狠狠撸

Wet Paper符号を利用した
ＱＲコードへの情報重畳

新見道治?野田秀樹
九州工業大学大学院情報工学研究院

K y u t e c h Multimedia Information Processing Lab. 1
Kyushu Institute of Technology
13年3月7日木曜日

蚕搁コード
? Quick Responseコード
? 高速読み取り可能な二次元コード
? 1994年、デンソー（現在は、デンソー
ウェーブ）が開発

? 生成に必要な情報：型番、誤り訂正レベ
ル、メッセージ

? 表現可能な最大情報量（型番40の場合）
? 英数字：4296文字
? バイナリ：2053バイト
? 漢字：1817文字

蚕搁コードの構造 #1

メッセージ（http://www)

誤り訂正
誤り訂正レベル
符号化

データコード語
（101100111000...）
左図のピンクの領域に配置する


蚕搁コードの構造 #2
? 型番：1～40

? モジュール：論理値に対応する大きさを持った正方領域

? 1辺のモジュール数（サイズ）

? 型番x4 + 17 (1x4 + 17 = 21)

? 全モジュール数（全画素数）

? 1辺のモジュール数の2乗

[型番]と[誤り訂正レベル]?→?情報量

メッセージ終端パターン埋め草ビット


欧州での状况
72%
18.6%

製品情報
取得
ドイツ
全スマートフォンユーザに対する割合
2012年9月19日の記事
http://japan.internet.com/wmnews/20120926/5.html


アメリカでの状况
普及率認知率

全スマートフォンユーザに対する割合


アジアでの状況 #1

蚕搁コード（二次元コード）をご存じでしたか?

http://www.gmo.jp/news/article/?id=3953


アジアでの状況 #2

蚕搁コード（二次元コード）をスキャンしたことがありますか?

http://www.gmo.jp/news/article/?id=3953


蚕搁コードに関連する不正行為
? 正規の蚕搁コードの上に、偽の蚕搁コードを貼り付け
る

? 簡単に可能
? 正規のWebサイトではなく、偽のWebサイトに誘導
し、個人情報を収集する

? 2007年頃にはすでに、この危険性を指摘する記事が
あった（日本）

? QRishing(krishi-ing)の危険性を指摘
? 2012年11月アメリカで報告

蚕搁コードの改ざん検出
? デザイン蚕搁コードを利用し、提供者特有のイラストをQRコー
ドに書き込む

? 目視によって改ざん検出を行う

? インターネットへの接続不要

? 誤り訂正符号を修正して、蚕搁コード上に空白を作り、そこに画
像等を埋め込む

? 目視によって改ざん検出を行う

? インターネットへの接続不要

? 認証サーバを仲介させることで、改ざんを防ぐ

? 機械的処理により認証可能

目的

? 情報ハイディング関連技術を利用して何か役
に立つシステム、技術が提供できないだろう
か？

? Wet Paper符号と置換型情報ハイディングを
組み合わせ、蚕搁コードの改ざん検出システム
に応用する


本研究特有の言葉
白黒二値パターン

メッセージ
http://www.mip.ces.kyutech.ac.jp



メッセージ

表の情報
（おもて）



メッセージ

表の情報裏の情報
（おもて）（うら）


ディジタル署名


提案システム概略
? ディジタル署名
? 裏の情報のハッシュ値
? 蚕搁コードのどこかに保存
? 検証
? 裏の情報のハッシュ値（A*）
? 取り出されたハッシュ値（B*）
? A*とB*を比較することで改ざんを検出

改ざん検出可能ＱＲコード?1/3

１）裏の情報
２）型番
３）誤り訂正レベル

通常蚕搁コード



１）裏の情報の
??ハッシュ値暗号化された
２）公開鍵暗号のハッシュ値
??秘密鍵



１）暗号化ハッシュ値
２）通常ＱＲコード

改ざん検出可能
蚕搁コード



１）暗号化ハッシュ値
２）通常ＱＲコード

Wet Paper符号を利用した
情報ハイディング改ざん検出可能
蚕搁コード


蚕搁コードの違いは？

裏の情報は同じ

通常蚕搁コード改ざん検出可能
蚕搁コード



通常読み取り可能

蚕搁コード




蚕搁コード
表の情報が変化しています




蚕搁コード
表の情報が変化しています
誤り訂正機能を有しているので大丈夫です


埋め込み（データ変更）领域

データコード語及び
誤り訂正コード語


Matrix Embedding

? ビット変化をなるべく抑えつつ，情報を埋め
込む

? メッセージを直接カバーメディアのビット情報
に対応させるのではなく，別なビット系列に
変換し，その系列をカバーメディアに埋め込む

? 誤り訂正符号の誤り検出の考え方

イメージ

パリティ検査行列
シンドローム
符号語

s = Hw
m = Hx
メッセージカバーメディア中
のビット列

Wet Paper符号
? 名前の由来
? ある部分が濡れた紙がある．乾いてしまえば，どこ
が濡れていたのか，乾いていたのか区別できない

? 紙をカバーデータ，乾いている部分をメッセージ埋め
込み場所と考え，もともと乾いていた部分を知らな
くても，埋め込んだ情報を抽出出来る手法

? 画素集合毎に埋め込みを行う
? パリティ検査行列としてランダムコードを用いる
? 抽出者は埋め込んだ位置を知る必要がない

埋め込み场所

カバー画像＊
＊
＊＊

＊

ある画素集合の中から，値が変更できる画素
（＊）を選ぶ

この位置情報は抽出時には必要ない

データの抽出
画素集合から得られるビット列
t
y = (y1 , y2 , . . . , yn )

埋め込まれたメッセージ(pビット)
Hy

H p n 行列
乱数で０，１を発生
１）列ベクトルは互いに異なる
２）ゼロ列ベクトルは存在しない

埋め込み(1/3)

画素集合から得られるビット列
t
x = (x1 , x2 , . . . , xn )
x を変化させたビット列
t
y = (y1 , y2 , . . . , yn )
メッセージビット列
t
m = (m1 , m2 , . . . , mp ) (p < 20)
Hはm n 行列（ m n）

m = Hy


埋め込み(2/3)
v=y （差分ベクトル）
x Hv = m Hx

変更可能画素以外は変化しないので，それに対応する
v
要素を??と??から取り除く
H
? ? ? ?
1 0 1 1 1 1 1 1 1 1
? 1 1 1 0 1 ? 0 ?
? ? 1 1 1 ? 0 ?
?
? ?
1 0 0 1 0 ? 0 ? 1 0 0 1
? ?
? 0 ?
H D v
1
v


埋め込み(2/3)
v=y （差分ベクトル）
x Hv = m Hx

変更可能画素以外は変化しないので，それに対応する
v
要素を??と??から取り除く
H
? ? ? ?
1 0 1 1 1 1 1 1 1 1
? 1 1 1 0 1 ? 0 ?
? ? 1 1 1 ? 0 ?
?
? ?
1 0 0 1 0 ? 0 ? 1 0 0 1
? ?
? 0 ?
H D v
1
v
シンドロームの計算に影響がない

埋め込み(3/3)

Dv = m Hx

つまり，この式を満たす v を求めればよい

v = (v1 , v2 , . . .) が求まったとすると...
t

vi = 1 に対応する x のビットを反転すれば，
y が求まる


v の見つけ方

列ベクトルの組み合わせをしらみつぶしに調べる

Meet-in-the-middle algorithm [13]


Wet Paper符号の例
0 1 0 0
0 1 1 3ビット(LSB) 1 8ビット(メッセージ)
1 1 0 0
0
0 0 1 1
D 0 v
1 1 0 0
1
0 1 0 0
0 0 1 1
0 1 0 0

わずか１ビットの変更だけで，
8ビットの情報を埋め込むことができる


ビット情報を埋め込む
カバーメディア

メッセージ


ビット情報を埋め込む
カバーメディア

メッセージ

単純にメッセージビットを埋め込みビットに対応さ
せると，５０％のビットが反転する

比较実験
? 画像：256ｘ256（8ビット/画素）

? １００枚

? 4096ビット埋め込む

? 256ブロック（256画素/ブロック）

? 変更可能画素（64画素/ブロック）(n=64)

? WetPaper符号の場合，p=16

? ハミング符号の場合，p=4

Wet Paper符号の効果


Wet Paper符号の効果

ビット変化が少ないWet Paper符号を利用する


Wet Paper符号は本当に適用可能なのか？
? 型番１０の蚕搁コード

? 1600モジュール（ビット）の埋め込み領域仮定
? 鍵長：1024ビットのRSA公開鍵暗号

? 1024ビットを1600セルに埋め込む

? 1024ビットを分割

? ｐビット?→?Bブロック (p x B=1024) 条件
? あるブロックに割り当て可能セル数

? 1600/B?→?n

? 1600セル、1024ビット?←?乱数で生成

? Wet Paper符号で埋め込み方法
? ビット変化数を調査

ビット変化のシミュレーション结果

p 12 16 20 24
ブロック数 86 64 52 43
n 18 25 30 37
平均ビット変化数 4.33 5.12 6.34 7.31
ビット変化最大値 7 7 8 9
平均変化割合[%] 24.1 20.0 21.1 19.8
最大変化割合[%] 38.9 28.0 26.7 24.3

誤り訂正可能エラー率：7%, 15%, 25%, 30%

なぜWet Paper符号？
? 1024ビットの情報を「直接」1600ビットの
データ領域へ埋め込む

? 統計的に考えて，512ビットのデータは変化
する

? 512/1600 = 32 [%]
? この誤りをカバーできる誤り訂正レベルはQR
コードにはない


蚕搁コードへの情報ハイディング

? 表の情報をカバーデータとして考える
? 二値画像に対する電子透かし
? カラー化して情報重畳
? モジュールをさらに細かく分割する
? 蚕搁コードの構造を利用する
? 埋め草ビットに情報を埋め込む

表の情报を利用する场合の技术的课题

撮影画像論理パターン

どのようにして1ビットの間違いもなく
元の論理パターンを復元するのか？

现状での提案手法の位置づけ

? 読み取りの頑健性を求める
? 埋め草ビットを利用する
? 付加情報はメッセージとは完全に分離
? 付加情報の不可分性を求める
? 提案手法も候補の一つ
? 高精度な画像処理が必要

高精度画像処理実现の可能性

? 蚕搁コード復号化ツール
? いくつかのフリーソフトがある
? ツールに実装されている方法では、比較的良
好な撮影条件でも、ビットエラーが出ている

? 独自の処理方法が必要な雰囲気

まとめ
? RSA公開鍵暗号を利用したディジタル署名
? 裏の情報のハッシュ値
生
? 秘密鍵で暗号化
成
? Wet Paper符号で右下セルに埋め込む
? 公開鍵を入手
? 復号化した裏の情報のハッシュ値（Ａ*）
? Wet Paper符号を復号化し，暗号化されたハッシ検
ュ値を抽出
証
? 公開鍵でハッシュ値を復号化（Ｂ*）
? A*とＢ*を比較
? Wet Paper符号での実現可能性を示した
? 高精度な画像処理、実証実験が今後の課題

狠狠撸

Wet Paper符号を利用した蚕搁コードへの情報重畳

More Related Content

Wet Paper符号を利用した蚕搁コードへの情報重畳