Rukiye KARAKIŞ, İnan Güler, İrem Çapraz, Erhan Bilir Gazi Üniversitesi

... konulu sunumlar: "Rukiye KARAKIŞ, İnan Güler, İrem Çapraz, Erhan Bilir Gazi Üniversitesi"— Sunum transkripti:

1 Rukiye KARAKIŞ, İnan Güler, İrem Çapraz, Erhan Bilir Gazi Üniversitesi
Medikal Sinyaller için Benzerlik Tabanlı Görüntü Steganografi Uygulaması Rukiye KARAKIŞ, İnan Güler, İrem Çapraz, Erhan Bilir Gazi Üniversitesi

2 Sunu Planı Çalışmanın Amacı ve Hedefi Genel Bilgiler
Geliştirilen Yöntem Deneysel Sonuçlar Tartışma Sorular? Rukiye KARAKIŞ

3 Çalışmanın Amacı ve Hedefi
Medikal verilerin Internet ve açık ağlarda risk altında olması, Bir hastalığın tanı ve tedavisinde kullanılan görüntü sinyalleri ile biyolojik sinyallerin tek bir ortamda birleştirilmesi, Dicom (Digital Imaging and Communications in Medicine) uzantılı medikal görüntülerin başlık kısmında tutulan hastaya ait kişisel bilgilerin güvenliği, En az ağırlıklı bit (LSB) yönteminin dayanıksızlığı, Rukiye KARAKIŞ

4 Steganografi Steganografi; medya ortamlarında üçüncü şahısların haberi olmayacak şekilde verilerin gizlenmesini sağlamaktadır. İnsan görme sistemi resim dosyalarındaki küçük değişimleri fark edememektedir. Dosya içerisinde boşluklar içine ya da sıkıştırma sonrasında açılan boşluklar içerisine de veri gizlenmektedir. Görüntü uzayı ve dönüşüm uzayı tabanlı yöntemler; Görüntü uzayı yöntemleri; gizlenecek mesaj bitleri, seçilen piksellerin en az ağırlıklı bitleriyle değiştirilir veya eşleştirilir. Filtreleme, boyutlarını değiştirme, sıkıştırma v.b. hassastır. Dönüşüm uzayı tabanlı yöntemler; görüntü frekans uzayında incelenir ve veri saklanır. Analizlere karşı dayanıklıdır ancak daha az veri saklanır. Görüntü stenografisinde optimizasyon yöntemleri; steg-analiz için kullanılmaktadır. (Genetik algoritma, bulanık mantık (BM) ve yapay sinir ağları ) Rukiye KARAKIŞ

5 En Az Ağırlıklı Bite Şifreleme (LSB)
Görüntü piksellerin her baytının ilk bitleri ve mesaj bitleri ile değiştirilmektedir. 24 bit resimlerde ise bir piksel başına 3 byte-3 bitlik bilgi Sıralı ya da rastgele ekleme işlemi yapılabilir. Kriptografik anahtarlar-mesajın resmin içine gizlenmeden önce şifrelenmesi ve daha sonra çözülmesi Rukiye KARAKIŞ

6 Dicom (Digital Imaging and Communications in Medicine)Standartı
Medikal görüntülerin elde tutulması, kayıt edilmesi, yazdırılması ve iletilmesini sağlar. Görüntü kısmında, MR (Manyetik Rezonans), BT (Bilgisayarlı Tomografi), röntgen gibi farklı medikal görüntüler depolanır. Dosya başlık kısmında, hastaya ait kişisel bilgileri (ad, soyad, yaş, ağırlık, medikal özgeçmiş gibi), kurum, cihaz ve görüntü bilgilerini bulundurur. Rukiye KARAKIŞ

7 Dicom (Digital Imaging and Communications in Medicine)Standartı
Dicom dosyaları, ticari ya da ücretsiz yazılımlar (MRIcron, MRIcro, MicroDicom, 3DSlicer vs.) aracılığıyla görüntülenir. Dicom dosyalarının arşivlenmesinde ve iletilmesinde hastaya ait kişisel verilerin yasadışı yollarla ele geçirilmesi veya değiştirilmesi, hem hastanın kişisel haklarının ihlal edilmesine hem de tedavi sürecinin seyrinin değişmesine sebep olacağından verilerin güvenliğinin sağlanması gerekmektedir. Rukiye KARAKIŞ

8 Literatür Taraması Elektrokardiyografi (EKG) sinyallerinin içerisinde ya da PET (Pozitron Emisyon Tomografisi), BT, MR, röntgen gibi farklı görüntü piksellerinde; hasta kişisel bilgileri saklanmaktadır. Dicom dosyalarındaki kişisel verilerin güvenliği için dönüşüm tabanlı ve uzay tabanlı steganografi teknikleri önerilmiştir. MR, BT ve PET görüntülerinin içerisine kişisel bilgi ve EKG sinyali dalgacık tabanlı steganografi yöntemi kullanılarak gizlenmiştir. Gizlenen veri miktarı byte aralığında iken sinyalin tepe değerinin gürültüye oranı (Peak signal to noise ratio-PSNR) %35 dB‘ dir [1-2].   Matam [3] yaptığı tez çalışmasında tek kanallı Elektroensefalogram (EEG) sinyallerinin içerisinde hasta bilgilerini Dalgacık dönüşümü kullanarak gizlemiştir.   Nambakhsh, M.S., Ahmadian, A.,  Zaidi, H., “A contextual based double watermarking of PET images by patient ID and ECG signal”, Comput. Methods Programs Biomed., 104(3): (2011). Nambakhsh, M.S., Ahmadian, A., Ghavami, M., Dilmaghani, R.S., Karimi-Fard. S., “A Novel Blind Watermarking of ECG Signals on Medical Images Using EZW Algorithm”, Proceedings of the 28th IEEE-EMBS Annual International Conference New York City, USA, (2006). Matam, B.R. (2009). Watermarking biomedical time series data. Doktora Tezi, Aston University,

9 Geliştirilen Yöntem Gazi Üniversitesi Nöroloji Bölümü’ne başvuran bir epilepsi hastasına ait 5 adet 320x320 boyutlu 16 bitlik Dicom uzantılı MR görüntüsü ve bu hastaya ait EEG beyin sinyalleri, Dicom dosyasında yer alan kişisel bilgiler (Patient Name, Patient ID, Patient Birth Date, Patient Sex, Patient Age, Patient Weight, Patient Address, Study Date, Study Time, Study ID, Study Modality, Study Description, Series Date, Series Time, Series Description), doktor yorumu ve EEG verisi, Mesajın her Dicom için toplam boyutu: 7050 byte Microsoft Visual Studio .Net 2010 platformu Rukiye KARAKIŞ

10 Benzerlik Tabanlı LSB Yöntemi-Veri Gizleme
Görüntü ve EEG Seç Mesajı Oluştur Anahtar Belirle Benzerlik Tabanlı Gizleme Algoritması 1-Mesajı gzip kütüphanesi ile sıkıştır. 2-Mesaj ile mesajın uzunluğunu birleştir. 3- Mesajı anahtar ile XOR kullanarak şifrele. 3-Her pikselin etrafındaki 3x3’lük blokta komşularının gri seviyelerine göre benzerliğini hesapla. 4-Bu benzerlik değeri benzerlik eşik değerinden büyük ise; Mesaj bitleri ile piksellerin bitlerini değiştir. Görüntü  Karşılaştır Rukiye KARAKIŞ

11 Benzerlik Tabanlı LSB Yöntemi-Veri Elde Etme
Gömülü(Stego)-Görüntü Seç Anahtar Gir Benzerlik Tabanlı LSB ile Veri Elde Etme Algoritması 1-Gri seviye bileşenlerine bakılarak piksellerin benzerlik değerlerini hesapla 2-Benzerlik eşik değerine göre benzerlik matrisini oluştur. 2-Mesaj uzunluğunu matristen çıkar ve şifreleme algoritması ile çöz. 3-Mesaj uzunluğu kadar benzerlik matrisindeki piksellerdeki veriyi al ve XOR ile çöz. 4-Sıkıştırma işlemini aç ve mesajı al. Mesajı Gönder Rukiye KARAKIŞ

12 Benzerlik Tabanlı LSB yöntemi
P1 ve P2 piksellerinin, renk bileşenlerinin gri seviye farkı (K: kırmızı, Y: yeşil, M: mavi) P1 P2 P3 P4 P9 P5 P6 P7 P8 Rukiye KARAKIŞ

13 Benzerlik Tabanlı LSB yöntemi
İki renk bileşeni arasındaki uzaklık için Öklid norm İki piksel arasındaki benzerlik Benzerlik matrisi içerisinde, benzerlik eşik değeri SE=0.50 Komşu piksellerin, renk bileşenlerinin gri seviye değerlerine göre benzerliklerini ifade etmek için, (Dn normalizasyon katsayısı) Rukiye KARAKIŞ

14 İstatistiksel Karşılaştırma
Hataların kareleri ortalaması (Mean square error) Sinyalin tepe değerinin gürültüye oranı (Peak signal to noise ratio-PSNR) Rukiye KARAKIŞ

15 Geliştirilen Program-1
Rukiye KARAKIŞ

16 Geliştirilen Program-2
Rukiye KARAKIŞ

17 Geliştirilen Program-3
Rukiye KARAKIŞ

18 Geliştirilen Program-4
Rukiye KARAKIŞ

19 Deneysel Sonuçlar-1 LSB ile elde edilen görüntülerin
PSNR değer karşılaştırması Rukiye KARAKIŞ

20 Deneysel Sonuçlar-2 Benzerlik ile elde edilen görüntülerin
PSNR değer karşılaştırması Rukiye KARAKIŞ

21 Deneysel Sonuçlar-3 Benzerlik ve LSB ile elde edilen görüntülerin PSNR değer karşılaştırması Rukiye KARAKIŞ

22 Deneysel Sonuçlar-4 a) örtü görüntüsü b) gömülü görüntüsü
Rukiye KARAKIŞ

23 Deneysel Sonuçlar-5 a) EEG verisi b) Dicom görüntüler için bölütlenmiş EEG verisi Rukiye KARAKIŞ

24 Tartışma Dicom dosyalarının arşivlenmesinde ve iletilmesinde hastaya ait kişisel verilerin yasadışı yollarla ele geçirilmesi veya değiştirilmesi, hem hastanın kişisel haklarının ihlal edilmesine hem de tedavi sürecinin seyrinin değişmesine sebep olabilir. Bu çalışmada epilepsi hastalığının tanı ve teşhisi için kullanılan medikal sinyallerin tek bir ortamda birleştirilmesi amaçlanmıştır. Bu sebeplerle epilepsi hastalarına ait Dicom uzantılı MR görüntüleri içerisine EEG sinyalleri, hastaya ait kişisel bilgiler ve doktor yorumu eklenerek saklanmıştır. Gri seviye benzerlik tabanlı LSB ile piksellerin sıralı seçilmesi engellenmiştir. Sıkıştırma ve şifreleme ile mesajın ele geçirilmesine karşı güvenli hale getirilmesi sağlanmıştır.