân
1.2.1. Khái niệm thuỷ vân và nhúng thuỷ vân
- Thuỷ vân là một tín hiệu bảo mật và không nhận biết, được nhúng vào dữ
liệu gốc để truyền dữ liệu đã nhúng đi.[9]
- Nhúng thủy vân (watermarking) là một trong những kỹ thuật giấu dữ liệu
hiện đại, là quá trình chèn thông tin vào dữ liệu đa phương tiện nhưng bảo
đảm không nhận biết được, nghĩa là chỉ làm thay đổi nhỏ dữ liệu gốc. Thông
thường người ta chỉ đề cập đến nhúng thủy vân số. Một tập các dữ liệu số thứ
cấp - gọi là mã đánh dấu bản quyền hay thủy vân (watermark), được nhúng
vào dữ liệu số sơ cấp - gọi là dữ liệu bao phủ (ví dụ như văn bản, hình ảnh,
âm thanh và phim số, ...). Dữ liệu sau quá trình nhúng được gọi là dữ liệu
nhúng.[10], [12], [13]
1.2.2. Lịch sử phát triển của thuỷ vân
Tanaka (1990), Caronni và Tirkel (1993) lần lượt đưa ra những ấn bản
đầu tiên về nhúng thủy vân nhưng chưa nhận được sự quan tâm đúng mức.
22
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Đến năm 1995, chủ đề này mới bắt đầu được quan tâm và từ đó, nhúng thủy
vân số đã phát triển tốc độ nhanh với nhiều hướng nghiên cứu và phương
pháp thực hiện khác nhau. Nhúng thủy vân được ứng dụng trong nhiều lĩnh
vực như bảo vệ quyền sở hữu, điều khiển việc sao chép, xác nhận giấy tờ, hay
truyền đạt thông tin khác, …trong đó ứng dụng phổ biến là cung cấp bằng
chứng về bản quyền tác giả của các dữ liệu số bằng cách nhúng các thông tin
bản quyền.
1.2.3. Mô hình hệ thống tổng quát quá trình nhúng và khôi phục thuỷ
vân
Hình 1.4. Sơ đồ nhúng thuỷ vân
Thuỷ vân
Dữ liệu
nhúng
Dữ liệu
bao phủ
Mã cá nhân /
công cộng
Quyết định
thuỷ vân
Dữ liệu
nhúng
Thuỷ vân
Mã cá nhân
/ công cộng
23
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Hình 1.5. Sơ đồ khôi phục thuỷ vân
Tất cả các phương pháp nhúng thủy vân đều có chung các khối sau:
một hệ thống nhúng thủy vân và một hệ thống khôi phục thủy vân. [9], [10],
[12], [13]
Hình 1.4. trình bày quá trình nhúng thủy vân tổng quát. Đầu vào là thủy
vân, dữ liệu cần nhúng và mã cá nhân hay công cộng. Thủy vân có thể ở bất
kì dạng nào như chữ số, văn bản hay hình ảnh. Khoá có thể được dùng để
tăng cường tính bảo mật, nghĩa là ngăn chặn những người không có bản
quyền khôi phục hay phá hủy thủy vân. Các hệ thống thực tế dùng ít nhất là
một khoá, thậm chí kết hợp nhiều khoá. Đầu ra là dữ liệu đã được nhúng thủy
vân.
Quá trình khôi phục thủy vân tổng quát được cho ở hình 1.5. Đầu vào
là dữ liệu đã nhúng thủy vân, khoá và dữ liệu gốc (có thể có hoặc không tuỳ
thuộc vào phương pháp). Đầu ra hoặc là thủy vân khôi phục được hoặc đại
lượng nào đó chỉ ra mối tương quan giữa nó và thủy vân cho trước ở đầu vào.
Phụ thuộc vào mục đích và ứng dụng mà các yêu cầu của hệ thống
nhúng thủy vân được đặt ra. Với các hệ thống thực tế, chúng đòi hỏi các yêu
cầu sau:
− Tính không nhận biết: các điều chỉnh gây ra do nhúng thủy vân phải
thấp hơn ngưỡng cảm thụ, nghĩa là các mẫu dùng trong nhúng thủy vân chỉ
được phép thay đổi nhỏ.
− Tính bền vững: đây là một yêu cầu nòng cốt của nhúng thủy vân.
− Khôi phục thủy vân cần hoặc không cần dữ liệu gốc.
− Trích thủy vân hay kiểm chứng sự tồn tại của thủy vân.
24
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
− Các khoá và bảo mật thủy vân.
1.2.4. Một số ứng dụng của thuỷ vân
Một ứng dụng phổ biến của kỹ thuật thuỷ vân là đưa ra một bằng chứng
về quyền sở hữu đối với dữ liệu số bằng cách nhúng dấu hiệu mang tính bản
quyền vào phim hoặc các sản phẩm ảnh số.
Ngoài ra, còn có những ứng dụng khác :
- Tự động điều khiển và tự hiệu chỉnh sao chép tài liệu trên Web. Ví
dụ một robot tìm web để đánh dấu vào tài liệu và từ đó nhận dạng
sản phẩm bất hợp pháp.
- Tự động kiểm tra việc truyền nhận sóng vô tuyến. Ví dụ một robot
có thể “nghe” một trạm thu phát sóng radio và tìm kiếm những dấu
hiệu để biểu thị một phần cụ thể của bản nhạc hoặc lời quảng cáo
vừa được phát ra.
- Việc mở rộng dữ liệu- để thêm thông tin mang lại lợi ích một cách
công khai.
- Ứng dụng trong lấy dấu vân tay (cho phép nhận dạng dữ liệu đã
phân tán).
25
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Chƣơng 2-
THUỶ VÂN CƠ SỞ DỮ LIỆU QUAN HỆ
DỰA TRÊN KỸ THUẬT TỐI ƢU HOÁ
ÁP DỤNG THUẬT TOÁN TÌM KIẾM THEO MẪU
2.1. Giới thiệu về thuỷ vân cơ sở dữ liệu (database watermarking)
Tốc độ phát triển nhanh của Internet và các công nghệ có liên quan đã
đưa đến một tiềm năng chưa từng có đối với việc truy cập và phân phối lại
các sản phẩm kỹ thuật số. Trong bối cảnh như vậy, việc thực thi quyền sở hữu
dữ liệu là một yêu cầu quan trọng đòi hỏi các giải pháp đồng bộ, bao gồm các
khía cạnh về kỹ thuật, về tổ chức, và cả luật pháp. Mặc dù vẫn chưa có được
những giải pháp toàn diện như vậy nhưng trong các năm gần đây, các kỹ thuật
thuỷ vân đã đóng vai trò quyết định nhằm giải quyết vấn đề về quyền sở hữu
này. Những kỹ thuật như vậy cho phép người chủ dữ liệu có thể nhúng một
thuỷ vân ẩn vào dữ liệu. Một thuỷ vân thường mô tả những thông tin có thể
được dùng để chứng minh quyền sở hữu dữ liệu, chẳng hạn như tên chủ sở
hữu, nguồn gốc, hoặc người tiếp nhận nội dung này. Việc nhúng thông tin an
toàn đòi hỏi thuỷ vân được nhúng trong dữ liệu không thể bị làm giả mạo
hoặc bị tẩy xoá một cách dễ dàng. Nhúng ẩn có nghĩa là thuỷ vân không thể
nhìn thấy được trong dữ liệu. Hơn nữa, việc phát hiện thuỷ vân được thực
hiện theo phương pháp mù, tức là không đòi hỏi dữ liệu gốc cũng như thuỷ
vân gốc. Đã có một số kỹ thuật thuỷ vân được phát triển để nhúng thủy vân
phim, âm thanh, ảnh và dữ liệu văn bản.
26
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Trái lại, vấn đề thuỷ vân dữ liệu quan hệ đã không nhận được sự chú ý
thích đáng. Tuy nhiên, có nhiều ngữ cảnh ứng dụng trong đó dữ liệu trở nên
một tài sản quan trọng, vì vậy vấn đề về quyền sở hữu phải được thực thi một
cách cẩn thận. Ví dụ dữ liệu về thời tiết, dữ liệu về thị trường chứng khoán,
dữ liệu về hành vi của khách hàng, dữ liệu y học và khoa học. Việc nhúng
thuỷ vân vào dữ liệu quan hệ có thể thực hiện được bởi trong thực tế, các dữ
liệu thật có thể chấp nhận một dung sai nhỏ mà vẫn không ảnh hưởng đáng
kể đến giá trị sử dụng của chúng.
Cho đến nay, mới có một vài cách tiếp cận đối với bài toán thuỷ vân dữ
liệu quan hệ được đề xuất. Tuy nhiên, những kỹ thuật này không bền vững
đối với các tấn công thủy vân. Đề tài này trình bày một kỹ thuật thuỷ vân cơ
sở dữ liệu quan hệ có độ bền vững cao so với các kỹ thuật khác. Kỹ thuật này
bền vững đối với các tấn công xoá, sửa và chèn các bản ghi. [1], [2], [8],[9]
27
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
2.2. Mô hình chi tiết hệ thống thuỷ vân cơ sở dữ liệu
Kỹ thuật tối ưu gồm hai quá trình, quá trình mã hoá và giải mã thuỷ vân.
Sơ đồ khối tóm tắt các thành phần chính của mô hình hệ thống thuỷ vân
như sau:
Hình 2.1: Các thời kỳ mã hoá và giải mã thuỷ vân.
Một bộ dữ liệu D được biến đổi thành bộ dữ liệu đã thuỷ vân DW bằng
cách dùng hàm mã hoá thuỷ vân, đầu vào khoá bí mật KS chỉ được người chủ
sở hữu biết, và một thuỷ vân W. Thuỷ vân làm thay đổi dữ liệu. Tuy nhiên,
những thay đổi này được kiểm soát bằng cách sử dụng tập các ràng buộc thích
hợp tham chiếu đến tập G. Các ràng buộc này giới hạn lượng thay đổi để có
thể thực hiện trên dữ liệu.
Quá trình mã hoá thuỷ vân gồm ba bước chính sau:
T*
KS
W’
D
W
G
Dw D’w
1',.....,' mo SS
1,....., mo SS
Phân
hoạch dữ
liệu
Phân
hoạch dữ
liệu
Nhúng
thuỷ
vân
Đánh giá
ngƣỡng tối
ƣu
Kênh
truyền
Giải
mã
ngƣỡng
Bầu chọn
theo đa
số
28
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Bước 1: Phân hoạch dữ liệu: dùng khoá bí mật KS , bộ dữ liệu D
được chia thành m phần {So , . . . , Sm-1 } không giao nhau.
Bước 2: Nhúng thuỷ vân: Một bít thuỷ vân được nhúng vào mỗi
phần bằng cách thay đổi các thống kê phân hoạch trong khi vẫn thỏa mãn các
ràng buộc sử dụng trong bộ G. Sự thay đổi này được thực hiện bằng cách giải
bài toán tối ưu hoá có ràng buộc.
Bước 3: Đánh giá ngưỡng tối ưu: các thống kê bit nhúng được sử
dụng để tính toán ngưỡng tối ưu T* - ngưỡng làm cực tiểu hoá khả năng (
xác suất ) xảy ra lỗi giải mã.
Bộ dữ liệu đã nhúng thuỷ vân DW được chuyển đi qua các kênh truyền
và do đó có thể chịu những tấn công có chủ đích hoặc không có chủ đích
nhằm phá huỷ thông tin thuỷ vân. Chú ý rằng những tấn công có chủ đích có
thể được thực hiện mà không cần bất cứ sự hiểu biết gì về khoá bí mật KS
hoặc bộ dữ liệu D.
Giải mã thuỷ vân là quá trình lấy ra thuỷ vân đã nhúng từ bộ dữ liệu đã
nhúng thuỷ vân DW, sử dụng khoá bí mật KS và ngưỡng tối ưu T*. Thuật toán
giải mã này không rõ ràng bởi bộ dữ liệu gốc D không yêu cầu giải mã thành
công thuỷ vân đã nhúng.
Quá trình giải mã thuỷ vân được chia thành ba bước chính sau:
Bước 1: Phân hoạch bộ dữ liệu: sử dụng thuật toán phân hoạch dữ
liệu đã dùng trong phần mã hoá trên, sinh ra các phân vùng dữ liệu.
Bước 2: Giải mã ngưỡng: Các thống kê của mỗi phân vùng được
đánh giá và bit đã nhúng được giải mã bằng cách dùng lược đồ giải mã
ngưỡng dựa trên ngưỡng tối ưu T*.
29
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Bước 3: Bầu chọn theo đa số: Các bit thuỷ vân được giải mã sử
dụng kỹ thuật bầu chọn theo đa số.
Tiếp theo sẽ trình bày chi tiết các kỹ thuật, các thuật toán cho quá trình
mã hoá và giải mã thuỷ vân.[9]
2.3. Phân hoạch dữ liệu
Thuật toán phân hoạch dữ liệu phân chia bộ dữ liệu thành các phần, các
tập hợp con dựa vào khoá bí mật KS .
Bộ dữ liệu
D
là một cơ sở dữ liệu quan hệ với lược đồ
),...,,( 10 AAPD
trong đó
P
là thuộc tính khoá chính,
10 ,..., AA
là
thuộc tính dùng để nhúng
thuỷ vân và
D
là số bản ghi trong
D
.
Bộ dữ liệu
D
được chia thành
m
phần không giao nhau
10 ,..., mSS
, sao
cho mỗi phần
iS
chứa trung bình
m
D bản ghi từ bộ dữ liệu D . Các phần
không giao nhau, tức là, với hai phần bất kỳ
iS
và
jS
mà
ji
thì
ji SS
.
Với mỗi bản ghi
Dr
, thuật toán phân hoạch dữ liệu tính toán mã xác
thực thông tin ( MAC ) để đảm bảo an toàn và mã này được cho bởi hàm
))||.(||( SS KPrHKH
, trong đó
Pr.
là khoá chính của bản ghi
r
,
H
là hàm
băm an toàn và
||
là toán tử nối. Sử dụng MAC đã tính, các bản ghi được đưa
vào các phân vùng. Với bản ghi
r
, phân vùng tương ứng được tính như sau:
mKPrHKHrpartition SS mod))||.(||()(
Sử dụng đặc tính này của hàm băm để phân phối các bản ghi đồng đều
vào các phân vùng, kỹ thuật phân hoạch này chia trung bình
m
D vào mỗi phân
30
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
vùng. Hơn nữa, kẻ tấn công không thể đoán được các bản ghi đã được đưa
vào phân vùng nào nếu không biết rõ về khoá bí mật
SK
và số phân vùng dữ
liệu đã phân hoạch
m
được giữ bí mật. Không nhất thiết phải giữ bí mật
m
.
Tuy nhiên, việc giữ bí mật có thể gây khó khăn hơn cho kẻ tấn công muốn tái
lập các phần đó.
Thuật toán phân hoạch dữ liệu được mô tả như sau:
Thuật toán: get_partitions
Đầu vào: bộ dữ liệu
D
, khoá bí mật
SK
, số phân vùng
m
Đầu ra: Các phân vùng dữ liệu
10 ,..., mSS
1.
10 ,..., mSS
{}
2. for each bản ghi
Dr
3.
mKPrHKHrpartition SS mod))||.(||()(
4. chèn
r
vào
)(rpartitionS
5. return
10 ,..., mSS
Mặc dù hầu hết các dữ liệu quan hệ đều có khóa chính, kỹ thuật này có
thể được mở rộng để xử lý trường hợp khi dữ liệu quan hệ không có khoá
chính. Giả sử quan hệ thuộc tính đơn,
bit ý nghĩa nhất ( MSB ) của dữ liệu
có thể được dùng để thay thế cho khoá chính. Việc sử dụng MSB cho việc
nhúng thủy vân sẽ không làm thay đổi
bit ý nghĩa nhất này. Tuy nhiên, nếu
quá nhiều bản ghi chia sẻ cùng
bít MSB có thể cho phép kẻ tấn công suy
31
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
luận được thông tin về sự phân phối trong các phần dữ liệu. Trường hợp quan
hệ đa thuộc tính, sử dụng các thuộc tính nhận biết thay vì sử dụng khoá chính;
ví dụ dữ liệu y học, ta có thể sử dụng tên đầy đủ của bệnh nhân, địa chỉ bệnh
nhân, ngày tháng năm sinh của bệnh nhân.
Ký hiệu Ý nghĩa
m Số phân vùng
Kích thước nhỏ nhất của một phân vùng
W Chuỗi bit thuỷ vân {bl-1,…,b0}
l Chiều dài của chuỗi bit thuỷ vân
Xmax Các thống kê nhúng thuỷ vân cực đại
Xmin Các thống kê nhúng thuỷ vân cực tiểu
Si Phân vùng dữ liệu thứ i
|Si|, n Độ dài của vector Si
Ks Khoá bí mật
T* Ngưỡng giải mã tối ưu
Gi Ràng buộc thứ i
i Vector thao tác trong R
n
Hình 2.2. Bảng biểu diễn các ký hiệu sử dụng trong thuật toán
32
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
2.4. Nhúng thuỷ vân
Thuật toán nhúng thuỷ vân bằng cách mã hoá bit có thể coi như một bài
toán tối ưu có ràng buộc. Ở đây, thuật toán tìm kiếm theo mẫu được sử dụng
để giải bài toán tối ưu. Việc sử dụng thuật toán tối ưu được quyết định tuỳ
thuộc thời điểm ứng dụng và các yêu cầu tính toán.
Để đơn giản, giả sử các bản ghi trong phân vùng
iS
chứa thuộc tính số
đơn. Trong trường hợp này, mỗi phần
iS
có thể được biểu diễn bằng một
véctơ dữ liệu số
n
inii ssS ],...,[ 1
.
2.4.1 Mã hoá bít đơn
Cho bít thuỷ vân
ib
, và véctơ dữ liệu số
n
inii ssS ],...,[ 1
.
Thuật toán mã hoá bít ánh xạ vectơ dữ liệu
iS
thành vectơ dữ liệu mới
ii
W
i SS
, trong đó
n
inii ],...,[ 1
là vectơ thao tác. Các thao tác bị
hạn chế bởi các ràng buộc trong bộ
ipii ggG ,...,1
. Việc mã hoá này dựa trên
hàm mã hoá tối ưu gọi là hàm giấu được định nghĩa như sau:
Hàm giấu
:
n
, với
là tập hợp các tham số bí mật do người
chủ sở hữu dữ liệu đưa ra.
Tập hợp
có thể được xem như là một phần của khoá bí mật. Chú ý
rằng khi hàm giấu được áp dụng cho
iiS
thì chỉ vectơ thao tác
i
là biến,
trong khi
iS
và
là các hằng số.
Để mã hoá bit
ib
vào trong tập
iS
, thuật toán mã hoá bít sẽ làm tối ưu
hóa hàm hàm giấu
)( iiS
. Bài toán tối ưu hóa sẽ là bài toán cực đại hoặc
cực tiểu hàm giấu tùy thuộc vào bit
ib
:
33
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nếu bít
ib
=1 thì thuật toán mã hoá bit thực hiện giải bài toán cực đại
hoá:
i
max )( iiS
thoả mãn ràng buộc
iG
Nếu bít
ib
=0 thì bài toán đơn giản được chuyển thành bài toán cực tiểu
hóa.
Giải pháp cho bài toán tối ưu hoá sinh ra vectơ thao tác
*
i
để
*)( iiS
tối ưu. Khi đó, bộ dữ liệu mới
*ii
W
i SS
. Việc cực đại hoá
cho
ib
=1 và cực tiểu hoá cho
ib
=0, đảm bảo rằng các giá trị của hàm
*)( iiS
sinh ra trong cả hai trường hợp được đặt ở vị trí có khoảng cách
lớn nhất và do đó làm cho bít được chèn bền vững hơn đối với các tấn công,
đặc biệt là các tấn công thay đổi dữ liệu.
Thuật toán mã hoá bít đơn được mô tả như sau:
Thuật toán: encode_single_ bit
Đầu vào: Tập dữ liệu Si, Bit bi, Tập ràng buộc Gi, Tập tham số bí mật
,
Các tập thống kê Xmax, Xmin
Đầu ra: Tập dữ liệu
*
iiS
1. If (
)( iS
then return Si
2. If (b==1) then
3. Maximize (
)( iiS
) thỏa mãn ràng buộc Gi
4. Chèn
*)( iiS
vào Xmax
34
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
5. else
6. Minimize (
)( iiS
) thỏa mãn ràng buộc Gi
7. Chèn
*)( iiS
vào Xmin
8. return
*
iiS
Thuật toán mã hóa bít nhúng bít
ib
vào phần
iS
nếu
iS
.
Giá trị của
là kích thước cực tiểu của phân vùng.
Việc cực đại hoá và cực tiểu hoá trong thuật toán mã hoá bít làm tối ưu
hoá hàm giấu
*)( iiS
thoả mãn các ràng buộc trong
iG
. Các thống kê cực
đại hoá và cực tiểu hoá được ghi lại cho mỗi bước mã hoá trong
maxX
,
minX
tương ứng như đã được chỉ ra trong các dòng 4 và 7 của thuật toán mã hoá.
Các thống kê này được dùng để tính toán các tham số giải mã tối ưu.
Tập hợp các ràng buộc
iG
biểu diễn giới hạn thay đổi cho phép có thể
được thực hiện trên các phần tử của
iS
. Các ràng buộc mô tả không gian khả
thi cho vectơ thao tác
i
với mỗi bước mã hoá bit tùy thuộc vào từng ứng
dụng và dữ liệu. Các ràng buộc này tương tự với các ràng buộc được thực
hiện trên các thuật toán nhúng thuỷ vân cho âm thanh, hình ảnh, và phim với
yêu cầu chủ yếu là thuỷ vân không thể phát hiện được bằng hệ thống nghe
nhìn của con người.
Ví dụ: Các ràng buộc phạm vi có thể được dùng để kiểm soát sự thay
đổi của
ij
, tức là:
35
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
maxmin
ijijij
Kiểu ràng buộc khác có thể yêu cầu bộ dữ liệu đã thuỷ vân duy trì các
thống kê nào đó. Ví dụ, trung bình bộ dữ liệu sinh ra bằng trung bình bộ dữ
liệu gốc, khi đó ràng buộc có dạng:
0
1
n
j
ij
Một vài ràng buộc khác có thể được tạo ra phụ thuộc vào các yêu cầu
ứng dụng. Các ràng buộc này được xử lý bằng thuật toán mã hoá bít dùng các
kỹ thuật tối ưu hoá có ràng buộc.
Hàm giấu được sử dụng ở đây phụ thuộc vào các thống kê dữ liệu. Các
giá trị trung bình và phương sai của bộ dữ liệu mới
ii
W
i SS
tương ứng là
)( iiS
và
2
)( iiS
; gọi tắt là
và
2
.
Hình 2.3: Phân phối của tập
iiS
trên trục số và các đầu vào tail
được khoanh tròn.
Điểm tham chiếu :
cref
, trong đó
)1,0(c
là một số thực bí
mật, một phần của tập
.
Các điểm dữ liệu trong
iiS
ở trên
ref
như là các đầu vào “tail” được
mô tả trong hình 2.3.
36
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Hàm giấu
c
được định nghĩa là số đầu vào tail đã chuẩn hoá bằng độ
dài của
iS
, cũng như tail count được chuẩn hoá. Hàm này được tính như sau:
n
j
refsiic ijijn
S
1
}{1
1
)(
trong đó :
n
là độ dài của
iS
{}1
là hàm chỉ được định nghĩa như sau:
Chú ý rằng tham chiếu
ref
phụ thuộc vào cả
và
, có nghĩa là nó
không cố định và thay đổi theo các thống kê
iiS
. Tail count
)( iic S
được chuẩn hoá phụ thuộc vào phân phối của
iiS
và tham chiếu động.
Hàm mục tiêu
)( iic S
là hàm phi tuyến và không khả vi, do đó bài
toán tối ưu hoá trở nên gần với bài toán tối ưu hoá có ràng buộc phi tuyến.
Các phương pháp tiếp cận truyền thống dựa vào độ dốc (gradient) không thể
áp dụng được cho những bài toán như thế này. Có hai kỹ thuật để giải bài toán
tối ưu hóa này là thuật toán di truyền và kỹ thuật tìm kiếm theo mẫu. Luận
văn này sử dụng kỹ thuật tìm kiếm theo mẫu. Việc giải bài toán tối ưu hoá
này không nhất thiết phải tìm ra lời giải toàn cục bởi vì việc tìm ra lời giải
như thế này có thể đòi hỏi một lượng tính toán rất lớn. Mục đích chính ở đây
37
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
là tìm ra lời giải gần tối ưu đảm bảo các giá trị cực tiểu hoá hàm
)( iic S
và cực đại hoá hàm
)( iic S
cách xa nhau.
Thuật toán di truyền được dùng định rõ tổng thể các lời giải tối ưu bằng
thời điểm xử lý, trong khi tìm kiếm theo mẫu được dùng để cung cấp một lời
giải tối ưu cục bộ không theo thời gian xử lý
2.4.2. Thuật toán tìm kiếm theo mẫu
Thuật toán di truyền không tìm ra được tối ưu cục bộ, tuy nhiên thuật
toán di truyền yêu cầu một số lượng lớn hàm đánh giá tập trung thành tối ưu
toàn cục. Do vậy, giải thuật di truyền được sử dụng chỉ khi thời gian xử lý
không yêu cầu chính xác và thuỷ vân được thực hiện độc lập. Kỹ thuật tìm
kiếm theo mẫu cho phép thực hiện nhanh hơn.
Các phương pháp tìm kiếm theo mẫu là một lớp các phương pháp tìm
kiếm trực tiếp cho quá trình tối ưu hoá phi tuyến. Các phương pháp tìm kiếm
theo mẫu này đã được sử dụng rộng rãi bởi tính đơn giản và tính thực tế của
chúng.
Tìm kiếm theo mẫu bắt đầu tại điểm ban đầu và thử hàm mục tiêu tại
mẫu các điểm đã định trước xoay quanh điểm với mục tiêu tạo ra thế mới tốt
hơn. Sự di chuyển này tương tự việc di chuyển thăm dò. Nếu thử thành công
(tức là tạo ra một thế mới tốt hơn), do vậy quá trình này được lặp lại với mẫu
xoay quanh điểm mới tốt nhất. Trái lại, kích cỡ của mẫu thử sẽ giảm và hàm
mục tiêu được thử lại với điểm hiện tại này.
Để cải thiện việc thực hiện việc tìm kiếm theo mẫu, hàm mục tiêu
)( iic S
được xấp xỉ bằng các hàm sigmoid trơn như sau:
38
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
n
j
ijijrefiic sSigmoid
n
S
f
1
),( )(
1
)(ˆ
trong đó
)(),( xSigmoid
là hàm sigmoid (xích ma) với các tham số
),(
.
)(),( xSigmoid
=
)(1
1
1
xe
Với
0
,
}8,2,1{
, hàm
)(),( xSigmoid
có dạng như sau:
Hình 2.4. Biểu diễn Sigmoid(α,τ ) tại τ = 0 và α = {1, 2, 8}.
Các ràng buộc có thể được xử lý nhờ các kỹ thuật trước đó. Tuy nhiên,
việc tìm kiếm theo mẫu có thể xử lý các ràng buộc bằng cách hạn chế việc di
chuyển thăm dò chỉ theo các hướng không gian khả thi; do đó đảm bảo giải
pháp được sinh ra là khả thi. Hoạt động có hệ thống của việc tìm kiếm theo
39
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
mẫu và kích cỡ mẫu dễ thích nghi dẫn đến sự hội tụ đến các giải pháp tối ưu
khả thi nhanh hơn. Tuy nhiên, việc tìm kiếm theo mẫu không đảm bảo tìm ra
tối ưu toàn bộ. Vấn đề này có thể được khắc phục bằng cách bắt đầu thuật
toán từ các điểm khả thi đầu tiên khác nhau.
2.4.3. Thuật toán nhúng thuỷ vân
Thuỷ vân là một bộ
l
bít W=bl-1, . . . , b0 được nhúng vào các phần dữ
liệu
10 ,..., mSS
.
Để việc nhúng thuỷ vân được nhiều lần trong bộ dữ liệu, độ dài thuỷ
vân
l
được chọn sao cho:
ml
.
Thuật toán nhúng thuỷ vân sẽ nhúng bít
ib
vào phần
kS
sao cho
ilk mod
. Kỹ thuật này đảm bảo mỗi bít thuỷ vân được nhúng
l
m
lần trong
bộ dữ liệu
D
.
Thuật toán nhúng thuỷ vân được mô tả như sau:
Thuật toán: embed_watermark
Đầu vào: Tập dữ liệu D, Khóa bí mật K, Số phân vùng m, Thủy vân
W={b0, …bi-1}
Đầu ra: Tập dữ liệu đã nhúng thủy vân DW, Ngưỡng giải mã tối ưu T*
1. Dw, Xmax, Xmin {}
2. S0, …,Sm-1 get_partitions(D, Ks, m)
3. for each Phân vùng Sk
40
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
4. i
k mod l
5. Sk
w
encode_single_bit (bi, Sk, c, Xmax, Xmin)
6. Chèn Sk
w
vào Dw
7. T*
get_optimal_thershold(Xmax, Xmin)
8. return Dw, T*
Thuật toán nhúng thuỷ vân sẽ sinh ra các phần
10 ,..., mSS
bằng cách
gọi hàm
partitionsget _
, sau đó với mỗi phần
kS
bít thuỷ vân
ib
được mã hoá
bằng cách sử dụng thuật toán mã hoá bít đơn (encode_single_bit). Phần thay
đổi sinh ra
W
kS
được chèn vào bộ dữ liệu đã nhúng thuỷ vân.
Các thống kê
),( minmax XX
thu được sau mỗi bít nhúng và được sử dụng
bằng thuật toán get_optimal_threshold để tính toán ngưỡng giải mã tối ưu.
2.5. Đánh giá ngƣỡng giải mã
Trong phần trước, ta đã tìm hiểu kỹ thuật mã hoá bít. Nhúng bit thuỷ
vân bi ở Si sinh ra
W
iS
. Trong phần này, ta sẽ tìm hiểu kỹ thuật giải mã bít –
kỹ thuật được dùng để lấy ra bít thuỷ vân đã nhúng
ib
từ phần
W
iS
.
Kỹ thuật giải mã bít dựa trên ngưỡng tối ưu T* để làm cực tiểu hoá xác
suất lỗi giải mã.
Với phần dữ liệu
W
iS
, kỹ thuật giải mã bít sẽ tính toán hàm giấu
)( WiS
và so sánh với ngưỡng giải mã tối ưu T* để giải mã bít đã nhúng
ib
.
Nếu
)( WiS
>T* bít giải mã là 1, ngược lại bít giải mã là 0.
41
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Ví dụ: sử dụng hàm giấu đã được mô tả ở phần trước, kỹ thuật giải mã
tính toán tail count đã chuẩn hoá của
W
iS
bằng cách tính giá trị tham chiếu
ref
và đếm số đầu vào trong
W
iS
lớn hơn
ref
. Sau đó, tail count đã chuẩn hoá
được so sánh với T* được thể hiện trong hình 2.5. Giá trị của ngưỡng T* nên
được tính toán cẩn thận để làm cực tiểu hoá xác suất lỗi giải mã bít.
Hình 2.5. Lược đồ ngưỡng giải mã
Xác suất lỗi giải mã bít được định nghĩa là xác suất bit nhúng được giải
mã sai. Ngưỡng giải mã tối ưu T* được chọn để làm cực tiểu hoá xác suất lỗi
giải mã. Giai đoạn nhúng bít dựa trên việc cực tiểu hoá hoặc cực đại hoá hàm
giấu tail count; các giá trị hàm giấu đã tối ưu hoá này sẽ được tính trong giai
đoạn mã hoá để tính ngưỡng tối ưu T*. Các giá trị hàm giấu cực đại hoá
tương ứng với
ib
=1 được lưu trong tập
maxX
. Tương tự, các giá trị hàm giấu
cực tiểu hoá được lưu trữ trong
minX
.
Gọi
errP
,
0P
và
1P
tương ứng là xác suất lỗi giải mã, xác suất bit mã hóa
là 0 và xác suất bit mã hóa là 1.
Cho
eb
,
db
, và
)(xf
tương ứng là bit mã hoá, bit giải mã, và hàm mật độ
xác suất.
Khi đó,
errP
được tính như sau:
errP
=
)0,1()1,0( eded bbPbbP
42
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
=
01 )0|1()1|0( PbbPPbbP eded
=
01 )0|()1|( PbTxPPbTxP ee
=
T
e
T
e dxbxfPdxbxfP )0|()1|( 01
Để cực tiểu hoá xác suất lỗi giải mã (
errP
) đối với ngưỡng T, ta lấy đạo
hàm cấp một của
errP
đối với T để xác định ngưỡng tối ưu T*, như sau:
T
e
T
e
err dxbxf
T
Pdxbxf
T
P
T
P
)0|()1|( 01
)0|()1|( 01 ee bTfPbTfP
Các hàm
)0|( ebxf
và
)1|( ebxf
được đánh giá từ các thống kê
minX
và
maxX
tương ứng. Qua các thực nghiệm về
minX
và
maxX
, ta thấy các phân
phối
)0|( ebxf
và
)1|( ebxf
có thể được đánh giá như các phân phối
Gaussian
),( 00 N
và
),( 11 N
. Tuy nhiên, phân tích sau đây có thể tiếp tục
được sử dụng với các kiểu phân phối khác.
0P
có thể được đánh giá bằng
||||
||
minmax
min
XX
X
,
1P 01 P
.
Thay thế các biểu thức Gaussian cho
)0|( ebxf
và
)1|( ebxf
, thì đạo
hàm cấp một của
errP
có dạng:
)
2
)(
exp(
2
)
2
)(
exp(
2
2
0
2
0
0
0
2
1
2
1
1
1
TPTP
T
Perr
43
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Cho đạo hàm cấp một của
errP
bằng 0, ta sẽ được phương trình bậc 2, có
thể tính giá trị ngưỡng tối ưu T* làm cực tiểu hoá
errP
. Đạo hàm cấp 2 của
errP
được đánh giá tại T* để đảm bảo điều kiện (
0
*)(
2
2
T
TPerr
) được thoả mãn.
0
2
ln**
2 21
2
0
2
1
2
0
2
0
2
1
01
10
2
1
2
0
2
01
2
102
2
1
2
0
2
1
2
0
P
TT
Từ phân tích trên, việc chọn ngưỡng tối ưu T* dựa trên các thống kê
thu được của thuật toán nhúng thuỷ vân. Ngưỡng tối ưu T* làm cực tiểu hoá
xác suất lỗi giải mã và như thế nâng cao độ bền của thuỷ vân được nhúng do
khả năng giải mã thành công tăng.
Xác suất lỗi giải mã cũng phụ thuộc vào các ràng buộc. Nếu các ràng
buộc chặt thì lượng thay đổi cho bộ dữ liệu D có thể không đủ đối với việc
nhúng thuỷ vân. Tất cả xác suất lỗi giải mã thuỷ vân được làm giảm đi bằng
cách nhúng thuỷ vân nhiều lần trong bộ dữ liệu đó, về cơ bản nó là sự lặp lại
mã sửa sai.
2.6. Phát hiện thuỷ vân
Thuật toán phát hiện thuỷ vân sẽ lấy ra thuỷ vân đã nhúng nhờ các
tham số bí mật gồm có: KS, m,
, c, T.
Thuật toán này bắt đầu bằng việc sinh các phần dữ liệu
10 ,..., mSS
dựa
vào bộ dữ liệu đã thuỷ vân
WD
, khoá bí mật
SK
, và số phần dữ liệu đã phân
hoạch
m
là đầu vào của thuật toán phân hoạch dữ liệu (get_partitions). Mỗi
phần sẽ mã hoá một bít thuỷ vân đơn. Để lấy ra bít đã nhúng, ta sử dụng lược
đồ giải mã ngưỡng dựa vào ngưỡng tối ưu T làm cực tiểu hoá xác suất xảy ra
44
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
lỗi giải mã như đã trình bày trong mục 2.5. Nếu kích thước phân vùng dữ liệu
nhỏ hơn
thì bít giải mã không được thực hiện, ngược lại nó được giải mã
nhờ lược đồ giải mã ngưỡng.
Vì thuỷ vân 01 ,..., bbW l được nhúng nhiều lần trong bộ dữ liệu, mỗi
bít thuỷ vân được lấy ra nhiều lần ở nơi bít
ib
được lấy ra từ phần
kS
với
ilk mod
. Các bít lấy ra được giải mã nhờ kỹ thuật chọn theo đa số. Mỗi bít
ib
được lấy ra
l
m
lần .
Thuật toán phát hiện thuỷ vân như sau:
Thuật toán: detect_watermark
Đầu vào: Tập dữ liệu đã nhúng thủy vân
*,,,,, TKcmD SW
,
Độ dài thủy vân l
Đầu ra: Thủy vân thu được WD
1. Đặt ones[0, …, l-1]
0
2. Đặt zeros[0, …, l-1]
0
3. S0, …, Sm-1 get_partitions(Dw, Ks, m)
4. for j=0, …, m-1
5. if
jS
6. i
j mod l
45
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
7. value
cSi ,0,
8. if
*Tvalue
9. ones[i]
ones[i] + 1
10. else
11. zeros[i]
zeros[i] + 1
12. for j=0 , …, l-1
13. if ones[j] > zeros[j]
14. WD|j| 1
15. else if ones[j] < zeros[j]
16. WD|j| 0
17. else
18. WD|j| x
19. return WD
Trường hợp quan hệ đa thuộc tính bền vững thuỷ vân được tăng lên do
nhúng thuỷ vân trong nhiều thuộc tính.
2.7. Kiểu tấn công
Ở đây giả thiết rằng kẻ tấn công không thể tìm được tập dữ liệu gốc và
không biết được gì về thông tin bí mật được sử dụng trong quá trình nhúng
thuỷ vân. Thông tin bí mật bao gồm khoá mật Ks, số lượng phân hoạch m,
hằng số c, các tham số tối ưu và ngưỡng T*. Vì vậy kẻ tấn công sẽ không có
46
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
khả năng tạo ra các phân vùng dữ liệu và do đó không thể chọn lọc tấn công
bit thuỷ vân cụ thể. Một số kiểu tấn công điển hình:
- Xoá ngẫu nhiên một vài bản ghi từ cơ sở dữ liệu cũ, tạo ra một cơ sở
dữ liệu mới để công bố.
- Sửa đổi một vài bản ghi bên trong cơ sở dữ liệu để gây ra lỗi ở các
bit thuỷ vân được nhúng, dẫn đến quá trình giải mã sai.
- Chèn một vài bản ghi vào cơ sở dữ liệu gây ra sai lệch dữ liệu nhằm
phá hủy các bit thuỷ vân đã nhúng.
Để mô phỏng một số kiểu tấn công, chương trình sử dụng một tập dữ liệu
thuỷ vân “an toàn”. Một tập dữ liệu thuỷ vân là “an toàn” nếu có thể khôi
phục bit thuỷ vân sau quá trình giải mã, cùng sử dụng chung khoá bí mật với
quá trình mã hóa. Với tập dữ liệu này, chúng ta tiến hành thao tác trên dữ liệu
để phù hợp với từng mô hình tấn công.
47
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Chƣơng 3 -
CÀI ĐẶT LƢỢC ĐỒ
THUỶ VÂN CƠ SỞ DỮ LIỆU QUAN HỆ
BẰNG KỸ THUẬT TỐI ƢU TÌM KIẾM THEO MẪU
3.1. Giới thiệu về kỹ thuật tìm kiếm theo mẫu
Tìm kiếm theo mẫu (hay còn gọi là tìm kiếm trực tiếp) là một phương
pháp giải các bài toán tối ưu, không yêu cầu nhiều thông tin về độ dốc của
hàm mục tiêu. Trái ngược với phương pháp tối ưu truyền thống sử dụng thông
tin về độ dốc hoặc là phát sinh lớn hơn để tìm ra một điểm tối ưu.
Thuật toán tìm kiếm theo mẫu xác định một tập các điểm xung quanh
điểm hiện tại, tìm ra một điểm tại giá trị của hàm mục tiêu thấp hơn giá trị của
của điểm hiện tại. Phương pháp tìm kiếm trực tiếp có thể được sử dụng để
giải các bài toán với hàm mục tiêu không khả vi hoặc hàm liên tục.
Một thuật toán tìm kiếm theo mẫu xác định một chuỗi các điểm để tìm
ra mật độ càng dày với điểm gốc. Tại mỗi bước, thuật toán tìm kiếm một tập
các điểm gọi là một mắt lưới, xung quanh điểm hiện tại - điểm đã tính tại
bước trước của thuật toán. Thuật toán tạo ra mắt lưới bằng cách thêm điểm
hiện tại vào một bội số vô hướng của một tập các vector cố định gọi là một
mẫu. Nếu thuật toán tìm ra một điểm trong mắt lưới để tận dụng hàm mục tiêu
tại điểm hiện tại, điểm mới trở thành điểm hiện tại tại bước tiếp của thuật
toán.
48
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
3.2. Mô tả ứng dụng
3.2.1. Cơ sở của ứng dụng
Quá trình xây dựng ứng dụng này được tiến hành dựa trên các sự kiện
sau:
Một người dùng có ý định công bố kết quả nghiên cứu của anh ta và
chắc chắn rằng anh ta có quyền tác giả đối với việc công bố dữ liệu đó, anh ta
đã nhúng thuỷ vân vào dữ liệu trước khi công bố chúng. Đôi khi, người dùng
nghi ngờ rằng dữ liệu của anh ta đã bị thay đổi và công bố đó là kết quả của
một người nào khác. Để chứng minh quyền sở hữu dữ liệu, anh ta cố gắng
khôi phục thuỷ vân đã nhúng vào tập dữ liệu bằng cách áp dụng kỹ thuật giải
mã.
Trong quá trình xây dựng ứng dụng, luận văn đã giải thích tất cả các
bước từ phân hoạch dữ liệu đến nhúng thuỷ vân rồi giải mã chúng. Luận văn
cũng giải thích kiểu tấn công và khám phá dữ liệu để chứng minh rằng quyền
sở hữu dữ liệu đã được tìm hiểu kỹ lưỡng.
3.2.2. Giả thiết
Xây dựng ứng dụng dựa trên giả định sau:
+ Kẻ tấn công không am hiểu về tập dữ liệu đã được thủy vân. Thậm
chí nếu kẻ tấn công đó nhận ra rằng dữ liệu đã được nhúng thuỷ vân và cũng
không biết được kỹ thuật đã được sử dụng.
+ Kẻ tấn công không biết được về khoá chính trong tập dữ liệu.
+ Kỹ thuật thuỷ vân có khả năng kiểm soát các bản ghi với nhiều thuộc
tính. Tuy nhiên trong quá trình kiểm thử, dữ liệu chứa chỉ chứa một bản ghi
với một thuộc tính số đơn.
49
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
3.2.3. Một số kết quả thực nghiệm đạt đƣợc
a. Tham số đầu vào áp dụng thực nghiệm
Bộ dữ liệu thực nghiệm trong luận văn này là bộ dữ liệu tự tạo được giả
định là số liệu điện sinh hoạt của một vùng nào đó, bộ dữ liệu này bao gồm
8000 bộ. Để cho đơn giản trong quá trình cài đặt, giả sử bộ dữ liệu chỉ bao
gồm 2 trường, một trường là khoá chính của quan hệ, một trường là trường
được chọn để nhúng thuỷ vân.
Các thông số dùng cho quá trình thí nghiệm bao gồm:
+ Hàm băm: MD5
+ Khoá bí mật: KS = 89
+ Số phân vùng: m = 20
+ Tham số bí mật c = 0.75
+ Chuỗi bit đem nhúng (watermark): 10111
+ Kích cỡ nhỏ nhất của 1 phân vùng: =10
dữ liệu được thiết kế chứa trong file định dạng Excel với tên là Data.xls
Tác giả dùng Matlab 7.04 làm môi trường cài đặt ứng dụng.
Thí nghiệm được chạy trên hệ thống có cấu hình Intel Pentium IV 2
Ghz, 512 MB Ram.
50
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
b. Kết quả thực nghiệm
Sau nhiều lần chạy thử nghiệm tác giả nhận thấy, tốc độ giải mã thuỷ
vân nhanh hơn gấp nhiều lần tốc độ nhúng thuỷ vân.
Thử nghiệm với các tấn công kết quả như sau: Thực hiện tấn công mỗi
kiểu tấn công 20 lần, mỗi lần tác động trên các số lượng bản ghi khác nhau,
kết quả thống kê như bản dưới đây:
51
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Kiểu
tấn
công
Số bản ghi bị
tác động
100 200 300 500 600 1000 1500 2000 2500 3000 4000 5000 6000 7000
750
0
Xoá
Thành công
(lần)
20 20 18 20 18 14 14 13 8 4 3 1
0 0 0
Thất bại (lần) 0 0 2 0 2 6 6 7 12 16 17 19 20 20 20
Chèn
Thành công
(lần)
20 20 20 17 10 0 0 0 0 0 0 0 0 0 0
Thất bại (lần) 0 0 0 3 10 20 20 20 20 20 20 20 20 20 20
Sửa
Thành công
(lần)
20 20 20 18 19 17 19 18 18 18 16 12 11 11 12
Thất bại (lần) 0 0 0 2 1 3 1 2 2 2 4 8 9 9 8
Hình 3.1 Bảng thống kê kết quả thử nghiệm
52
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Nhận xét:
Căn cứ vào bảng đã thống kê các tấn công sau các quá trình thực nghiệm tác
giả có nhận xét như sau:
+ Tỉ lệ thành công của kiểu tấn công thay đổi dữ liệu là cao nhất. Khi
thay đổi các thông số đầu vào như khoảng cho phép dữ liệu thay đổi là 0.05,
số lượng bộ bị thay đổi là 7500 (trên tổng số 8000 bộ) tương đương với trên
90% tổng số bộ bị thay đổi thì tỉ lệ thành công khi giải mã thuỷ vân vẫn là
trên 60% (khoảng 63%).
+ Tỉ lệ thành công của kiểu tấn công chèn thay đổi dữ liệu là cao nhất.
Khi thay đổi các thông số đầu vào như khoảng cho phép dữ liệu thay đổi là
0.05, số lượng bộ bị thay đổi là 7500 (trên tổng số 8000 bộ) tương đương với
trên 90% tổng số bộ bị thay đổi thì tỉ lệ thành công khi giải mã thuỷ vân vẫn
là trên 60% (khoảng 63%).
+ Tỉ lệ giải mã thuỷ vân thành công của kiểu tấn công xoá bộ kém hơn
so với kiểu tấn công thay đổi dữ liệu.
i) Với số lượng bộ cho phép xoá đi là 50% tổng số bộ thì tỉ lệ
giải mã thành công là trên 100%.
ii) Với 90% tổng số bộ bị xoá thì tỉ lệ giải mã thành công là
trên 15%.
+ Tỉ lệ giải mã thuỷ vân thành công của kiểu tấn công chèn thêm bộ
vào cơ sở dữ liệu là thấp nhất.
i) Nếu chèn thêm trung bình khoảng 7.5% đến 8% tổng số bộ
vào cơ sở dữ liệu thì tỉ lệ giải mã thành công là 50%
53
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
ii) Nếu chèn thêm trên 10% (khoảng 12%) số lượng bộ mới
vào cơ sở dữ liệu thì tỉ lệ giải mã thành công là 0%
Các thông số trên cũng có thể bị thay đổi nếu thay đổi các thông số đầu
vào như: Tăng hoặc giảm khoảng thay đổi cho phép trên dữ liệu khi nhúng
thuỷ vân; độ ngẫu nhiên của việc tấn công (phá hoại); số lượng phân vùng đi
kèm với độ lớn của dữ liệu (tổng số bộ).
54
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
KẾT LUẬN
Thuỷ vân cơ sở dữ liệu là một trong kỹ thuật quan trọng để chứng minh
quyền sở hữu đối với cơ sở dữ liệu sau khi được phân tán trên Internet. Đầu
tiên, hình thành cơ chế thuỷ vân cơ sở dữ liệu quan hệ giống một bài toán tối
ưu có ràng buộc, đây là kỹ thuật đã khắc phục được những điểm yếu trong các
kỹ thuật thuỷ vân đã được đề xuất trước đây. Với nội dung này, luận văn đã
tìm hiểu một số vấn đề: Tổng quan về kỹ thuật giấu tin và thuỷ vân, phương
pháp thuỷ vân cơ sở dữ liệu quan hệ dựa vào kỹ thuật tìm kiếm theo mẫu và
ứng dụng của chúng. Cụ thể luận văn đã đạt được các kết quả sau:
- Trình bày tổng quan về kỹ thuật giấu tin và thuỷ vân
- Trình bày cơ sở lý thuyết về thuỷ vân cơ sở dữ liệu quan hệ dựa trên kỹ
thuật tối ưu áp dụng thuật toán tìm kiếm theo mẫu.
- Mô tả ứng dụng của kỹ thuật tìm kiếm theo mẫu trong quá trình nhúng
thuỷ vân.
Hướng phát triển của đề tài
Tiếp tục nghiên cứu một số kỹ thuật khác áp dụng đối với thuỷ vân cơ
sở dữ liệu quan hệ.
55
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
PHỤ LỤC
1. Mã xác thực thông tin (MAC)
Trong phân hoạch dữ liệu, mã xác thực thông tin (MAC) được sử
dụng để xác định nguồn gốc của thông tin
Hình 3.1. Sơ đồ hoạt động của MAC
Người gửi thông điệp thực hiện thông qua một thuật toán MAC để sinh
ra một thẻ dữ liệu MAC. Sau đó, thông điệp và thẻ MAC được gửi tới người
nhận. Người nhận lần lượt tiến hành chia thông điệp để truyền thông qua một
thuật toán tương tự MAC sử dụng một khoá tương tự, kết quả được một thẻ
dữ liệu MAC thứ hai. Khi đó, người nhận so sánh thẻ MAC đầu tiên nhận
Người gửi Người nhận
Thông điệp
Thuật toán
MAC
MAC
Cách giải quyết: nếu giống nhau thì
khi đó là tin cậy và toàn vẹn còn
ngược lại là sai
Thông điệp
Thông điệp
MAC
Thuật toán
MAC
MAC
MAC
Khoá K
=?
Khoá K
56
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
được trong quá trình truyền trước đó với thẻ MAC sinh ra thứ hai. Nếu thấy
giống nhau, người nhận có thể cho rằng là an toàn, tính toàn vẹn của thông
điệp không bị xâm phạm và thông điệp không bị thay đổi trong quá trình
truyền nhận
Xác thực bằng MAC
M
||
|
C
M C
So sánh K
K
Nơi gửi thông tin
Mã xác thực (MAC)
Nơi nhận thông tin
Trong đó:
M: Thông tin gốc
K: Khoá bí mật dùng chung giữa bên gửi và bên nhận
||: Nối mã xác thực vào thông tin gốc
C: Hàm tạo mã xác thực
Hình 3.2. Mô tả quá trình xác thực thông tin bằng MAC
57
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
2. Hàm băm
Khái niệm hàm băm
Hàm băm (hash function) là giải thuật nhằm sinh ra các giá trị băm tương
ứng với mỗi khối dữ liệu (có thể là một chuỗi kí tự, một đối tượng trong lập
trình hướng đối tượng, v.v...). Giá trị băm đóng vai trò gần như một khóa để
phân biệt các khối dữ liệu, tuy nhiên, người ta chấp nhận hiện tượng trùng
khóa hay còn gọi là đụng độ và cố gắng cải thiện giải thuật để giảm thiểu sự
đụng độ đó. Hàm băm thường được dùng trong bảng băm nhằm giảm chi phí
tính toán khi tìm một khối dữ liệu trong một tập hợp (nhờ việc so sánh các giá
trị băm nhanh hơn việc so sánh những khối dữ liệu có kích thước lớn).
Vì tính thông dụng của bảng băm, ngày nay, đa số ngôn ngữ lập trình
đều cung cấp thư viện ứng dụng bảng băm, trong đó có các vấn đề như: tập
hợp (collection), danh sách (list), bảng(table), ánh xạ (mapping), từ điển
(dictionary)). Thông thường, các lập trình viên chỉ cần viết hàm băm cho các
đối tượng nhằm tích hợp với thư viện bảng băm đã được xây dựng sẵn.
Một hàm băm tốt phải thỏa mãn các điều kiện sau:
* Tính toán nhanh.
* Các khoá được phân bố đều trong bảng.
* Ít xảy ra đụng độ.
* Xử lý được các loại khóa có kiểu dữ liệu khác nhau.
Tính chất của hàm băm
Hai tính chất quan trọng của hàm băm là:
- Tính một chiều: không thể suy ra dữ liệu ban đầu từ kết quả.
58
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- Tính duy nhất: xác suất để có sự đụng độ (hash collision), tức là hai
thông điệp khác nhau có cùng một kết quả băm, là nhỏ.
Ứng dụng
Các hàm băm được ứng dụng trong nhiều lĩnh vực, chúng thường được
thiết kế phù hợp với từng ứng dụng. Ví dụ, các hàm băm mật mã học giả thiết
sự tồn tại của một đối phương - người có thể cố tình tìm các dữ liệu vào với
cùng một giá trị băm. Một hàm băm tốt là một phép biến đổi "một chiều",
nghĩa là không có một phương pháp cụ thể để tính toán được dữ liệu vào nào
đó tương ứng với giá trị băm mong muốn, khi đó việc giả mạo sẽ rất khó
khăn.
Bảng băm, một ứng dụng quan trọng của các hàm băm, cho phép tra cứu
nhanh một bản ghi dữ liệu nếu cho trước khóa của bản ghi đó (Lưu ý: các
khóa này thường không bí mật như trong mật mã học, nhưng cả hai đều được
dùng để "mở khóa" hoặc để truy nhập thông tin.) Ví dụ, các khóa trong một từ
điển điện tử Anh-Anh có thể là các từ tiếng Anh, các bản ghi tương ứng với
chúng chứa các định nghĩa. Trong trường hợp này, hàm băm phải ánh xạ các
xâu chữ cái tới các chỉ mục của mảng nội bộ của bảng băm.
Các hàm băm dành cho việc phát hiện và sửa lỗi tập trung phân biệt các
trường hợp mà dữ liệu đã bị làm nhiễu bởi các quá trình ngẫu nhiên. Khi các
hàm băm được dùng cho các giá trị tổng kiểm, giá trị băm tương đối nhỏ có
thể được dùng để kiểm chứng rằng một file dữ liệu có kích thước tùy ý chưa
bị sửa đổi. Hàm băm được dùng để phát hiện lỗi truyền dữ liệu. Tại nơi gửi,
hàm băm được tính cho dữ liệu được gửi, giá trị băm này được gửi cùng dữ
liệu. Tại đầu nhận, hàm băm lại được tính lần nữa, nếu các giá trị băm không
59
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
trùng nhau thì lỗi đã xảy ra ở đâu đó trong quá trình truyền. Việc này được
gọi là kiểm tra dư thừa (redundancy check).
Các hàm băm còn được ứng dụng trong việc nhận dạng âm thanh, chẳng
hạn như xác định xem một file MP3 có khớp với một file trong danh sách một
loạt các file khác hay không.
Do vậy hàm băm được dùng để phát hiện và chống xâm nhập; bảo vệ tính
toàn vẹn của thông điệp được gửi qua mạng; tạo khóa từ mật khẩu, và tạo chữ
kí điện tử.
Hàm băm một chiều:
- Biến đổi thông tin gốc có độ dài bất kỳ thành khối thông tin có độ dài
cố định gọi là mã băm
- Chỉ có thể dùng hàm băm để tạo ra các mã băm từ thông tin gốc mà
không làm ngược lại gọi là hàm băm một chiều.
Hoạt động cơ bản của hàm băm
Hình 3.3. Biểu diễn hàm băm
60
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
SHA-1 và MD5 là hai thuật toán băm thông dụng nhất và được sử dụng
trong rất nhiều hệ thống bảo mật.
MD5 (Message-Digest algorithm 5) là một hàm băm để mã hóa với giá
trị băm là 128bit. Từng được xem là một chuẩn trên Internet, MD5 đã được sử
dụng rộng rãi trong các chương trình an ninh mạng, và cũng thường được
dùng để kiểm tra tính nguyên vẹn của tập tin.
MD5 được Ronald Rivest thiết kế vào năm 1991 để thay thế cho hàm
băm trước đó, MD4 (cũng do ông thiết kế, trước đó nữa là MD2).
MD5 có hai ứng dụng quan trọng:
- MD5 được sử dụng rộng rãi trong thế giới phần mềm để đảm bảo rằng
tập tin tải về không bị hỏng. Người sử dụng có thể so sánh giữa thông
số kiểm tra phần mềm bằng MD5 được công bố với thông số kiểm tra
phần mềm tải về bằng MD5. Hệ điều hành Unix sử dụng MD5 để kiểm
tra các gói mà nó phân phối, trong khi hệ điều hành Windows sử dụng
phần mềm của hãng thứ ba.
- MD5 được dùng để mã hóa mật khẩu. Mục đích của việc mã hóa này là
biến đổi một chuổi mật khẩu thành một đoạn mã khác, sao cho từ đoạn
mã đó không thể nào lần trở lại mật khẩu. Có nghĩa là việc giải mã là
không thể hoặc phải mất một khoãng thời gian vô tận (đủ để làm nản
lòng các hacker).
Thuật giải
MD5 biến đổi một thông điệp có chiều dài bất kì thành một khối có
kích thước cố định 128 bits. Thông điệp đưa vào sẽ được cắt thành các khối
512 bits. Thông điệp được đưa vào bộ đệm để chiều dài của nó sẻ chia hết cho
512. Bộ đệm hoạt động như sau:
61
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- Trước tiên nó sẽ chèn bit 1 vào cuối thông điệp.
- Tiếp đó là hàng loạt bit Zero cho tới khi chiều dài của nó nhỏ hơn bội
số của 512 một khoảng 64 bit .
- Phần còn lại sẻ được lấp đầy bởi một số nguyên 64 bit biểu diển chiều
dài ban đầu của thông điệp.
62
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
TÀI LIỆU THAM KHẢO
[1]. “Nghiên cứu và Phát triển Kỹ thuật Thuỷ vân Cơ sở Dữ liệu Quan hệ”,
Báo cáo kết quả nghiên cứu của đề tài cơ sở 2008, 12/2008, Phòng CSDL
& LT.
[2]. Bùi Thế Hồng, Nguyễn Thị Thu Hằng, Lƣu Thị Bích Hƣơng, “Thủy
vân cơ sở dữ liệu quan hệ”, Tạp chí Khoa học & Công nghệ, ĐH Thái
Nguyên, 2009.
[3]. Vũ Ba Đình, “Giấu thông tin trong cơ sở dữ liệu không gian”, Tạp chí
nghiên cứu khoa học kỹ thuật và công nghệ Quân sự, số 4, 30-37
[4]. R. Agrawal, J. Kiernan, “Watermarking Relational Databases” in
Proceedings of the 28th VLDB Conference, Hong Kong, China, 2002.
[5]. R. Agrawal, P. J. Haas, and J. Kiernan. “Watermarking relational data:
framework, algorithms and analysis*”. The VLDB Journal (2003).
[6]. R. Sion, M. Atallah, S. Prabhakar.“Watermarking Relational
Databases” CERIAS TR 2002-28*. Center for Education and Research in
Information Assurance, Computer Sciences, Purdue University, 2002.
[7]. R. Sion, M. Atallah, and S. Prabhakar. “Rights Protection for
Relational Data”. IEEE Transactions on Knowledge and Data
Engineering, 16(6), June 2004.
[8]. R. Sion, “Proving ownership over categorical data”. ICDE 2004.
[9]. M. Shehab, E. Bertino, A. Ghafoor. “Watermarking Relational
Databases using Optimization Based Techniques”. CERIAS Tech Report
2006-41.
[10]. www.watermarkingworld.org.
63
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
[11]. W. Bender, D. Gruhl, N. Morimoto, A. Lu, “Techniques for data
Hiding” IBM SYSTEMS JOURNAL, VOL 35, NOS 3&4, 1996.
[12]. Stefan Katzenbeisser and Fabien A.P.Petitcolas, “Information Hiding
Techniques for Steganography and Digital Watermarking”.Artech House
Boston London.
[13]. Michael Arnold, Martin Schmucker and Stephen D. Wolthusen, “Techniques
and Applications of Digital Watermarking and Content Protection”. Artech
House Boston London.
Các file đính kèm theo tài liệu này:
- 21LV09_CNTT_KHMTNguyenThiHanh.pdf