Robust Video Steganography Against Recompression and Arbitrary Cropping via Dual-Layer PN Synchronization
यह शोध पत्र एक सुदृढ़ वीडियो स्टेग्नोग्राफी पद्धति का प्रस्ताव करता है जो पुनर्संरचना (recompression) और मनमाने ढंग से क्रॉपिंग (arbitrary cropping) के अधीन वीडियो से गुप्त डेटा को प्रभावी ढंग से पुनर्प्राप्त करने के लिए DWT-SVD डोमेन में MEC-AQIM एम्बेडिंग को एक दोहरी-परत छद्म-शोर सिंक्रोनाइज़ेशन तंत्र (dual-layer pseudo-noise synchronization mechanism) के साथ जोड़ता है।
मूल पेपर CC BY 4.0 (https://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 इंटरनेट एक विशाल, हलचल भरे डिजिटल बाज़ार की तरह है जहाँ लोग लगातार वीडियो साझा करते हैं। लेकिन यहाँ एक पेंच है: हर बार जब किसी सोशल मीडिया साइट पर वीडियो अपलोड किया जाता है, तो वह प्लेटफॉर्म एक सख्त संपादक (editor) की तरह काम करता है। वह जगह बचाने के लिए फ़ाइल को सिकोड़ देता है (recompression) और अक्सर अलग-अलग स्क्रीन आकारों में फिट होने के लिए उसके किनारों को काट देता है (cropping)। दशकों से, जासूसों और गुप्त एजेंटों ने इन वीडियो के भीतर छोटे संदेश छिपाने की कोशिश की है, जिसे "स्टेगनोग्राफी" (steganography) कहा जाता है। यह एक सैंडविच के अंदर नोट छिपाने जैसा है। यदि आप केवल सैंडविच को सिकोड़ते हैं (recompression), तो नोट दबकर अपठनीय हो सकता है। लेकिन यदि कोई क्रस्ट और कोनों को काट देता है (cropping), तो नोट पूरी तरह से किसी अलग स्थान पर जा सकता है, या देखने वाले को पता भी नहीं चलेगा कि सैंडविच कहाँ से शुरू हुआ था। वैज्ञानिकों के लिए बड़ी चुनौती यह है: आप संदेश को इतनी अच्छी तरह कैसे छिपाएं कि वह 'सिकुड़ने' और 'कटने' दोनों से बच सके, और यदि "सैंडविच" को काट दिया गया और फिर से व्यवस्थित किया गया है, तो आप उसे वापस कैसे ढूंढ सकते हैं?
यह शोध पत्र ठीक इसी पहेली को सुलझाता है। लेखकों ने, जो PAP के इंजीनियरिंग यूनिवर्सिटी के शोधकर्ता हैं, सोशल मीडिया की अराजक यात्रा में जीवित रहने वाले वीडियो में गुप्त संदेश छिपाने के लिए एक चतुर नया सिस्टम प्रस्तावित किया है। वे अपने तरीके को "डुअल-लेयर पीएन सिंक्रोनाइजेशन वाया ड्यूल-लेयर पीएन सिंक्रोनाइजेशन अगेंस्ट रीकंप्रेशन एंड एर्बिट्ररी क्रॉपिंग" कहते हैं। सरल शब्दों में, उन्होंने सुरक्षा का एक दो-स्तरीय जाल बनाया है। पहले, वे वीडियो के रंग डेटा के एक बहुत ही स्थिर हिस्से में गुप्त संदेश छिपाते हैं, जिसमें वीडियो के प्राकृतिक टेक्सचर (texture) के अनुकूल होने वाली एक स्मार्ट तकनीक का उपयोग किया जाता है ताकि वह संदिग्ध न लगे। दूसरा, और असली जादू, वे वीडियो की ब्राइटनेस लेयर में दो अदृश्य "जीपीएस सिग्नल" (GPS signals) डालते हैं। एक सिग्नल एक दोहराता हुआ पैटर्न है जो सूक्ष्म बदलावों को मापने के लिए एक पैमाने (रूलर) की तरह काम करता है, और दूसरा एक अद्वितीय, गैर-दोहराने वाला नक्शा है जो रिसीवर को सटीक रूप से बताता है कि वीडियो के कितने पूरे हिस्से काट दिए गए हैं। जब वीडियो अपने गंतव्य पर पहुँचता है, तो रिसीवर इन जीपीएस संकेतों का उपयोग यह पता लगाने के लिए करता है कि वीडियो को कहाँ से काटा गया है, छिपे हुए संदेश को पुन: संरेखित (realign) करता है, और उसे पूरी तरह से पढ़ लेता है, भले ही वीडियो को बहुत अधिक कंप्रेस या स्लाइस किया गया हो।
गुप्त सैंडविच और खिसकता हुआ ग्रिड
इसे समझने के लिए, आइए कल्पना करें कि एक वीडियो केवल एक चलता-फिरता चित्र नहीं है, बल्कि छोटे-छोटे वर्गाकार टाइल्स से बना एक विशाल मोज़ेक (mosaic) है। जब आप टिकटॉक या यूट्यूब जैसी साइट पर वीडियो अपलोड करते हैं, तो साइट अक्सर फोन की स्क्रीन पर फिट होने के लिए किनारों को काट देती है। इसे "क्रॉपिंग" (cropping) कहते हैं। यदि आप मोज़ेक को काटते हैं, तो टाइल्स केवल गायब नहीं होतीं; पूरा ग्रिड खिसक जाता है। यदि संदेश पढ़ने वाला व्यक्ति यह नहीं जानता कि नया ऊपरी-बायां कोना कहाँ है, तो वह गलत टाइल्स को देख रहा होगा, और संदेश अर्थहीन लगेगा।
शोधकर्ताओं ने महसूस किया कि मौजूदा तरीके "सिकुड़ने" (recompression) में तो अच्छे थे लेकिन "काटने" (cropping) को संभालने में बहुत खराब थे। उन्हें रिसीवर को यह बताने का एक तरीका चाहिए था, "हे, वीडियो को बाईं ओर से 30 पिक्सेल और ऊपर से 10 पिक्सेल काटा गया है!" लेकिन आप यह बताने के लिए टेक्स्ट मैसेज नहीं भेज सकते; संदेश को वीडियो के अंदर ही छिपा होना चाहिए।
दो-परत वाला जीपीएस सिस्टम
लेखकों का समाधान एक "डुअल-लेयर पीएन सिंक्रोनाइजेशन" (Dual-Layer PN Synchronization) सिस्टम है। "पीएन" (PN) का अर्थ है "स्यूडो-नॉइज़" (Pseudo-Noise), जो बस एक फैंसी तरीका है यह कहने का कि "एक ऐसा पैटर्न जो रैंडम दिखता है लेकिन वास्तव में एक गुप्त रेसिपी द्वारा बनाया गया है।" इन पैटर्न्स को वीडियो के ब्राइटनेस टाइल्स पर छपे अदृश्य स्याही के स्टैम्प की तरह समझें।
लेयर 1: सूक्ष्म पैमाना (द पिरियोडिक टेम्पलेट)
कल्पना कीजिए कि वीडियो एक विशाल चेकरबोर्ड है। उनके जीपीएस की पहली लेयर वीडियो के ब्राइटनेस टाइल्स पर छपा एक छोटा, दोहराता हुआ 16x16 का पैटर्न है। क्योंकि यह दोहराता है, यह एक पैमाने की तरह है जिसमें बार-बार निशान होते हैं। यदि वीडियो को कुछ पिक्सेल (पूरे वर्ग के बजाय) काट दिया जाता है, तो यह पैमाना रिसीवर को यह समझने में मदद करता है कि ग्रिड ने वास्तव में कितने पिक्सेल का खिसकाव किया है। यह एक बाड़ (fence post) को देखने जैसा है और यह महसूस करना कि, "ओह, पोस्ट जहाँ होनी चाहिए थी उससे 5 इंच बाईं ओर है।" यह "इंट्रा-ब्लॉक फेज ऑफसेट" (intra-block phase offset), या एक एकल टाइल के भीतर सूक्ष्म मिसअलाइनमेंट को ठीक करता है।
लेयर 2: अद्वितीय नक्शा (द एपीरियॉडिक टेम्पलेट)
दूसरी लेयर एक अद्वितीय, गैर-दोहराने वाला पैटर्न है जो पूरे वीडियो में फैला हुआ है। यह एक नक्शे की तरह है जिसमें हर एक वर्ग में एक विशिष्ट लैंडमार्क है। एक बार जब रिसीवर "सूक्ष्म पैमाने" का उपयोग करके सूक्ष्म बदलावों को ठीक कर लेता है, तो वह इस "अद्वितीय नक्शे" को देखता है कि कितने पूरे टाइल्स काट दिए गए हैं। यदि वीडियो के पहले तीन टाइल रो गायब हैं, तो यह नक्शा उन्हें बताएगा, "आपके पास तीन पूरे ब्लॉक गायब हैं।"
"सूक्ष्म पैमाने" और "अद्वितीय नक्शे" को मिलाकर, रिसीवर सटीक कुल बदलाव की गणना कर सकता है। वे फिर कह सकते हैं, "ठीक है, वीडियो को बाईं ओर 38 पिक्सल्स और ऊपर 46 पिक्सल्स से काटा गया है," और वे मूल छिपे हुए स्थान से मेल खाने के लिए ग्रिड को फिर से बना सकते हैं।
संदेश छिपाना: स्मार्ट सैंडविच
एक बार ग्रिड पुन: संरेखित हो जाने के बाद, रिसीवर अंततः गुप्त संदेश को देख सकता है। लेखकों ने संदेश को कहीं भी नहीं छिपाया; उन्होंने एक विशिष्ट "रुचि का क्षेत्र" (Region of Interest - ROI) चुना—आमतौर पर व्यक्ति का चेहरा। क्यों? क्योंकि चेहरों को ट्रैक करना आसान है। सिस्टम AI (विशेष रूप से YOLO नामक टूल) का उपयोग करता है ताकि चेहरों को खोजा जा सके और उनके हिलने-डुलने का पीछा किया जा सके।
गुप्त संदेश वीडियो के "U" कलर चैनल (जो नीले-पीले रंगों को नियंत्रित करता है) के भीतर छिपाया जाता है, जिसमें MEC-AQIM तकनीक का उपयोग किया जाता है। यह एक स्मार्ट बेकर की तरह है जो यह तय करता है कि आटा कितना दबाना है, इस आधार पर कि आटा पहले से कितना नरम है। यदि वीडियो का कोई हिस्सा बहुत विस्तृत और जटिल है, तो सिस्टम संदेश को इस तरह से दबाता है कि वह दिखाई न दे। यदि कोई हिस्सा चिकना (smooth) है, तो वह इसे अलग तरह से दबाता है। यह सुनिश्चित करता है कि संदेश रीकंप्रेशन के "सिकुड़ने" से बच जाए बिना वीडियो को अजीब दिखाए।
परीक्षणों ने क्या दिखाया
शोधकर्ताओं ने 20 अलग-अलग वीडियो पर अपने सिस्टम का परीक्षण किया, जिन्हें 720p और 1080p (मानक हाई-डेफिनिशन आकार) में रीसाइज किया गया। फिर उन्होंने इन वीडियो को विभिन्न हमलों के दौर से गुजारा:
- रीकंप्रेशन (Recompression): उन्होंने H.264, H.265 और VP9 जैसे सामान्य फॉर्मेट का उपयोग करके वीडियो को अलग-अलग गुणवत्ता स्तरों पर री-एनकोड किया।
- क्रॉपिंग (Cropping): उन्होंने वीडियो के किनारों को यादृच्छिक मात्रा में काटा, छोटे बदलावों (जैसे 6 पिक्सेल) से लेकर बड़े बदलावों (जैसे 94 पिक्ससेल) तक।
परिणाम प्रभावशाली थे। जब उन्होंने "डुअल-लेयर जीपीएस" का अकेले परीक्षण किया, तो इसने 720p और 1080p वीडियो के लिए 93.5% से 97.0% मामलों में सटीक क्रॉपिंग ऑफसेट को सफलतापूर्वक पहचाना। इसका मतलब है कि लगभग हर बार, रिसीवर को पता था कि कहाँ देखना है।
जब उन्होंने संदेश छिपाने के साथ जीपीएस को जोड़ा, तो सिस्टम ने अधिकांश मामलों में पूर्ण गुप्त संदेश को सफलतापूर्वक प्राप्त कर लिया, यहाँ तक कि वीडियो के कंप्रेस और क्रॉप होने के बाद भी। उदाहरण के लिए, मध्यम कंप्रेशन के तहत 1080p वीडियो में, उन्होंने भारी मात्रा में काटने के बावजूद 20 में से 19 संदेशों को सफलतापूर्वक प्राप्त किया।
हालाँकि, शोध पत्र अपनी सीमाओं के बारे में ईमानदार है। यदि वीडियो को बहुत अधिक कंप्रेस किया जाता है (जैसे बहुत कम गुणवत्ता वाली सेटिंग), तो गुप्त संदेश इतना क्षतिग्रस्त हो जाता है कि उसे ठीक नहीं किया जा सकता, भले ही जीपीएस पूरी तरह से काम कर रहा हो। इसके अलावा, यदि क्रॉपिंग इतनी अत्यधिक है कि वह चेहरे (वह क्षेत्र जहाँ संदेश छिपा है) को ही काट देती है, तो सिस्टम संदेश को पुनः प्राप्त नहीं कर सकता क्योंकि "सैंडविच" ही खत्म हो गया है। यह सिस्टम 720p या उससे ऊपर के वीडियो पर सबसे अच्छा काम करता है; 480p जैसे कम रिज़ॉल्यूशन पर, दोहराता हुआ पैटर्न विश्वसनीय रूप से काम करने के लिए पर्याप्त रूप से फिट नहीं बैठता है।
यह क्यों महत्वपूर्ण है
यह शोध यह दावा नहीं करता है कि इसने गुप्त संचार की हर समस्या को हल कर दिया है। यह उन वीडियो पर काम नहीं करता जिन्हें घुमाया (rotate) या पलटा (flip) गया हो, और यह स्वीकार करता है कि उन्नत कंप्यूटर प्रोग्रामों द्वारा वीडियो के कंप्रेस होने से पहले छिपे हुए संदेशों का पता लगाया जा सकता है। लेकिन, यह एक बहुत ही विशिष्ट, वास्तविक दुनिया की समस्या को हल करता है: एक गुप्त संदेश को तब जीवित कैसे रखा जाए जब वीडियो के साथ एक ऐसे कागज की तरह व्यवहार किया जाता है जिसकी फोटोकॉपी की गई हो, जिसे छाँटा गया हो और जिसका आकार बदला गया हो।
इन दो अदृश्य जीपीएस संकेतों का उपयोग करके, लेखकों ने दिखाया कि आप एक ऐसा स्टेगनोग्राफी सिस्टम बना सकते हैं जो सोशल मीडिया की अव्यवस्थित वास्तविकता में जीवित रहने के लिए पर्याप्त मजबूत है। यह एक याद दिलाता है कि डिजिटल दुनिया में, कभी-कभी किसी चीज़ को छिपाने का सबसे अच्छा तरीका एक ऐसा नक्शा बनाना है जो आपको बताता है कि वह कहाँ समाप्त हुआ, भले ही दुनिया ने उसे फाड़ने की पूरी कोशिश की हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।