| Starije izmjene na obje strane
Starija izmjena
Novija izmjena
|
Starija izmjena
|
racfor_wiki:seminari2025:dk53948 [2026/02/02 05:05]
Dora Kašik [1.1 Prostorna domena] |
racfor_wiki:seminari2025:dk53948 [2026/02/02 05:18] (trenutno)
Dora Kašik [2.3 Video datoteke] |
| ==== 2.1 Slikovne datoteke ==== | ==== 2.1 Slikovne datoteke ==== |
| |
| Slikovne datoteke **najčešće su korišten nositelj** zbog svoje bogate teksture i rubnih informacija koje omogućuju ugradnju podataka uz minimalan rizik od vizualne detekcije [[#literatura|[24]]]. Strategije ugradnje (tajnih) podataka u slikovne datoteke primarno se oslanjaju na modele ljudskog vizualnog sustava (engl. //Human Visual System, HVS//) kako bi identificirale područja u kojima je **oko najmanje osjetljivo na promjene** [[#literatura|[2]]]. Tehnike u prostornoj domeni iskorištavaju ta ograničenja ljudskog vida, a unaprjeđenjima spomenutima u prethodnom poglavlju dodatno povećavaju neprimjetnost skrivenog sadržaja. Primjena tehnika varira ovisno o zahtjevima za kapacitetom i robusnošću. Klasična [[#1.1.1 Tehnike i njihova unaprjeđenja|LSB supstitucija]] i njezine varijante primjenjuju se u scenarijima gdje je prioritet **računalna jednostavnost i visoka propusnost podataka**, dok se napredne metode poput diferenciranja vrijednosti piksela koriste kad je potrebna **veća neprimjetnost i više “prostora” za ugradnju** tajnih podataka. Neki inovativni pristupi uključuju i iskorištavanje tzv. **alfa kanala (prozirnosti)** koji nudi dodatni sloj za ugradnju bez utjecaja na primarni vizualni sadržaj. Kod **osjetljivih podataka**, primjerice u medicinskim primjenama, koriste se tehnike u transformacijskoj domeni (DCT, DWT) u kombinaciji s fuzifikacijom kako bi se osigurala **otpornost na kompresiju** uz zadržavanje visoke kvalitete slike. Dodatno u medicinskoj ili pak vojnoj dijagnostici pogotovo su poželjne i reverzibilne metode zbog vrlo velike važnosti **obnove originalne slike** bez gubitka informacija. | Slikovne datoteke **najčešće su korišten nositelj** zbog svoje bogate teksture i rubnih informacija koje omogućuju ugradnju podataka uz minimalan rizik od vizualne detekcije [[#literatura|[24]]]. Strategije ugradnje (tajnih) podataka u slikovne datoteke primarno se oslanjaju na modele ljudskog vizualnog sustava (engl. //Human Visual System, HVS//) kako bi identificirale područja u kojima je **oko najmanje osjetljivo na promjene** [[#literatura|[2]]]. Tehnike u prostornoj domeni iskorištavaju ta ograničenja ljudskog vida, a unaprjeđenjima spomenutima u prethodnom poglavlju dodatno povećavaju neprimjetnost skrivenog sadržaja. Primjena tehnika varira ovisno o zahtjevima za kapacitetom i robusnošću. Klasična [[#Prostorna domena|LSB supstitucija]] i njezine varijante primjenjuju se u scenarijima gdje je prioritet **računalna jednostavnost i visoka propusnost podataka**, dok se napredne metode poput [[#Prostorna domena|diferenciranja vrijednosti piksela]] koriste kad je potrebna **veća neprimjetnost i više “prostora” za ugradnju** tajnih podataka. Neki inovativni pristupi uključuju i iskorištavanje tzv. **alfa kanala (prozirnosti)** koji nudi dodatni sloj za ugradnju bez utjecaja na primarni vizualni sadržaj. Kod **osjetljivih podataka**, primjerice u medicinskim primjenama, koriste se tehnike u transformacijskoj domeni [[#Transformacijska domena|(DCT, DWT)]] u kombinaciji s fuzifikacijom kako bi se osigurala **otpornost na kompresiju** uz zadržavanje visoke kvalitete slike. Dodatno u medicinskoj ili pak vojnoj dijagnostici pogotovo su poželjne i reverzibilne metode zbog vrlo velike važnosti **obnove originalne slike** bez gubitka informacija. |
| ==== 2.2 Audio datoteke ==== | ==== 2.2 Audio datoteke ==== |
| |
| Kod audio datoteka, steganografske metode iskorištavaju digitalnu reprezentaciju amplituda zvučnog vala koja dopušta suptilne promjene koje **ljudsko uho ne može razlikovati od pozadinskog šuma** [[#literatura|[11]]]. Pristupi koji se uglavnom oslanjaju na prostornu domenu, pogodni su u situacijama gdje je prioritet **jednostavnost implementacije i niska računalna složenost**. U takvim se scenarijima najčešće koristi klasična zamjena najmanje značajnih bitova (LSB) jer omogućuje velik kapacitet umetanja uz minimalno procesuiranje. U tom se kontekstu koristi i tehnika linearne interpolacije te metode poput BMSE. S druge strane, u sigurnosno osjetljivim primjenama, poput financijskih sustava ili zaštićene komunikacije, primjenjuju se složeniji, najčešće **hibridni pristupi** koji kombiniraju steganografiju s kriptografijom. Noviji trendovi uvode i **pretvorbu zvučnih signala u vizualne spektrografe** (ARSS). Pritom se zvučna datoteka tretira kao slika, što omogućuje primjenu slikovnih steganografskih alata za prijenos audio zapisa uz visoku prostornu učinkovitost i vjernost zvuka. Također, sve se više koriste **metode temeljene na strojnom i dubokom učenju**. Posebno su korisne u kontekstu otpornosti na suvremene alate za steganalizu jer generiraju stego-zapise koje je gotovo nemoguće razlikovati od izvornog audio sadržaja. | Kod audio datoteka, steganografske metode iskorištavaju digitalnu reprezentaciju amplituda zvučnog vala koja dopušta suptilne promjene koje **ljudsko uho ne može razlikovati od pozadinskog šuma** [[#literatura|[11]]]. Pristupi koji se uglavnom oslanjaju na prostornu domenu, pogodni su u situacijama gdje je prioritet **jednostavnost implementacije i niska računalna složenost**. U takvim se scenarijima najčešće koristi klasična zamjena najmanje značajnih bitova (LSB) jer omogućuje velik kapacitet umetanja uz minimalno procesuiranje. U tom se kontekstu koristi i tehnika [[#Prostorna domena|linearne interpolacije]] te metode poput [[#Prostorna domena|BMSE]]. S druge strane, u sigurnosno osjetljivim primjenama, poput financijskih sustava ili zaštićene komunikacije, primjenjuju se složeniji, najčešće **hibridni pristupi** koji kombiniraju steganografiju s kriptografijom. Noviji trendovi uvode i **pretvorbu zvučnih signala u vizualne spektrografe** [[#Hibridne tehnike|(ARSS)]]. Pritom se zvučna datoteka tretira kao slika, što omogućuje primjenu slikovnih steganografskih alata za prijenos audio zapisa uz visoku prostornu učinkovitost i vjernost zvuka. Također, sve se više koriste **metode temeljene na strojnom i dubokom učenju**. Posebno su korisne u kontekstu otpornosti na suvremene alate za steganalizu jer generiraju stego-zapise koje je gotovo nemoguće razlikovati od izvornog audio sadržaja. |
| ==== 2.3 Video datoteke ==== | ==== 2.3 Video datoteke ==== |
| |
| Video datoteke predstavljaju **najkompleksniji**, ali i **kapacitetom najbogatiji medij** [[#literatura|[5]]], jer uz vizualnu informaciju nude i temporalnu redundanciju, odnosno razlike između uzastopnih okvira. Upravo ta višedimenzionalna priroda video datoteka otvara prostor za ugradnju velike količine tajnih podataka, ali istovremeno nameće **strože zahtjeve** u pogledu otpornosti na gubitke uzrokovane kompresijom i smanjenjem rezolucije. Zbog toga se u video steganografiji najčešće primjenjuju **složenije strategije** koje su nerijetko **hibridni pristupi**. U okruženjima u kojima se video sadržaj dijeli putem društvenih mreža i sličnih platformi, naglasak je na metodama koje osiguravaju da skriveni sadržaj ostane očuvan unatoč agresivnim mrežnim transformacijama (korištenje algoritama poput Mersenne Twister-a, kombinacija dubokog učenja s transformacijskim filtrima). Dodatno, u dinamičnim scenama s velikim brojem pokreta prednost imaju strategije koje se oslanjaju na detekciju vizualno značajnih regija, poput rubova i kutova ([[#1.1.1 Tehnike i njihova unaprjeđenja|Shi-Tomasi detektor]]) jer su promjene u tim područjima manje uočljive gledatelju. Posebnu skupinu čine inovativni sustavi poput MARVIS-a koji se prilagođavaju potrebama 5G mreža, gdje je važno uskladiti sigurnost, brzinu prijenosa i otpornost na gubitke paketa. | Video datoteke predstavljaju **najkompleksniji**, ali i **kapacitetom najbogatiji medij** [[#literatura|[5]]], jer uz vizualnu informaciju nude i temporalnu redundanciju, odnosno razlike između uzastopnih okvira. Upravo ta višedimenzionalna priroda video datoteka otvara prostor za ugradnju velike količine tajnih podataka, ali istovremeno nameće **strože zahtjeve** u pogledu otpornosti na gubitke uzrokovane kompresijom i smanjenjem rezolucije. Zbog toga se u video steganografiji najčešće primjenjuju **složenije strategije** koje su nerijetko **hibridni pristupi**. U okruženjima u kojima se video sadržaj dijeli putem društvenih mreža i sličnih platformi, naglasak je na metodama koje osiguravaju da skriveni sadržaj ostane očuvan unatoč agresivnim mrežnim transformacijama (algoritmi poput [[#Prostorna domena|Mersenne Twister-a]], [[#Hibridne tehnike|duboko učenje + transformacijski filtri]]). Dodatno, u dinamičnim scenama s velikim brojem pokreta prednost imaju strategije koje se oslanjaju na detekciju vizualno značajnih regija, poput rubova i kutova ([[#1.1.1 Tehnike i njihova unaprjeđenja|Shi-Tomasi detektor]]) jer su promjene u tim područjima manje uočljive gledatelju. Posebnu skupinu čine inovativni sustavi poput [[#Transformacijska domena|MARVIS]]-a koji se prilagođavaju potrebama 5G mreža, gdje je važno uskladiti sigurnost, brzinu prijenosa i otpornost na gubitke paketa. |
| ===== Zaključak ===== | ===== Zaključak ===== |
| |
