कल्पना कीजिए कि आप एक भीड़भाड़ वाले कमरे में एक गुप्त नोट छिपाने की कोशिश कर रहे हैं। यदि कमरा एक रंगीन कला दीर्घा (आर्ट गैलरी) है जो पेंटिंग्स, मूर्तियों और टिमटिमाती रोशनी से भरा है, तो एक मूर्ति के नीचे नोट रखना या किसी कैनवास पर उसे चिपकाना आसान है; कमरे का शोर आपके रहस्य को पूरी तरह से निगल लेता है। सामान्य फोटो पर अधिकांश "स्टेग्नोग्राफी" (सूचना छिपाने की कला) इसी तरह काम करती है। लेकिन अब, कल्पना कीजिए कि वही कमरा एक निर्मल, सफेद पुस्तकालय है जिसमें केवल सफेद कागज पर काली स्याही की समान पंक्तियाँ हैं। वहाँ मूर्तियों के पीछे छिपने के लिए कुछ नहीं है, न ही आँखों को भ्रमित करने वाली रंगीन पेंटिंग्स हैं। इस शांत, एकसमान स्थान में, यहाँ तक कि एक छोटा सा निशान भी एक बड़ी, चीखती हुई गलती जैसा दिखता है। यही दस्तावेज़ छवियों (document images) में गुप्त कोड छिपाने की चुनौती है। जहाँ सामान्य तस्वीरें अव्यवस्थित और उदार होती हैं, वहीं दस्तावेज़ साफ-सुथरे और सख्त होते हैं, जिससे टेक्स्ट के स्वरूप को बिगाड़े बिना या छिपे हुए संदेश को बाद में पढ़ना असंभव बनाए बिना गुप्त कोड को समाहित करना अविश्वसनीय रूप से कठिन हो जाता है।

वैज्ञानिक इसे हल करने के लिए कंप्यूटर को बेहतर तरीके से घुलने-मिलने के लिए प्रशिक्षित करने की कोशिश कर रहे हैं। पिछले तरीकों ने टेक्स्ट के भीतर चतुराई दिखाने की कोशिश की, लेकिन वे सबसे महत्वपूर्ण सुराग को पकड़ने में चूक गए: किनारे (edges)। किनारे को एक अक्षर के मिलन बिंदु और सफेद पन्ने के बीच की तीखी रूपरेखा के रूप में सोचें। इस नए अध्ययन के पीछे के शोधकर्ताओं ने, जिसे EGDIS कहा गया है, महसूस किया कि यदि आप किसी दस्तावेज़ में रहस्य छिपाना चाहते हैं, तो आपको पूरे पन्ने को नहीं देखना चाहिए; बल्कि आपको अक्षरों के तीखे, टेढ़े-मेढ़े किनारों पर ध्यान केंद्रित करना चाहिए। उन्होंने एक ऐसा सिस्टम बनाया है जो एक मास्टर जालसाज (forger) की तरह काम करता है जिसे पता है कि गुप्त नोट को ठीक कहाँ रखा जाए ताकि वह अक्षर की रूपरेखा का हिस्सा लगे।

पेपर का मुख्य विचार: द एज डिटेक्टिव (किनारों का जासूस)

लेखकों की टीम, जो झोंगयुआन यूनिवर्सिटी ऑफ टेक्नोलॉजी से है, एक नई विधि प्रस्तावित करती है जिसे EGDIS (एज-गाइडेड डॉक्यूमेंट इमेज स्टेग्नोग्राफी) कहा जाता है। उनका मुख्य निष्कर्ष यह है कि कंप्यूटर को "किनारों" पर ध्यान देने के लिए स्पष्ट रूप से सिखाकर, वे पहले की तुलना में बहुत अधिक प्रभावी ढंग से गुप्त संदेश छिपा सकते हैं। उनका तर्क है कि पिछले तरीके पूरे ढेर को देखने के बजाय सुई को घास के ढेर में खोजने जैसे थे, जबकि उनकी विधि विशेष रूप से सुइयों के तीखे बिंदुओं (किनारों) को ढूंढने के लिए देखती है ताकि छिपाने की सही जगह मिल सके।

यहाँ उनका "एज डिटेक्टिव" कैसे काम करता है, इसे एक सरल कहानी में विभाजित किया गया है:

1. आउटलाइन मैप (एज एक्सट्रैक्शन)
सबसे पहले, सिस्टम एक सामान्य दस्तावेज़ छवि लेता है और उसे एक विशेष "एडेप्टिव कैनि एल्गोरिदम" (Adaptive Canny algorithm) से गुजारता है। इसे एक जादुई स्कैनर के रूप में समझें जो सफेद कागज और ग्रे शेडिंग को अनदेखा कर देता है, और इसके बजाय हर एक अक्षर का एक चमकता हुआ, नियॉन मैप बनाता है। यह मैप दिखाता है कि सटीक किनारे कहाँ हैं। शोधकर्ताओं ने पाया कि ये किनारे रहस्य छिपाने के लिए सबसे अच्छी जगहें हैं क्योंकि वे पहले से ही व्यस्त और जटिल हैं, इसलिए वहां थोड़ा अतिरिक्त डेटा जोड़ने से मानवीय आंखों को कुछ भी संदिग्ध नहीं लगता।

2. स्मार्ट मिक्सर (क्रॉस-अटेंशन फ्यूजन)
इसके बाद, सिस्टम के पास तीन सामग्रियां हैं जिन्हें मिलाया जाना है: मूल दस्तावेज़, नियॉन एज मैप, और गुप्त संदेश (जो कि केवल 1 और 0 की एक स्ट्रिंग है)। उन्हें बस आपस में मिलाने के बजाय, वे एक ट्रांसफॉर्मर-आधारित क्रॉस-अटेंशन फ्यूजन नेटवर्क (CAFN) का उपयोग करते हैं। आप इसे एक सुपर-स्मार्ट शेफ के रूप में देख सकते हैं जो जानता है कि प्रत्येक सामग्री का कितना उपयोग करना है।

• शेफ गुप्त संदेश को देखता है और पूछता है, "यह हिस्सा कहाँ सबसे अच्छा फिट बैठता है?"
• शेफ एज मैप को देखता है और कहता है, "आह, यह किनारा संदेश के इस हिस्से को छिपाने के लिए एकदम सही है।"
• शेफ मूल टेक्स्ट को देखता है और सुनिश्चित करता है कि अंतिम व्यंजन मूल दस्तावेज़ जैसा ही स्वाद दे।
  यह "क्रॉस-अटेंशन" सिस्टम को गतिशील रूप से सही स्थानों पर ध्यान केंद्रित करने की अनुमति देता है, जिससे यह सुनिश्चित होता है कि गुप्त संदेश को अक्षर की रूपरेखा में इतनी मजबूती से बुना गया है कि वह टेक्स्ट का ही एक हिस्सा बन जाता है।

3. रिकवरी (द डिकोडर)
अंत में, जब कोई गुप्त संदेश पढ़ना चाहता है, तो वे एक विशेष डिकोडर का उपयोग करते हैं। चूंकि सिस्टम बहुत सावधानी से संदेश को छिपाता था, इसलिए डिकोडर संदेश को निकाल सकता है भले ही छवि थोड़ी गंदी या क्षतिग्रस्त हो जाए (जैसे कि यदि कोई कोने को काट देता है या छवि को छोटा कर देता है)। सिस्टम एक "पैरामीटर-शेयरिंग" ट्रिक का उपयोग करता है, जिसका अर्थ है कि डिकोडर अनिवार्य रूप से एनकोडर का दर्पण प्रतिबिंब है, जो इसे याद रखने में मदद करता है कि रहस्य को ठीक कैसे छिपाया गया था।

उन्होंने क्या पाया (परिणाम)

टीम ने अपने नए तरीके का परीक्षण दस्तावेजों के दो बड़े संग्रहों पर किया: एक चीनी टेक्स्ट (DocImgCN) के साथ और एक अंग्रेजी टेक्स्ट (DocImgEN) के साथ। उन्होंने EGDIS की तुलना अन्य शीर्ष विधियों से की, जिनमें से कुछ सामान्य फोटो के लिए और कुछ दस्तावेज़ों के लिए डिज़ाइन की गई थीं।

परिणाम काफी स्पष्ट थे:

• बेहतर छिपाना: EGDIS ने चीनी दस्तावेजों पर 40.12 dB का PSNR (एक स्कोर जो बताता है कि छवि मूल के कितने करीब है) और अंग्रेजी दस्तावेजों पर 39.83 dB प्राप्त किया। इमेज क्वालिटी की दुनिया में, उच्च स्कोर बेहतर होता है, और ये स्कोर पिछले सर्वश्रेष्ठ तरीकों (जैसे DAMS, जिसका स्कोर लगभग 38.89 dB था) को पीछे छोड़ देते हैं।
• बेहतर पढ़ना: सिस्टम पूरी तरह से साफ होने पर चीनी दस्तावेजों पर 95.1% सटीकता और अंग्रेजी दस्तावेजों पर 88.30% सटीकता के साथ छिपे हुए संदेश को पुनः प्राप्त कर सका।
• मजबूती (Robustness): जब उन्होंने छवियों को क्रॉप करने, आकार बदलने या कंप्रेस करने (जैसे JPEG के रूप में सहेजना) के माध्यम से उन पर हमला किया, तब भी EGDIS ने प्रतिस्पर्धा की तुलना में संदेश को बेहतर ढंग से रिकवर किया। उदाहरण के लिए, चीनी डेटासेट पर, इसने छवि को 30% क्रॉप करने के बाद भी 99.80% सटीकता बनाए रखी।

उन्होंने क्या नहीं किया (और वे किसके विरुद्ध तर्क देते हैं)

यह ध्यान देना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं कर रहा है। लेखक स्पष्ट रूप से इस विचार के विरुद्ध तर्क देते हैं कि आप सामान्य फोटो (जैसे परिदृश्य या चेहरे) के लिए उन्हीं ट्रिक्स का उपयोग कर सकते हैं और उम्मीद कर सकते हैं कि वे दस्तावेज़ों पर भी काम करेंगे। उन्होंने दिखाया कि प्राकृतिक छवियों (जैसे HiDDeN या MBRS) के लिए डिज़ाइन किए गए तरीके दस्तावेज़ों पर खराब प्रदर्शन करते हैं, जो अक्सर 70% से कम सटीकता स्तर तक गिर जाते हैं या टेक्स्ट की दृश्य गुणवत्ता को बिगाड़ देते हैं।

उन्होंने यह भी दावा नहीं किया कि उन्होंने हर समस्या को हल कर दिया है। उनकी विधि विशेष रूप से टेक्स्ट वाले दस्तावेज़ चित्रों के लिए है। उन्होंने उलझे हुए स्क्रिबल्स वाले हस्तलिखित नोट्स या जटिल ग्राफिक्स वाली छवियों पर इसका परीक्षण नहीं किया। इसके अलावा, हालांकि उन्होंने दिखाया कि उनका तरीका कंप्यूटर सिमुलेशन और मानक डिजिटल हमलों (जैसे JPEG कंप्रेशन) के खिलाफ अच्छा काम करता है, उन्होंने यह दावा नहीं किया कि यह मानव जासूसों या उन्नत फोरेंसिक उपकरणों द्वारा अभेद्य है।

निचोड़

सरल शब्दों में, EGDIS पेपर सुझाव देता है कि यदि आप किसी दस्तावेज़ में रहस्य छिपाना चाहते हैं, तो आपको इसे "शोर" (noise) में छिपाने की कोशिश नहीं करनी चाहिए (क्योंकि दस्तावेज़ों में बहुत कम शोर होता है)। इसके बजाय, आपको इसे "संरचना" में छिपाना चाहिए—विशेष रूप से, अक्षरों के तीखे किनारों में। एक स्मार्ट, अटेंशन-आधारित सिस्टम का उपयोग करके जो एज मैप को एक गाइड के रूप में उपयोग करता है, वे एक ऐसा तरीका बनाने में सफल रहे जो पिछले प्रयासों की तुलना में खोजने में कठिन और पढ़ने में आसान दोनों है। लेखकों ने हजारों छवियों पर कठोर परीक्षण के माध्यम से इस सफलता को मापा है, यह दिखाते हुए कि उनका "एज-गाइडेड" दृष्टिकोण विशेष रूप से इस कार्य के लिए वर्तमान में 'स्टेट-ऑफ-द-आर्ट' है।