Vol-Mark: A Watermark for 3D Medical Volume Data Via Cubic Difference Expansion and Contrastive Learning
يُعد Vol-Mark إطار عمل جديداً للعلامات المائية غير المائية القابلة للعكس للبيانات الحجمية الطبية ثلاثية الأبعاد، يجمع بين التعلم التبايني لاستخراج الميزات القوي والتوسع الفارق التكعيبي لدمج منخفض التشويه، مما يضمن سلامة البيانات والتحقق من الملكية ضد الهجمات المختلفة دون المساس بدقة التشخيص.
تخيل أن لديك منحوتة ثمينة، ثلاثية الأبعاد، مكونة من آلاف الكتل الصغيرة المتوهجة (الفوكسل/voxels). هذه ليست مجرد تمثال عادي؛ إنها خريطة تفصيلية لعضو بشري، مثل الدماغ أو الكبد، تم إنشاؤها بواسطة أجهزة مسح طبي متطورة. في عالم الطب عن بُعد، يجب على الأطباء إرسال هذه الخرائط ثلاثية الأبعاد عبر الإنترنت لاستشارة المتخصصين. ومع ذلك، تكمن المشكلة في أنه بمجرد مغادرة هذه الخرائط للمستشفى، تصبح عرضة للخطر. فقد يقوم شخص ما بسرقتها، أو نسخها دون إذن، أو الأسوأ من ذلك، تغيير بضع كتل سراً لإخفاء ورم أو تزوير تشخيص طبي.
يقدم هذا العمل Vol-Mark، وهو نظام أمني متطور مصمم خصيصاً لحماية هذه الخرائط الطبية ثلاثية الأبعاد. فكر في Vol-Mark كـ "روح رقمية" تعيش داخل المنحوتة، غير مرئية للعين المجردة ولكن يستحيل إزالتها دون تدمير المنحوتة نفسها.
أولاً، يجب أن يعرف النظام ماهية المنحوتة ليتمكن من إثبات ملكيتها.
التشبيه: تخيل أنك تحاول وصف ندفة ثلج فريدة. إذا نظرت فقط إلى جانب واحد مسطح، فقد تفقد شكلها الحقيقي ثلاثي الأبعاد. الطرق القديمة كانت تعامل البيانات الطبية كأنها مجموعة من الصور ثنائية الأبعاد المسطحة (الشرائح). أما Vol-Mark، فيستخدم ذكاءً اصطناعياً خاصاً (3D ResNet-18) مدرباً بتقنية "التعلم التبايني".
كيف يعمل: اعتبر هذا الذكاء الاصطناعي بمثابة نحات ماهر ينظر إلى الكائن ثلاثي الأبعاد بالكامل دفعة واحدة. إنه يتعلم تجاهل الضجيج (مثل التشويش على شاشة التلفاز) والتركيز على الشكل الفريد والمستقر للعضو. إنه ينشئ "بصمة رقمية" (سلسلة من الأصفار والآحاد) فريدة من نوعها لمسح المريض المحدد. وحتى لو كانت الصورة ضبابية قليلاً أو مائلة، فإن البصمة تظل كما هي.
2. "الرسالة السرية" (توسيع الفرق المكعبي - Cubic Difference Expansion)
الآن بعد أن حصلنا على بصمة الإصبع، يجب علينا إخفاء إثبات الملكية داخل البيانات دون تغيير الصورة.
التشبيه: تخيل أن لديك مجموعة من أربعة أصدقاء يقفون في شكل مربع (مكعب من الفوكسل). تريد إخفاء ملاحظة سرية (العلامة المائية) في حديثهم دون أن يلاحظوا وجودك.
كيف يعمل: يقوم Vol-Mark بفحص الاختلافات الصغيرة في "الارتفاع" (الشدة) بين هؤلاء الأصدقاء الأربعة. وهو يستخدم تقنية تسمى توسيع الفرق المكعبي (c-DE).
يأخذ الفرق بين الأصدقاء، ويضاعفه (يوسعه)، ثم يمرر الملاحظة السرية في تلك الفجوة.
من خلال توسيع الفرق، فإنه يخلق مساحة كافية لإخفاء الملاحظة دون جعل الأصدقاء يبدون مختلفين للمراقب.
والأهم من ذلك، يتم ذلك باستخدام رياضيات يمكن عكسها تماماً؛ حيث يمكن للنظام لاحقاً "تقليص" الفرق إلى حجمه الأصلي، وإزالة الملاحظة، وإعادة الأصدقاء إلى مواقعهم الأصلية بدقة. وهذا ما يسمى العلامة المائية القابلة للعكس (reversible watermarking). يتم استعادة البيانات الطبية بدقة 100% (بكسل مقابل بكسل) بعد عملية التحقق.
3. "القفل المزدوج" (التحقق - Verification)
لا يكتفي Vol-Mark بالتحقق من وجود البيانات فحسب، بل يتحقق أيضاً مما إذا كان قد تم العبث بها.
فحص السلامة: عندما تصل البيانات، يتحقق النظام أولاً مما إذا كان "الختم" قد كُسر. إذا تم تعديل البيانات (مثل تحريك كتلة ما)، سيعرف النظام ذلك على الفور.
فحص الملكية: إذا كانت البيانات سليمة، يقوم النظام باستخراج الملاحظة المخفية ويقارنها بمعرف المالك. وإذا تعرضت البيانات للعبث، ينتقل النظام إلى خطة طوارئ: حيث يستخدم "بصمة الإصبع" المخزنة مسبقاً لإثبات الملكية على أي حال، حتى لو تضررت الملاحظة المخفية. إنه يشبه وجود مفتاح احتياطي يعمل حتى لو تعطل قفل الباب الأمامي.
لماذا يعد هذا مميزاً؟
معظم الأنظمة الأمنية للصور الطبية تشبه وضع ملصق على صورة ثنائية الأبعاد. فهي تعمل جيداً مع الصور المسطحة، لكنها تنهار عندما تحاول تدوير أو تمديد كائن ثلاثي الأبعاد.
الميزة ثلاثية الأبعاد: تم بناء Vol-Mark ليكون مخصصاً للبعد الثالث. فهو يدرك أن الكتل في المسح ثلاثي الأبعاد متصلة في جميع الاتجاهات (أعلى، أسفل، يسار، يمين، أمام، خلف).
النتيجة: صمد Vol-Mark في الاختبارات أمام الهجمات التي قد تدمر الأنظمة الأخرى. وسواء حاول شخص ما تدوير النموذج ثلاثي الأبعاد، أو قطع زاوية منه، أو إضافة ضجيج، أو ضغط الملف، فقد ظل Vol-Mark صامداً. لقد أثبت ملكية البيانات بدقة تتجاوز 90%، حتى عندما تعرضت البيانات لضرر شديد.
الملخص
Vol-Mark هو نظام علامة مائية صفرية وقابل للعكس (Zero-Watermarking system).
قابل للعكس: يمكنه إخفاء الإثبات ثم إزالته تماماً، تاركاً البيانات الطبية كما كانت بالضبط (وهو أمر بالغ الأهمية للتشخيص الدقيق).
علامة مائية صفرية: هو لا يكتفي بوضع علامة مائية فوق البيانات؛ بل يولد رمزاً فريداً بناءً على البيانات نفسها، مما يجعل تزويره أمراً في غاية الصعوبة.
مدرك للأبعاد الثلاثية: يعامل المسح الطبي ككائن صلب ثلاثي الأبعاد، وليس كمجموعة من الصفحات المسطحة، مما يجعله قوياً ضد الهجمات الخاصة بالأبعاد الثلاثية مثل التدوير.
باختصار، يعمل Vol-Mark كختم غير مرئي وغير قابل للتدمير على البيانات الطبية ثلاثية الأبعاد، مما يضمن للطبيب الذي يتلقى المسح معرفة لمن ينتمي هذا المسح بالضبط، وأن لا أحد قام بتغيير التشخيص سراً.
ملخص تقني: Vol-Mark للبيانات الحجمية الطبية ثلاثية الأبعاد
بيان المشكلة أدى الاعتماد السريع للبيانات الحجمية الطبية ثلاثية الأبعاد (مثل الأشعة المقطعية CT والرنين المغناطيسي MRI) في مجالات الطب عن بُعد والتشخيص إلى ظهور تحديات أمنية كبيرة تتعلق بسلامة البيانات وحماية الملكية. وبينما يمثل العلامة المائية (Watermarking) حلاً قياسياً للصور الطبية ثنائية الأبعاد، تواجه الطرق الحالية قيوداً حرجة عند تطبيقها على الأحجام ثلاثية الأبعاد:
فقدان السياق المكاني: تتعامل العديد من النهج مع البيانات ثلاثية الأبعاد كمجموعة من الشرائح ثنائية الأبعاد، مما يؤدي إلى الفشل في التقاط التبعيات المكانية بين الشرائح، وبالتالي يجعلها عرضة لهجمات خاصة بالبعد الثالث مثل الدوران خارج المستوى (out-of-plane rotations).
جودة البيانات: لا يمكن نقل تقنيات العلامة المائية القابلة للعكس (Reversible watermarking) المطورة للصور ثنائية الأبعاد بسهولة إلى البيانات القائمة على الفوكسل (voxel-based) بسبب العلاقات المكانية المعقدة. ومن ناحية أخرى، تعتمد طرق العلامة المائية الصفرية (Zero-Watermarking) غالباً على ميزات ثنائية الأبعاد أو متوسط الشرائح، مما يحد من تميزها ومتانتها.
الثغرات الأمنية: هناك نقص في الطرق التي توفر في آن واحد استعادة كاملة للبيانات (lossless data recovery)، والتحقق من الملكية، والمرونة ضد الهجمات الهندسية والهجينة المصممة خصيصاً للهياكل الحجمية.
المنهجية: Vol-Mark يقدم المقال Vol-Mark، وهو إطار عمل مبتكر للعلامة المائية الصفرية القابلة للعكس تم تطويره خصيصاً للبيانات الطبية الحجمية ثلاثية الأبعاد. يتكون سير العمل من ثلاث مراحل:
استخراج الميزات وتوليد مفتاح الملكية:
التعلم التبايني (Contrastive Learning): يتم استخدام هيكل 3D ResNet-18 (مدرب مسبقاً على MedicalNet) كمستخرج للميزات. يتم تدريبه باستخدام دالة فقدان تباينية على نسخ معززة من البيانات الحجمية لتعلم ميزات حجمية مميزة ومستقرة تلتقط الارتباطات بين الشرائح.
التثنيت (Binarization): يتم تثنيت متجهات الميزات المستخرجة باستخدام حد صفري.
مفتاح الملكية (OS): يتم دمج العلامة المائية الثنائية مع الميزات المثنية وتسلسل فوضوي (chaotic sequence) تم توليده عبر خريطة هينون (Henon map) (باستخدام عمليات XOR) لإنشاء مفتاح ملكية مشفر. يضمن ذلك ارتباط العلامة المائية ارتباطاً وثيقاً بمحتوى البيانات وتأمينها ضد التزوير.
التضمين القابل للعكس (توسيع الفرق التكعيبي – c-DE):
تحويل الموجات المتقطعة ثلاثي الأبعاد (3D-IWT): يتم تفكيك البيانات الحجمية الأصلية إلى نطاقات تردد منخفض (LLL) ونطاقات تردد عالٍ. يتم التضمين في نطاق LLL للحفاظ على السلامة الهيكلية.
توسيع الفرق التكعيبي (Cubic Difference Expansion): يتم تقسيم نطاق LLL إلى مكعبات بحجم 2×2×2. لكل مكعب، يتم اختيار فوكسل مرجعي وثلاثة من جيرانه. يتم توسيع الفروقات بين الفوكسل المرجعي والجيران (مضاعفتها) لإنشاء مساحة للتضمين.
التضمين: يتم تضمين بتات مفتاح الملكية في هذه الفروقات الموسعة. تستخدم العملية الحساب الصحي وتتضمن فحص تجاوز السعة (overflow/underflow) مع خريطة موقع لضمان القابلية الكاملة للعكس.
الاستعادة: يقوم تحويل 3D-IWT العكسي بإعادة بناء الحجم المدمج فيه العلامة المائية. أثناء الاستخراج، تقوم عملية c-DE العكسية باستعادة قيم الفوكسل الأصلية بدقة، مما يضمن استعادة البيانات دون فقدان.
التحقق المزدوج:
فحص السلامة: يتم حساب معدل خطأ البت (BER) بين العلامة المائية الأصلية والمستخرجة. يشير معدل BER الذي يساوي صفراً إلى أن البيانات لم يتم التلاعب بها ويمكن استعادتها دون فقدان.
التحقق من الملكية: إذا تم التلاعب بالبيانات (BER > 0)، يتم إجراء اختبار فرضية (اختبار ثنائي الحد - Binomial test) على البتات المستخرجة مقابل مفتاح الملكية المخزن مسبقاً للتحقق من الملكية بثقة إحصائية عالية (p≤10−6).
المساهمات الرئيسية
بنية مبتكرة: تقديم Vol-Mark، أول مخطط علامة مائية صفرية قابل للعكس مصمم خصيصاً للبيانات الطبية الحجمية ثلاثية الأبعاد، والذي يجمع بين التعلم التبايني والتضمين القابل للعكس.
استخراج الميزات ثلاثية الأبعاد: تطوير مستخرج ميزات 3D ResNet-18 قائم على التعلم التبايني يستخرج الميزات الحجمية مباشرة من الحجم بأكته، مما يزيد من المتانة ضد الهجمات الهندسية ثلاثية الأبعاد (مثل الدوران خارج المستوى) مقارنة بالطرق القائمة على الشرائح.
توسيع الفرق التكعيبي (c-DE): تقنية تضمين جديدة تستغل التبعيات الحجمية داخل مكعبات 2×2×2 عند معاملات التردد المنخفض. يتيح ذلك التضمين القابل للعكس دون متطلبات تخزين إضافية ويضمن الاستعادة الكاملة للبيانات.
آلية التحقق المزدوج: بروتوكول تحقق قوي يبدأ بفحوصات السلامة، يليه التحقق من الملكية عبر اختبار الفرضية، لضمان الموثوقية حتى في حالات التلاعب بالبيانات أو هجمات إزالة العلامة المائية.
النتائج التجريبية تم تقييم الطريقة باستخدام مجموعة بيانات MSD (المهام: أورام الدماغ، الكبد، والبنكرياس) ضد الهجمات التقليدية، الهندسية، والهجينة.
القابلية للعكس: في الظروف الخالية من الهجمات، حقق Vol-Mark قابلية عكس مثالية مع BER قدره 0.00 وPSNR لانهائي للبيانات المستعادة. أظهرت البيانات المدمجة فيها العلامة المائية جودة عالية (متوسط PSNR > 80 ديسيبل).
في معظم سيناريوهات الهجوم، حافظ Vol-Mark على دقة (ACC = 1-BER) تزيد عن 0.90.
تفوق بشكل كبير على الطرق المرجعية الحالية (3D-DTCWT و ADCL-ZW)، لا سيالما تحت الهجمات الهندسية (الدوران والتحجيم) والهجمات الهجينة.
أظهرت الطريقة أداءً ثابتاً عبر مختلف الهياكل التشريحية (الدماغ، الكبد، البنكرياس) وتنسيقات البيانات المختلفة.
المرونة ضد الهجمات ثلاثية الأبعاد: على عكس الطرق المرجعية التي تعاني من تدهور الأداء تحت تأثير الدوران خارج المستوى أو التحجيم على طول المحور Z، حافظ Vol-Mark على دقة عالية بفضل استخراج الميزات الحجمية واستراتيجية التضمين ثلاثية الأبعاد.
الأهمية يزعم المقال أن Vol-Mark يسد الفجوة الحرجة في تأمين البيانات الطبية الحجمية ثلاثية الأبعاد للطب عن بُعد. ومن خلال دمج التعلم التبايني لاستخراج الميزات المتينة مع c-DE للتضمين القابل للعكس، تضمن الطريقة إمكانية نقل البيانات الطبية وتأمين ملكيتها دون المساس بدقة التشخيص. إن القدرة على الاستعادة دون فقدان والمقاومة ضد الهجمات ثلاثية الأبعاد المعقدة تجعل من هذا الأسلوب حلاً عملياً لحماية سلامة وأصالة البيانات الطبية الحجمية في البيئات السريرية والبحثية الواقعية.