影像完整性

除了秘密傳輸影像之外，確保影像是否完整(Integrity)也是個重要的課題，若 影像遭到竄改，我們將很難知道收到的資訊是否為原始的版本，在資訊仿冒、盜 版或破解他人作品並冠以自己的名義而宣稱為自己創作等等諸如此類非法的行 為猖獗的時代裡，保護好自己的創作心血除了數位浮水印的使用與對資訊本身加 密之外，保證資訊本身的完整性也是不可或缺的要素，常見的方式為在影像或是 資訊上計算一個雜湊值(Hash Value)，再以第三者不可得知的管道(如：數位浮水 印)傳送給對方，由於雜湊函數(Hash Function)為一不可逆的函數，且函數值為唯 一值，故當資訊接收者收到資訊時，便可以取出雜湊值，還原資訊本身的內容之 後再次計算該值，若結果相等則可以確保其完整性，本節針對完整性近年來的文 獻做一探討。

18

2012 年，學者 Vasu 等人提出一完整的影像完整性認證方式[28]，文中提及 雖然強健(Robust)且安全的影像雜湊方法已經存在，但是能正確區分影像是否為 可接受性的(Acceptable)還是具有惡意性的(Malicious)仍在研究階段。他們透過 FJLT 轉換(Fast Johnson Lindestrauss Transform)[29]計算出影像的雜湊值 120 bits，

再將影像透過 DCT 轉換(Discrete Cosine Transform)為頻率域把雜湊值藏進係數 中，最後執行DCT 的反轉換即得到輸出影像。他們認為 FJLT 轉換為在可參考的 文獻中是最佳的雜湊演算法，雜湊值的強健性可以抵抗許多常用的影像處理技術，

例如：JPEG 壓縮、直方圖等化、濾波器操作等等，因為這樣的性質，故選擇 FJLT 作為雜湊值產生的演算法。透過 DCT 把影像像素值轉換為頻率域係數值再進行 處理已有許多參考的文獻，他們採用Gindy 等學者的方法[30]，將影像以 8×8 為 一區塊計算DCT 係數，而後再把資訊藏在低頻區，其不可視(Invisible)的效果十 分自然。

學者Singh 等人於 2015 提出以數位簽章(Digital Signature)的認證方式應用在 有損式(Lossy)的影像壓縮技術上，達成影像完整性的認證技術[31]，數位簽章於

19

圖 11 8×8 區塊分割示意圖

圖 12 平均值陣列示意圖

再 來 根 據 每 一 列 與 每 一 行 以 異 或 運 算 子 計 算 該 列 與 該 行 的 校 驗 值 (Checksum)，32 個行校驗值與 32 個列校驗值，如圖 13 所示，最後將行與列的校 驗值再計算一次異或運算，得到長度為 32 的陣列，將陣列中的每一個值轉換為 ASCII 字元並串接再一起即為認證值，傳送給對方時除了加密影像之外，也送出 這個認證值，對方即可通過解密後一樣的運算得知影像是否完整。

20

圖 13 計算行與列的校驗值

2016 年 Shena 等學者透過 DWT 轉換將影像由空間域轉換至小波域[32]，由 於低頻區擁有與原圖最接近的視覺效果，他們以Second-order 的方式挑選低頻區 (LL)上的係數產生雜湊值，再透過混沌理論轉換雜湊值為浮水印序列，然後嵌入 在高頻區(HH)。與一般的簽章值有所不同，他們並非以非對稱式加密系統的公私 鑰概念對驗證資訊簽名，而是使用對稱式加密系統產生簽章，雖然速度上會比非 對稱式金鑰系統更快，但是這使得簽章值只提供了完整性，缺乏不可否認性的特 性。Shena 等學者的方法在嵌入訊息後，與原圖相比仍有十分良好的品質，根據 實驗結果指出，該方法有74.2%的比對精確度。

21