Nhúng văn bản tiếng Việt trong dữ liệu audio dựa vào đặc điểm của chữ viết tiếng Việt

Vũ Văn Tâm và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 122(08): 53 - 58<br /> <br /> NHÚNG VĂN BẢN TIẾNG VIỆT TRONG DỮ LIỆU AUDIO<br /> DỰA VÀO ĐẶC ĐIỂM CỦA CHỮ VIẾT TIẾNG VIỆT<br /> Vũ Văn Tâm1*, Phan Trọng Hanh2<br /> 1Đại<br /> <br /> học Kỹ thuật – Hậu cần CAND (Bộ Công an),<br /> 2Học viện Kỹ thuật Quân sự (Bộ Quốc phòng)<br /> <br /> TÓM TẮT<br /> Các bài toán nhúng văn bản tiếng Việt trong dữ liệu audio đều phải giải quyết hai vấn đề liên quan,<br /> đó là tăng hiệu quả nhúng và bảo mật nội dung tin nhúng. Chúng tôi giải quyết bài toán này bằng<br /> cách phân tích đặc điểm của chữ viết tiếng Việt; từ đó xây dựng khóa mã, dùng để mã hóa và nén<br /> văn bản tiếng Việt trước khi thực hiện nhúng. Kết quả thử nghiệm với các văn bản tiếng Việt<br /> thông dụng, cho thấy số bit tin cần nhúng giảm đáng kể so với phương pháp nhúng thông thường;<br /> đồng thời nội dung văn bản nhúng được bảo mật.<br /> Từ khóa: Nhúng văn bản; nhúng dữ liệu; mã hóa văn bản; nén văn bản; nhúng audio<br /> <br /> ĐẶT VẤN ĐỀ*<br /> Nhúng văn bản tiếng Việt trong dữ liệu audio<br /> là một trong những bài toán cơ bản nhất của<br /> kỹ thuật giấu tín hiệu trong dữ liệu số. Hiện<br /> nay, đã có nhiều phương pháp tiếp cận khác<br /> nhau như: Phương pháp nhúng LSB (Least<br /> Significant Bit) [2], [4], [5]; Mã hóa Parity<br /> (Parity Coding) [2], [4]; Mã hóa Phase (Phase<br /> Coding) [2], [5]; Ứng dụng kỹ thuật trải phổ<br /> [1], [2]; Kỹ thuật mã hóa echo [2], [6]. Các<br /> phương pháp nêu trên tập trung chủ yếu vào<br /> xây dựng thuật toán nhúng tin nhằm bảo đảm<br /> tin nhúng được ổn định.<br /> Việc kết hợp giữa nhúng tin với nén và mã<br /> hóa tin có thể sẽ tăng được hiệu quả nhúng và<br /> bảo mật được tin cần nhúng. Trên cơ sở<br /> nghiên cứu về đặc điểm của chữ viết tiếng<br /> Việt, từ đó xây dựng các khóa mã dùng để<br /> nén và mã hóa chữ viết tiếng Việt trước khi<br /> thực hiện nhúng vào dữ liệu audio.<br /> Với cách tiếp cận như trên, bài báo được trình<br /> bày theo thứ tự sau: Đặc điểm chữ viết tiếng<br /> Việt; Xây dựng mô hình; Xây dựng các thuật<br /> toán; Thử nghiệm và đánh giá và cuối cùng là<br /> phần kết luận.<br /> ĐẶC ĐIỂM CHỮ VIẾT TIẾNG VIỆT<br /> Bộ chữ viết tiếng Việt được chia làm 2 loại:<br /> Chữ số (từ 0 đến 9), là loại không có dấu,<br /> *<br /> <br /> Tel: 0168975888;, Email: tamt36bca@gmail.com<br /> <br /> chúng có thể kết hợp với nhau để tạo thành các<br /> giá trị số lớn hơn; Chữ cái bao gồm 3 thành<br /> phần chính, đó là: Thành phần phụ âm (b c t v<br /> d s w x đ g r f z y j h q p n m l k tr qu ch th kh<br /> nh gi ng ngh gh ph); Thành phần nguyên âm (a<br /> ă â an ăn ân am ăm âm au âu ai ao ac ăc âc at<br /> ăt ât ach anh ang ăng âng ap ăp âp ay ây o ô ơ<br /> on ôn ơn om ôm ơm oc ôc owc ot ôt ơt op ôp<br /> ơp oat oăt oen oam oan oăn oanh oap oăc oa<br /> oet oac oai oi ôi ơi oe oach ông ôc oang ong<br /> ông oay u ư ut ưt uc ưc ươn uây ua ưa uyêt<br /> uêch uênh ương uông um ưm un ưn ưng uya<br /> ươm uôm uen uôn uyên uyt ươn ui ưi ươu e ê<br /> en ên em êm et êt ep êp ec êc êu eo eng êng<br /> ênh êch i it in im ip iu ia inh ing iêng iêp iêc iêt<br /> iên iêm iêu ich yêt yêu yên ; / . = ? % ~ ! @ # $<br /> ^ & * ( ) - + “ | \ [ ] { }) và thành phần dấu<br /> (không dấu, nặng, huyền, sắc, hỏi và ngã).<br /> Nếu coi chữ số là phụ âm thì tổng số phụ âm<br /> là 10 + 33 = 43, tổng số nguyên âm là 185 và<br /> tổng số dấu là 6. Do vậy, số phụ âm, nguyên<br /> âm và dấu là hữu hạn và chúng ta hoàn toàn<br /> có thể biết trước.<br /> Với phương pháp nhúng văn bản tiếng Việt<br /> thông thường, mỗi ký tự sẽ được mã hóa<br /> thành 8 bit, ví dụ chữ “Nguyễn” gồm 6 ký tự<br /> sẽ được mã hóa thành 6 8 48 [bit]. Nếu<br /> chúng ta thực hiện tách riêng phụ âm, nguyên<br /> âm và dấu; sau đó mã hóa thì số bit sẽ là: Phụ<br /> âm “Ng” = a [bit], nguyên âm “uyên” =<br /> b [bit] và dấu “ ” = c [bit], khi đó tổng số<br /> 53<br /> <br /> Vũ Văn Tâm và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> bit sẽ là d a b c [bit]. Nếu d 48 thì số<br /> bit giảm được so với trường hợp nhúng thông<br /> thường là 48 d e [bit]. Ngoài ra, với việc<br /> mã hóa như trên thì nội dung văn bản cần<br /> nhúng đã được bảo mật (bên nhận phải có các<br /> tham số của bộ mã mới giải mã được nội<br /> dung tín hiệu nhúng).<br /> <br /> 122(08): 53 - 58<br /> <br /> lưu khóa mã dưới dạng file text có tên là<br /> phu_am.txt (Hình 2b).<br /> + Thuật toán mã hóa: β là phụ âm cần mã<br /> hóa, £[i] là các thành phần của file<br /> phu_am.txt, µ là 6 bít sau khi mã hóa.<br /> <br /> XÂY DỰNG MÔ HÌNH<br /> Sơ đồ mô hình<br /> <br /> Text<br /> <br /> Giải mã<br /> phụ âm Text<br /> <br /> Mã hóa<br /> phụ âm<br /> <br /> (a) Ma trận khóa mã phần phụ âm<br /> <br /> (b) Cấu trúc file<br /> Tách Khóa<br /> chữ mã<br /> <br /> Ghép<br /> bit<br /> <br /> Nhúng<br /> <br /> Giải Tách Khóa Ghép<br /> nhúng bit<br /> chữ<br /> mã<br /> <br /> phu_am.txt <br /> <br /> 000000 b<br /> 000001 c<br /> 000010 t<br /> 101001 ngh<br /> ........<br /> 111001 8<br /> <br /> Hình 2. Khóa mã phần phụ âm<br /> Mã hóa<br /> nguyên<br /> âm<br /> <br /> Giải mã<br /> nguyên<br /> âm<br /> <br /> Hình 1. Mô hình nhúng tiếng Việt trong dữ liệu Audio<br /> <br /> Các chữ của văn bản tiếng Việt được đưa vào<br /> bộ tách chữ, thành phần phụ âm sẽ được mã<br /> hóa thành a [bit] bởi bộ mã hóa phụ âm,<br /> thành phần nguyên âm và dấu được mã hóa<br /> thành ( b c ) [bit] bởi bộ mã hóa nguyên âm.<br /> Sau bộ ghép bit chúng ta có d [bit] (với<br /> d a b c . Sử dụng phương pháp nhúng<br /> LSB để nhúng và giải nhúng các bit tin với dữ<br /> liệu gốc audio. Phía bên nhận sẽ thực hiện<br /> ngược lại với bên phát để nhận được nội dung<br /> văn bản đã nhúng.<br /> Xây dựng thuật toán<br /> - Thành phần phụ âm:<br /> + Khóa mã: Sử dụng phương pháp ma trận,<br /> các ô thuộc hàng 1 và các ô thuộc cột 1 của<br /> ma trận dùng để ghi các tổ hợp bit khóa mã<br /> (Hình 2a).<br /> Các ô còn trống trên ma trận được dùng mã<br /> hóa các giãn cách hoặc dự phòng. Để mã hóa<br /> cho một phụ âm chúng ta lấy tổ hợp bit của<br /> hàng và cột tương ứng với ô chứa phụ âm, ví<br /> dụ phụ âm “gh” sẽ được mã là = 110000.<br /> + Cài đặt trên máy tính: Để đơn giản hóa<br /> việc cài đặt trên máy tính, chúng ta thực hiện<br /> 54<br /> <br /> For i ∈ 1,...,length(β) do<br /> β [i] ← β [i] + 32<br /> end for<br /> Open file phu_am.txt<br /> For i ∈ 1,2,...,48 do<br /> £[i] ← line[i] of phu_am.txt<br /> α ← copy(£[i],7,4)<br /> For j ∈ 1,...,length(α) do<br /> α [j] ← α [j] + 32<br /> end for<br /> if α == β then<br /> µ ← copy(£[i],1,6)<br /> exit for<br /> end if<br /> end for<br /> close phu_am.txt<br /> + Thuật toán giải mã: Thực hiện ngược lại<br /> quá trình mã hóa.<br /> Open file phu_am.txt<br /> For i ∈ 1,2,...,48 do<br /> £[i] ← line[i] of phu_am.txt<br /> α ← copy(£[i],1,6)<br /> if α == µ then<br /> β ← copy(£[i],7,4)<br /> exit for<br /> end if<br /> end for<br /> close phu_am.txt<br /> - Thành phần nguyên âm và dấu:<br /> <br /> Vũ Văn Tâm và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> + Khóa mã: Tương tự như phần phụ âm, khóa<br /> mã phần nguyên âm và dấu được xây dựng<br /> như sau (Hình 3a).<br /> + Cài đặt trên máy tính: Các nguyên âm liên<br /> quan đến dấu, do vậy mỗi một nguyên âm sẽ<br /> được lưu trên file thành 6 dòng tương ứng với<br /> 6 trường hợp: Không có dấu, có dấu nặng, có<br /> dấu huyền, có dấu sắc, có dấu hỏi và có dấu<br /> ngã (Hình 3b).<br /> + Thuật toán mã hóa: ξ là nguyên âm cần mã<br /> hóa, ψ[i] là các thành phần của file<br /> nguyen_am.txt, ω là 11 bít sau khi mã hóa.<br /> For i ∈ 1,...,length(ξ) do<br /> ξ[i] ← ξ[i] + 32<br /> end for<br /> Open file nguyen_am.txt<br /> For i ∈ 1,2,...,992 do<br /> ψ[i] ← line[i] of nguyen_am.txt<br /> α ← copy (ψ[i],12,4)<br /> For j ∈ 1,...,length(α) do<br /> α [j] ← α [j] + 32<br /> end for<br /> if α == ξ then<br /> ω ← copy(ψ[i],1,11)<br /> exit for<br /> end if<br /> end for<br /> close nguyen_am.txt<br /> <br /> (a) Ma trận khóa mã phần<br /> nguyên âm và dấu<br /> (b) Cấu trúc file<br /> Nguyen_am.txt<br /> <br /> <br /> 00000000000 a<br /> 00000000001 ạ<br /> 00000000010 à<br /> ......................<br /> 11111001000 yên<br /> 11111001001 yện<br /> .......................<br /> 10001011000 }<br /> <br /> Hình 3. Khóa mã phần nguyên âm và dấu<br /> <br /> 122(08): 53 - 58<br /> <br /> + Thuật toán giải mã:<br /> Open file nguyen_am.txt<br /> For i ∈ 1,2,...,992 do<br /> ψ[i] ← line[i] of nguyen_am.txt<br /> α ← copy (ψ[i],1,11)<br /> if α == ω then<br /> ξ ← copy(ψ[i],12,4)<br /> exit for<br /> end if<br /> end for<br /> close nguyen_am.txt<br /> - Nhúng và giải nhúng:<br /> + Thuật toán nhúng: δ là chuỗi tin cần<br /> nhúng dạng nhị phân, δ được chia ra thành<br /> các đoạn 4 bit để thay thế 4 bit thấp của các<br /> mẫu dữ liệu audio.<br /> δ ← "bit start" + δ + "bit end"<br /> Open file audio1<br /> Open file audio2<br /> For i ∈ 1,2,...,44 do<br /> Β ← data[i] for file audio1<br /> data[i] to file audio2 ← B<br /> end for<br /> C ← data[41..44] for file audio1<br /> C ← C/2<br /> For j ∈ 1,2,...,C do<br /> i ← j + 44<br /> B ← data[i] for file audio1<br /> selected Dau ← 1<br /> If B < 0 Then selected Dau ← -1<br /> B ← |B|<br /> selected ST ← ""<br /> For K ∈ 1,2,...,20 do<br /> ST ← Str(B mod 2) + ST<br /> B←B\2<br /> If B == 0 Then Exit For<br /> end for<br /> If Length(ST) < 16 Then<br /> For K ∈ 1,2,...,(16 - Length(ST)) do<br /> ST = "0"+ ST<br /> end for<br /> End If<br /> ST ← copy(ST, 1, 12)<br /> Tin ← copy(δ, ((i - 1) * 4) + 1, 4)<br /> ST ← ST + Tin<br /> selected B ← 0<br /> selected H ← 1<br /> For M ∈ 16,15,...,1 do<br /> Tin ← copy(ST, M, 1)<br /> G ← Val(Tin)<br /> B ← B + (H * G)<br /> 55<br /> <br /> Vũ Văn Tâm và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> H←H+H<br /> end for<br /> B ← B * Dau<br /> data[i] to file audio2 ← B<br /> end for<br /> Close file audio1<br /> Close file audio2<br /> + Thuật toán giải nhúng: Chuỗi bit tin (δ)<br /> được hình thành từ việc lấy 4 bit thấp của các<br /> mẫu audio liên tiếp nhau cho đến khi gặp<br /> chuỗi bit đánh dấu kết thúc nhúng.<br /> Open file audio2<br /> C ← data[41..44] for file audio2<br /> C ← C/2<br /> selected Giai ← 0<br /> For j ∈ 1,2,...,C do<br /> i ← j + 44<br /> B ← data[i] for file audio2<br /> B ← |B|<br /> selected ST ← ""<br /> For K ∈ 1,2,...,20 do<br /> ST ← (B Mod 2) + ST<br /> B←B\2<br /> If B == 0 Then Exit For<br /> end for<br /> If Length(ST) < 16 Then<br /> For K ∈ 1,2,..., (16 - Length(ST)) do<br /> ST ← "0" + ST<br /> end for<br /> End If<br /> ST ← copy(ST, 13, 4)<br /> If Giai == 0 Then<br /> Chuoi ← Chuoi + ST<br /> Else<br /> δ ← δ + ST<br /> End If<br /> If Length(Chuoi) >= 8 Then<br /> ST ← copy(Chuoi, Length(Chuoi) - 7, 8)<br /> If ST == "00110011" Then Giai ← 1<br /> End If<br /> If Length(δ) >= 8 Then<br /> ST ← copy(δ, Length(δ ) - 7, 8)<br /> If ST == "11001100" Then Giai ← 2<br /> δ ← copy(δ, 1, Length(δ) - 8)<br /> End If<br /> End If<br /> If Giai == 2 Then Exit For<br /> End for<br /> Close file audio2<br /> 56<br /> <br /> 122(08): 53 - 58<br /> <br /> THỰC NGHIỆM VÀ ĐÁNH GIÁ<br /> Dữ liệu audio được sử dụng thử nghiệm là<br /> file âm thanh chimes.wav trong Windows có<br /> kích thước phần data là Sa = 35380 [byte] và<br /> các tham số khác như hình 4. Tin cần nhúng<br /> là các đoạn văn bản tiếng Việt có độ dài (số<br /> ký tự) khác nhau. Ngoài ra, sử dụng phương<br /> pháp nhúng LSB không nén [2], [4], [5] để so<br /> sánh hiệu quả nhúng, độ bảo mật của tin<br /> nhúng. Tỷ lệ nhúng (B) sẽ đạt 100% khi số bit<br /> tin nhúng = Sa / 4 . Giao diện thử nghiệm<br /> được lập trình bằng ngôn ngữ Visual Basic<br /> (Hình 4). Lần thử 1, tin cần nhúng là 1 đoạn<br /> văn bảng tiếng Việt thông dụng bao gồm chữ<br /> cái (phụ âm và nguyên âm) và chữ số; Lần<br /> thử 2, văn bản cần nhúng hoàn toàn là các<br /> phụ âm; Lần thử 3, văn bản cần nhúng hoàn<br /> toàn là 160 nguyên âm và các giãn cách giữa<br /> chúng. Kết quả thử nghiệm và so sánh được<br /> trình bày trong bảng 1a, 1b.<br /> Bảng 1a. Kết quả thử nghiệm nhúng thông thường<br /> Lần<br /> thử<br /> 1<br /> 2<br /> 3<br /> TB<br /> <br /> Độ<br /> dài<br /> văn<br /> bản<br /> (Te)<br /> 8.000<br /> ký tự<br /> 7.700<br /> ký tự<br /> 554<br /> ký tự<br /> 5.418<br /> ký tự<br /> <br /> Không mã hóa, không nén<br /> Dung<br /> lượng<br /> tin (M2)<br /> <br /> Tỷ lệ<br /> nhúng<br /> (B2)<br /> <br /> Bảo mật<br /> <br /> 64.000<br /> bit<br /> 61.600<br /> bit<br /> 18.240<br /> bit<br /> 47.95<br /> bit<br /> <br /> 90,45 %<br /> <br /> Không<br /> <br /> 87,055<br /> %<br /> 25,78 %<br /> <br /> Không<br /> <br /> 67,76 %<br /> <br /> Không<br /> <br /> Không<br /> <br /> Bảng 1b. Kết quả thử nghiệm nhúng<br /> theo mô hình đề xuất<br /> Lần<br /> thử<br /> 1<br /> 2<br /> 3<br /> TB<br /> <br /> Độ<br /> dài<br /> văn<br /> bản<br /> (Te)<br /> 8.000<br /> ký tự<br /> 7.700<br /> ký tự<br /> 554<br /> ký tự<br /> 5.418<br /> ký tự<br /> <br /> Có mã hóa, có nén<br /> Dung<br /> lượng<br /> tin (M1)<br /> <br /> Tỷ lệ<br /> nhúng<br /> (B1)<br /> <br /> Bảo mật<br /> <br /> 38.400<br /> bit<br /> 56.462<br /> bit<br /> 2.720<br /> bit<br /> 32.527<br /> bit<br /> <br /> 54,27 %<br /> <br /> Có<br /> <br /> 79,79 %<br /> <br /> Có<br /> <br /> 3,84 %<br /> <br /> Có<br /> <br /> 45,97 %<br /> <br /> Có<br /> <br /> Vũ Văn Tâm và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 122(08): 53 - 58<br /> <br /> nhúng giảm từ đó giảm mức độ ảnh hưởng<br /> đến chất lượng của dữ liệu audio gốc (Hình<br /> 5); thì thuật toán còn cho phép bảo mật được<br /> nội dung văn bản cần nhúng (bên nhận phải<br /> có khóa mã giống bên phát mới giải mã được<br /> tin nhúng). Đặc biệt, khi nhúng các văn bản<br /> thông thường (có nhiều thành phần nguyên<br /> âm) thì dung lượng tin cần nhúng giảm đáng<br /> kể và độ bảo mật càng cao.<br /> <br /> Hình 4. Giao diện thử nghiệm theo mô hình<br /> <br /> Từ cấu trúc của hai ma trận khóa mã, chúng<br /> ta có thể đánh giá độ bảo mật như sau:<br /> - Độ bảo mật của khóa mã phụ âm:<br /> KA = 16! 4 !<br /> <br /> - Độ bảo mật của khóa mã nguyên âm:<br /> K Ng = 16! 16!<br /> <br /> (a) Dữ liệu audio trước khi nhúng<br /> <br /> - Độ bảo mật của hệ thống:<br /> K HT = K A<br /> <br /> (b) Dữ liệu audio sau nhúng theo mô hình<br /> <br /> K Ng = (16!<br /> <br /> 4 !) (16! 16!)<br /> <br /> Như vậy, giá trị của K HT là rất lớn; Ngoài ra,<br /> việc sắp xếp lại các tổ hợp bit ở hàng 1 và cột<br /> 1 của các ma trận khóa mã trên sẽ tạo ra một<br /> khóa mã mới.<br /> KẾT LUẬN<br /> <br /> (c) Dữ liệu audio sau nhúng thông thường<br /> Hình 5. Dạng sóng dữ liệu audio thực nghiệm<br /> <br /> Dung lượng tin cần nhúng (M) và tỷ lệ nhúng<br /> (B) được tính theo công thức sau:<br /> - Trường hợp nhúng thông thường:<br /> M2 = Te<br /> B2 = (M2<br /> <br /> 8 [bit];<br /> 100) / (Sa / 4) [%];<br /> <br /> - Trường hợp có mã hóa, nén:<br /> M1 = (Pa<br /> <br /> 6)<br /> <br /> Nga<br /> <br /> B1 = (M1<br /> <br /> 100) / (Sa / 4) [%];<br /> <br /> 11 [bit];<br /> <br /> Trong đó, Pa , Nga là số phụ âm và nguyên<br /> âm của văn bản cần nhúng.<br /> Kết quả thử nghiệm với 3 dạng văn bản khác<br /> nhau (Bảng 1) đều cho kết quả tốt hơn so với<br /> phương pháp nhúng thông thường. Ngoài việc<br /> giảm dung lượng tin cần nhúng dẫn tới tỷ lệ<br /> <br /> Việc kết hợp mã hóa, nén văn bản tiếng Việt<br /> khi thực hiện nhúng vào dữ liệu audio là một<br /> hướng tiếp cận mới trong xử lý tín hiệu số.<br /> Qua phân tích đặc điểm của chữ viết tiếng<br /> Việt, chúng tôi đã đưa ra mô hình, xây dựng<br /> các thuật toán để thực hiện nội dung trên. Qua<br /> thử nghiệm mô hình với các loại văn bản khác<br /> nhau cho thấy dung lượng tin cần nhúng M1 ,<br /> tỷ lệ nhúng B1 được giảm đáng kể so với<br /> phương pháp nhúng thông thường; đồng thời<br /> bảo mật được nội dung văn bản tiếng Việt cần<br /> nhúng. Kết quả nghiên cứu này rất có ý nghĩa<br /> cho hướng nghiên cứu về nhúng văn bản tiếng<br /> Việt trong các dữ liệu số khác.<br /> TÀI LIỆU THAM KHẢO<br /> 1. Vũ Đình Ba, “Giấu thông tin trong cơ sở dữ<br /> liệu không gian,” Tạp chí Nghiên cứu khoa học kỹ<br /> thuật và công nghệ Quân sự, số 4, 30-37.<br /> 2. Nguyễn Xuân Huy, Huỳnh Bá Diệu, “Nghiên<br /> cứu kỹ thuật giấu tin trong audio hỗ trợ xác thực,”<br /> Tạp chí Khoa học ĐHQGHN, Khoa học T.nhiên<br /> và Công nghệ, số 1 (25), 69-74.<br /> <br /> 57<br /> <br />