💻 computer science

TRACE: Structure-Aware Character Encoding for Robust and Generalizable Document Watermarking

TRACE एक संरचना-जागरूक (structure-aware) दस्तावेज़ वॉटरमार्किंग फ्रेमवर्क है जो स्थानीयकृत वर्ण एन्कोडिंग (localized character encoding) के माध्यम से डेटा को एम्बेड करने के लिए डिफ्यूजन मॉडल का लाभ उठाता है, जिससे उत्कृष्ट सुदृढ़ता, विभिन्न भाषाओं और फोंटों में सामान्यीकरण क्षमता, और अत्याधुनिक तरीकों की तुलना में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।

मूल लेखक: Jiale Meng, Jie Zhang, Runyi Hu, Zhe-Ming Lu, Tianwei Zhang, Yiming Li

प्रकाशित 2026-03-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jiale Meng, Jie Zhang, Runyi Hu, Zhe-Ming Lu, Tianwei Zhang, Yiming Li

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास एक बहुत महत्वपूर्ण दस्तावेज़ है, जैसे कि कोई अनुबंध (contract) या कोई गुप्त पत्र। आप यह साबित करना चाहते हैं कि वह आपका है यदि कोई उसे चुराने या उसकी नकल करने की कोशिश करता है। लेकिन इसमें एक पेंच है: आप शब्दों को बदल नहीं सकते (क्योंकि इससे अनुबंध खराब हो जाएगा), और आप लाल स्याही से बड़े अक्षरों में "PROPERTY OF ME" नहीं लिख सकते (क्योंकि यह संदिग्ध लगेगा)।

यह वह समस्या है जिसे TRACE हल करता है। यह किसी दस्तावेज़ के भीतर बिना किसी को पता चले एक गुप्त डिजिटल फिंगरप्रिंट छिपाने का एक नया तरीका है।

यह कैसे काम करता है, इसे एक सरल कहानी और उपमाओं के माध्यम से समझाया गया है।

समस्या: रहस्यों को छिपाने के "बुरे" तरीके

TRACE से पहले, लोग दस्तावेज़ों में रहस्य छिपाने के लिए दो मुख्य तरीकों का प्रयास करते थे, और दोनों में बड़ी खामियां थीं:

"पिक्सेल पेंटर" (छवि-आधारित): कल्पना कीजिए कि आप एक पत्र के कुछ पिक्सेल पर काली स्याही के शेड को थोड़ा बदलकर एक रहस्य छिपाने की कोशिश कर रहे हैं।
- खामी: यदि आप दस्तावेज़ को प्रिंट करते हैं और फिर से स्कैन करते हैं, तो प्रिंटर और स्कैनर एक शोर वाले फोटोकॉपी मशीन की तरह काम करते हैं। वे किनारों को धुंधला कर देते हैं और "धूल" (शोर) जोड़ देते हैं। पिक्सेल के शेड में यह सूक्ष्म परिवर्तन मिट जाता है, और आपका रहस्य गायब हो जाता है।
"फ़ॉन्ट स्वैपर" (फ़ॉन्ट-आधारित): कल्पना कीजिए कि आपके पास एक गुप्त शब्दकोश है जहाँ अक्षर "A" के 50 अलग-अलग संस्करण हैं। एक रहस्य भेजने के लिए, आप सामान्य "A" को अपने शब्दकोश के एक विशिष्ट "A" से बदल देते हैं।
- खामी: यह तभी काम करता है जब आपके पास हर संभावित फ़ॉन्ट और लिखावट शैली के लिए एक शब्दकोश हो। यदि आप किसी अजीब, कलात्मक फ़ॉन्ट या किसी की बिखरी हुई लिखावट का सामना करते हैं, तो आपका शब्दकोश बेकार हो जाता है। यह एक ऐसे दरवाजे को खोलने जैसा है जिसके लिए आपके पास ऐसी चाबी है जो केवल एक विशिष्ट ताले में ही फिट बैठती है।

समाधान: TRACE (द "स्केलेटन शिफ्टर")

TRACE के लेखकों ने महसूस किया कि अक्षर केवल स्याही के धब्बे नहीं हैं; उनका एक कंकाल (skeleton) होता है। एक अक्षर को हड्डियों (स्ट्रोक्स) और जोड़ों (अंत बिंदुओं और कोनों) से बने एक स्टिक फिगर की तरह समझें।

TRACE अक्षरों को पेंट नहीं करता या पूरे फ़ॉन्ट को नहीं बदलता। इसके बजाय, यह स्टिक फिगर के जोड़ों को धीरे से हिलाता है।

उपमा: "पपेट मास्टर" (कठपुतली चलाने वाला)

कल्प laिए कि अक्षर "A" एक डंडों से बनी कठपुतली है।

हैंडल खोजना: TRACE कठपुतली को देखता है और पकड़ने के लिए सही "जोड़" (जैसे "A" का ऊपरी सिरा) ढूंढता है। इसे यह हैंडल पॉइंट (Handle Point) कहता है।
मूवमेंट तय करना: इस आधार पर कि वह "0" या "1" भेजना चाहता है, वह उस जोड़ को थोड़ा ऊपर, नीचे, बाएँ या दाएँ ले जाने का निर्णय लेता है।
जादुई चाल (डिफ्यूजन): यहीं पर असली तकनीक आती है। TRACE एक AI (जिसे डिफ्यूजन मॉडल कहा जाता है) का उपयोग करता है जो एक अति-बुद्धिमान पपेट मास्टर की तरह काम करता है। यह केवल जोड़ को खींचता नहीं है; यह पूरी भुजा को फिर से बनाता है ताकि जोड़ नई जगह पर चला जाए, लेकिन भुजा का बाकी हिस्सा पूरी तरह से स्वाभाविक लगे। यह एक कार्टूनिस्ट द्वारा एक फ्रेम को इतनी सहजता से फिर से बनाने जैसा है कि आँख को पता ही नहीं चलता कि चरित्र एक इंच हिला है।

यह 3 सरल चरणों में कैसे काम करता है

1. स्काउट (अनुकूली इनिशियलाइजेशन - Adaptive Initialization)
कुछ भी करने से पहले, TRACE दस्तावेज़ को स्कैन करता है। यह किसी भी जोड़ को हिलाने के लिए सबसे अच्छा "जोड़" खोजने के लिए एक स्मार्ट एल्गोरिदम का उपयोग करता है। यह पूछता है: "यदि मैं इस बिंदु को हिलाता हूँ, तो क्या अक्षर अभी भी वही अक्षर रहेगा? क्या यह प्रिंट और स्कैन होने के बाद भी जीवित रहेगा?" यह सबसे मजबूत, सबसे स्थिर जोड़ को हैंडल के रूप में चुनता है।

2. कलाकार (गाइडेड डिफ्यूजन - Guided Diffusion)
एक बार जोड़ चुने जाने के बाद, AI काम संभाल लेता है। यह DragDiffusion नामक तकनीक का उपयोग करता है। कल्पना कीजिए कि आप एक डिजिटल ड्राइंग पर एक बिंदु को खींच रहे हैं, और AI इसे प्राकृतिक दिखाने के लिए बाकी रेखा को तुरंत भर देता है।

यदि गुप्त बिट 0 है, तो यह जोड़ को पड़ोसी बिंदु के थोड़ा करीब ले जाता है।
यदि गुप्त बिट 1 है, तो यह इसे थोड़ा दूर ले जाता है।
AI यह सुनिश्चित करता है कि यह गति के दौरान अक्षर "टूटा हुआ" या "अजीब" न दिखे।

3. संपादक (मास्क्ड रिप्लेसमेंट - Masked Replacement)
कभी-कभी, जब AI रेखा को फिर से बनाता है, तो यह गलती से बैकग्राउंड के एक छोटे से हिस्से या पास के कर्व को बदल सकता है। TRACE के पास एक सुरक्षा जाल है। यह मूल दस्तावेज़ लेता है और नए गुप्त हिस्से को उसके ऊपर ठीक वैसे ही चिपका देता है, जैसे एक सर्जन एक छोटा सा पैच टाँके लगाता है। यह सुनिश्चित करता है कि गुप्त बदलाव के बाहर की हर चीज़ मूल दस्तावेज़ की तरह ही दिखे।

TRACE एक सुपरहीरो क्यों है?

यह अदृश्य है: क्योंकि यह केवल अक्षर की "हड्डियों" को थोड़ा सा हिलाता है, इसलिए अक्षर मानवीय आँख को बिल्कुल वैसा ही दिखता है। यदि आप ज़ूम भी करते हैं, तो भी यह बताना कठिन है।
यह मजबूत है (Robust): यही जादुई हिस्सा है। यदि आप दस्तावेज़ को प्रिंट करते हैं, स्कैन करते हैं, या अपने फोन से उसकी फोटो लेते हैं, तो "शोर" (धुंधलापन, धूल, स्याही का फैलना) पिक्सेल को खराब कर सकता है। लेकिन संरचना (कंकाल) वैसी ही रहती है। जोड़ पहले की तुलना में थोड़ा अधिक करीब या दूर रहता है। गुप्त संदेश इस "क्रॉस-मीडिया" यात्रा में जीवित रहता है।
यह सार्वभौमिक है: इसे फ़ॉन्ट्स के शब्दकोश की आवश्यकता नहीं है। यह किसी भी अक्षर की संरचना को देखता है, चाहे वह कोई फैंसी स्क्रिप्ट हो, बिखरी हुई लिखावट हो, या कोई अजीब गणितीय प्रतीक हो। यह मौके पर ही उसका कंकाल समझ लेता है।

परिणाम

परीक्षणों में, TRACE दस्तावेज़ों में रहस्यों को छिपाने में सक्षम था जो प्रिंट, स्कैन और फोटो लेने के बाद भी सुरक्षित रहे, और गुप्त जानकारी निकालने में इसकी सटीकता 99% थी। वहीं, पुराने तरीके या तो बुरी तरह विफल रहे या स्पष्ट दृश्य संकेत छोड़ गए।

संक्षेप में: TRACE एक कुशल जालसाज की तरह है जो एक संदेश छिपाने के लिए अक्षर की रीढ़ को थोड़ा सा मोड़ सकता है, यह जानते हुए कि कागज कितना भी मुड़ा या कॉपी किया जाए, वह मुड़ी हुई रीढ़ हमेशा कहानी बयां करेगी।

यहाँ शोध पत्र "TRACE: Structure-Aware Character Encoding for Robust and Generalizable Document Watermarking" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

दस्तावेज़ वॉटरमार्किंग (Document watermarking), डिजिटल और भौतिक दस्तावेज़ों (जैसे अनुबंध, आधिकारिक कागजात) के मूल स्रोत (provenance) को ट्रैक करने और उनके दुरुपयोग को रोकने के लिए महत्वपूर्ण है। हालाँकि, मौजूदा विधियाँ एक "त्रिशंकु" (trilemma) का सामना करती हैं जहाँ वे मजबूती (robustness), सामान्यीकरण (generalizability) और अदृश्यता (imperceptibility) को एक साथ प्राप्त करने में संघर्ष करती हैं:

इमेज-आधारित विधियाँ: ये पिक्सेल अनुपात (काला/सफेद) को बदलकर डेटा एम्बेड करती हैं। ये क्रॉस-मीडिया ट्रांसमिशन (प्रिंटिंग, स्कैनिंग, फोटोग्राफी) के दौरान उत्पन्न होने वाले शोर (noise) के प्रति अत्यधिक संवेदनशील होती हैं, जिससे निष्कर्षण त्रुटियां (extraction errors) होती हैं।
फ़ॉन्ट-आधारित विधियाँ: ये वर्णों के वेरिएंट्स के पूर्व-निर्धारित कोडबुक पर निर्भर करती हैं। हालांकि ये शोर के प्रति मजबूत हैं, लेकिन इनमें सामान्यीकरण की कमी है क्योंकि कोडबुक बिना व्यापक मैनुअल प्रशिक्षण के हर संभव फ़ॉन्ट, भाषा, हस्तलेखन शैली या कलात्मक टाइपोग्राफी को कवर नहीं कर सकती।
फॉर्मेट/भाषाई विधियाँ: ये स्पेसिंग या टेक्स्ट अर्थशास्त्र (semantics) को बदलती हैं, जो अक्सर दस्तावेज़ की अखंडता से समझौता करती हैं या उनकी डेटा क्षमता कम होती है।

मुख्य चुनौती: एक ऐसी विधि डिजाइन करना जो डेटा को दस्तावेज़ों में इस तरह एम्बेड करे कि वह क्रॉस-मीडिया हमलों (प्रिंट-स्कैन) में जीवित रहे, बिना प्री-ट्रेनिंग के विविध फ़ॉन्ट्स/भाषाओं (हस्तलिखित और कलात्मक शैलियों सहित) में काम करे, और दृश्य रूप से अदृश्य बना रहे।

2. कार्यप्रणाली: TRACE फ्रेमवर्क (Methodology: TRACE Framework)

लेखक TRACE (Structure-Aware Character Encoding) प्रस्तावित करते हैं, जो एक ऐसा फ्रेमवर्क है जो पिक्सेल मानों या फ़ॉन्ट वेरिएंट के बजाय वर्णों की कंकाल संरचना (skeletal structure) को सूक्ष्म रूप से संशोधित करके डेटा एम्बेड करने के लिए डिफ्यूजन मॉडल्स (विशेष रूप से DragDiffusion) का लाभ उठाता है।

प्रक्रिया तीन चरणों में विभाजित है:

A. एडेप्टिव डिफ्यूजन इनिशियलाइजेशन (Adaptive Diffusion Initialization - ADI)

एम्बेडिंग से पहले, सिस्टम वर्ण के कंकाल (skeleton) के भीतर हेरफेर के लिए इष्टतम बिंदुओं (endpoints और junction points) की पहचान करता है।

की-पॉइंट डिटेक्शन (Keypoint Detection): वर्ण के कंकाल से एंडपॉइंट्स और जंक्शन पॉइंट्स निकालता है।
मूवमेंट प्रोबेबिलिटी इवैलुएटर (Movement Probability Evaluator - MPE): एक एल्गोरिदम जो स्वचालित रूप से सर्वश्रेष्ठ हैंडल पॉइंट ( $P_h$ ) और एक रेफरेंस पॉइंट ( $P_r$ ) का चयन करता है। यह कनेक्टिविटी नियमों (जैसे, यह सुनिश्चित करना कि हैंडल पॉइंट एक अलग स्ट्रोक पर हो) के आधार पर बिंदुओं को स्कोर देता है ताकि विजुअल निरंतरता बनाए रखते हुए निष्कर्षण की सफलता की संभावना को अधिकतम किया जा सके।
टारगेट पॉइंट एस्टीमेशन (Target Point Estimation - TPE): एम्बेड किए जाने वाले बिट (0 या 1) के आधार पर टारगेट पॉइंट ( $P_t$ ) निर्धारित करता है।
- 0 एम्बेड करने के लिए: $P_h$ और $P_r$ के बीच की दूरी को $T_{embed}$ के $\leq$ के रूप में समायोजित किया जाता है।
- 1 एम्बेड करने के लिए: $P_h$ और $P_r$ के बीच की दूरी को $T_{embed}$ के $>$ के रूप में समायोजित किया जाता है।
- मूवमेंट की दिशा स्ट्रोक के वेक्टर विश्लेषण का उपयोग करके गणना की जाती है ताकि वर्ण की पहचान सुरक्षित रहे।
मास्क ड्राइंग मॉड्यूल (Mask Drawing Module - MDM): हैंडल और टारगेट पॉइंट्स के आसपास एक स्थानीय संपादन क्षेत्र (मास्क) को परिभाषित करता है ताकि डिफ्यूजन प्रक्रिया को सीमित किया जा सके।

B. गाइडेड डिफ्यूजन एनकोडिंग (Guided Diffusion Encoding - GDE)

सिस्टम हैंडल पॉइंट ( $P_h$ ) को टारगेट पॉइंट ( $P_t$ ) तक ले जाने के लिए एक फाइन-ट्यून्ड DragDiffusion मॉडल का उपयोग करता है।

LoRA फाइन-ट्यूनिंग: UNet को लो-रैंक अडैप्टेशन (LoRA) के साथ फाइन-ट्यून किया जाता है ताकि मूल छवि की विशेषताओं को बेहतर ढंग से कैप्चर किया जा सके, जिससे पहचान का संरक्षण (identity preservation) सुनिश्चित होता है।
लेटेंट ऑप्टिमाइज़ेशन (Latent Optimization): मॉडल मोशन सुपरविजन का उपयोग करके बिंदु को पुनरावृत्ति (iteratively) के माध्यम से स्थानांतरित करता है।
लोकल कंसिस्टेंसी लॉस ( $L_{lc}$ ): एक विशेष लॉस फंक्शन पेश किया गया है जो तत्काल मूवमेंट पाथ के बाहर मास्क किए गए क्षेत्र में फीचर परिवर्तनों को न्यूनतम करने के लिए है, जिससे यह सुनिश्चित होता है कि बाकी का वर्ण अपरिवर्तित रहे।

C. मास्क रीजन रिप्लेसमेंट (Masked Region Replacement - MRR)

अदृश्यता को और बढ़ाने के लिए, मूल छवि के मास्क के भीतर की सामग्री को जेनरेटेड (संपादित) छवि की संगत सामग्री से बदल दिया जाता है। यह चरण सुनिश्चित करता है कि विशिष्ट संरचनात्मक संशोधन के बाहर डिफ्यूजन प्रक्रिया द्वारा उत्पन्न किसी भी अनपेक्षित आर्टिफैक्ट को वापस मूल स्थिति में लाया जाए, जिससे वर्ण का प्राकृतिक स्वरूप बना रहे।

D. निष्कर्षण (Extraction)

निष्कर्षण ब्लाइंड (ब्लाइंड) है (इसके लिए मूल छवि की आवश्यकता नहीं है)। सिस्टम वर्ण के कंकाल का पता लगाता है, MPE लॉजिक का उपयोग करके हैंडल और रेफरेंस पॉइंट्स की पहचान करता है, और $\Delta(P_h, P_r)$ की दूरी मापता है। यदि दूरी थ्रेसहोल्ड $T_{embed}$ से अधिक है, तो बिट '1' है; अन्यथा, यह '0' है।

3. मुख्य योगदान (Key Contributions)

स्ट्रक्चर-अवेयर पैराडाइम: यह पिक्सेल हेरफेर या फ़ॉन्ट प्रतिस्थापन से हटकर कैरेक्टर स्ट्रक्चर एनकोडिंग की ओर बढ़ता है। पात्रों को की-पॉइंट्स और रेखाओं के कंकाल के रूप में मानकर, यह विधि स्वाभाविक प्रतिरोध (inherent resistance) प्राप्त करती है (क्योंकि संरचना पिक्सेल अनुपात की तुलना में अधिक स्थिर होती है)।
बिना प्री-ट्रेनिंग के सामान्यीकरण: फ़ॉन्ट-आधारित विधियों के विपरीत, TRACE को किसी पूर्व-निर्धारित कोडबुक या विशिष्ट फ़ॉन्ट्स पर प्रशिक्षण की आवश्यकता नहीं है। यह डिफ्यूजन मॉडल का उपयोग करके किसी भी फ़ॉन्ट, भाषा (अंग्रेजी, चीनी, कोरियाई, अरबी, आदि), या शैली (हस्तलिखित, कलात्मक) के लिए डायनेमिक रूप से एनकोडेड पात्र उत्पन्न करता है।
मजबूती और अदृश्यता का संतुलन: डिफ्यूजन मॉडल द्वारा नॉन-टारगेट क्षेत्रों को बदलने की समस्या को हल करने के लिए MRR और $L_{lc}$ लॉस पेश किया गया है, जिससे उच्च निष्कर्षण सटीकता के साथ उच्च PSNR/SSIM प्राप्त होता है।
व्यापक मूल्यांकन: विभिन्न भाषाओं, फ़ॉन्ट आकारों और क्रॉस-मीडिया परिदृश्यों (स्क्रीनशॉट, प्रिंट-स्कैन, प्रिंट-कैमरा) में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने अंग्रेजी और चीनी फ़ॉन्ट्स के साथ-साथ हस्तलिखित और कलात्मक शैलियों पर English और Chinese फ़ॉन्ट्स और अन्य लिपियों पर TRACE का अत्याधुनिक बेसलाइन्स (AutoStegaFont, Stegastamp, IHA) के विरुद्ध मूल्यांकन किया।

मजबूती (निष्कर्षण सटीकता - Robustness):
- प्रिंट-स्कैन: TRACE ने विभिन्न फ़ॉन्ट्स में 95–100% सटीकता प्राप्त की, जो AutoStegaFont (जो कुछ मामलों में ~60–70% तक गिर गया) से काफी बेहतर है।
- प्रिंट-कैमरा: अलग-अलग कोणों और दूरियों पर भी >90% सटीकता बनाए रखी, जबकि बेसलाइन विधियाँ संघर्ष करती रहीं।
- एडेप्टिव अटैक्स: "स्ट्रक्चर मॉर्फिंग" हमलों (इलास्टिक विरूपण) के खिलाफ >96% सटीकता के साथ प्रतिरोध दिखाया।
अदृश्यता (विजुअल क्वालिटी - Imperceptibility):
- PSNR: >32 dB (कलात्मक फ़ॉन्ट्स के लिए 41 dB तक) प्राप्त किया, जो बेसलाइन्स की तुलना में >5 dB का सुधार है।
- SSIM: लगातार 0.99 से ऊपर रहा, जो मूल संरचना के साथ लगभग पूर्ण समानता को दर्शाता है।
- विजुअल्स: रेसिडुअल इमेज (मूल और वॉटरमार्क्ड के बीच का अंतर) लगभग पूरी तरह से काली थी, जबकि बेसलाइन में दृश्यमान एज आर्टिफैक्ट्स दिखाई दे रहे थे।
सामान्यीकरण (Generalizability): बिना रिट्रेनिंग के विविध लिपियों (जापानी, रूसी, अरबी) और गणितीय सूत्रों में वॉटरमार्क को सफलतापूर्वक एम्बेड किया।

5. महत्व (Significance)

TRACE, मजबूती और सामान्यीकरण के बीच लंबे समय से चले आ रहे समझौते (trade-off) को हल करके दस्तावेज़ सुरक्षा में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।

व्यावहारिक अनुप्रयोग: यह विविध प्रकार के दस्तावेज़ों (कानूनी अनुबंध, कलात्मक टाइपोग्राफी, हस्तलिखित नोट्स) के लिए उपयुक्त है जहाँ सामग्री को बदला नहीं जा सकता (भाषाई विधियों को खारिज करता है) और प्री-ट्रेनिंग अव्यवहारिक है।
सुरक्षा: यह दस्तावेज़ के प्रिंट, स्कैन या फोटो खींचे जाने के बाद भी कॉपीराइट सुरक्षा और लीकेज एट्रिब्यूशन के लिए एक विश्वसनीय तंत्र प्रदान करता है।
तकनीकी नवाचार: इसने सफलतापूर्वक इमेज एडिटिंग (जिसका उपयोग आमतौर पर डिफ्यूजन मॉडल्स में किया जाता है) को टेक्स्ट में मजबूत डेटा छिपाने के विशिष्ट, नियंत्रित कार्य के लिए अनुकूलित किया है, जिसमें स्थिरता और गोपनीयता सुनिश्चित करने के लिए नवीन तंत्र (MPE, TPE, MRR) शामिल हैं।

निष्कर्षतः, TRACE दस्तावेज़ वॉटरमार्किंग के लिए एक एकीकृत, मजबूत और अदृश्य समाधान प्रदान करता है जो डिजिटल और भौतिक दस्तावेज़ सुरक्षा के बीच की खाई को पाटता है।