Розробка моделі селективного кодування для захисту відеоінформаційних ресурсів в інфокомунікаційних системах

Abstract

Дипломна робота присвячена дослідженню методів селективного шифрування відеоінформації. Метою є дослідження підходів до селективного шифрування зображень та розробка програмного інструменту, що реалізує ці підходи. В рамках даної роботи розроблено комплексну систему селективного захисту зображень. Для автоматичної ідентифікації областей інтересу було навчено нейромережеву модель архітектури U-Net на наборі даних Stanford Background Dataset з використанням фреймворку PyTorch, оптимізатора Adam та функції втрат на основі перехресної ентропії, застосовуючи аугментацію даних та стратегію донавчання. Для криптографічного захисту виділених ROI було розроблено та реалізовано новий 9-раундовий симетричний алгоритм шифрування, який використовує функцію деривації ключа PBKDF2, генерацію ключових потоків на основі зв'язаних хаотичних наметових відображень, глобальну перестановку пікселів, чергування операцій заміни та HMAC-SHA256 для автентифікації. Реалізація виконана на Python з використанням бібліотек hashlib, hmac та NumPy.

The thesis is devoted to the study of methods for selective encryption of video information. The goal is to study approaches to selective encryption of images based on neural networks and develop a software tool that implements these approaches As part of this work, a comprehensive system for selective image protection was developed. For automatic identification of areas of interest, a neural network model of the U-Net architecture was trained on the Stanford Background Dataset dataset using the PyTorch framework, the Adam optimizer and a cross-entropy loss function, using data augmentation and a training strategy. For cryptographic protection of the selected ROIs, a new 9-round symmetric encryption algorithm was developed and implemented, which uses the PBKDF2 key derivation function, key stream generation based on coupled chaotic tent mappings, global pixel permutation, interleaving of replacement operations, and HMAC-SHA256 for authentication. The implementation is done in Python using the hashlib, hmac, and NumPy libraries.