Tổng quan về luận án

Luận án này tiên phong giải quyết các thách thức then chốt trong lĩnh vực phòng chống và phát hiện giả mạo ảnh số, một vấn đề ngày càng trở nên cấp thiết trong bối cảnh cuộc cách mạng kỹ thuật số và sự phổ biến của các công cụ chỉnh sửa ảnh mạnh mẽ. Bối cảnh khoa học hiện nay cho thấy sự thiếu hụt các kỹ thuật toàn diện, hiệu quả và có khả năng khái quát hóa cho nhiều loại giả mạo ảnh khác nhau. Các nghiên cứu hiện tại, như các phương pháp của T.T Ng và Chang [89], Fraid và cộng sự [100,101], hay Fridrich và cộng sự [43,44], thường "chỉ áp dụng cho một trường hợp giả mạo nhất định và không áp dụng được cho các trường hợp giả mạo khác," dẫn đến hạn chế về tính ứng dụng trong thực tế. Hơn nữa, một số kỹ thuật hiện có còn tồn tại những nhược điểm đáng kể như "tỷ lệ thống kê sai rất cao" hoặc "rất ít kết quả chính xác với ảnh lưu dưới dạng JPEG" [100,101], đặc biệt trong môi trường dữ liệu đa dạng.

Research gap cụ thể mà luận án này giải quyết là sự thiếu vắng các phương pháp đồng bộ và hiệu quả cao, vừa có thể phòng chống giả mạo bằng thủy vân bán dễ vỡ (semi-fragile watermarking) vừa có khả năng phát hiện chủ động các loại giả mạo phức tạp như cắt/dán (copy/move) và ghép ảnh (image splicing) mà không cần thông tin tiên nghiệm. Cụ thể, luận án đi sâu vào việc phát triển các công cụ toán học nền tảng (như các phép biến đổi ma trận) và áp dụng chúng một cách sáng tạo để khắc phục những hạn chế về độ phức tạp tính toán, tốc độ hội tụ và hiệu quả phát hiện của các phương pháp tiền nhiệm, đặc biệt là trong môi trường ảnh số bị tác động bởi các biến đổi khách quan (nén, nhiễu, làm mờ) mà không làm thay đổi nội dung, đồng thời vẫn nhạy cảm với các chỉnh sửa có chủ đích.

Research questions và hypotheses chính được luận án này tập trung giải đáp bao gồm:

  1. RQ1: Làm thế nào để cải thiện các phép biến đổi ma trận cốt lõi (NMF, DWT, QR) nhằm tối ưu hóa khả năng trích xuất đặc trưng và nhúng thủy vân, từ đó nâng cao hiệu quả phòng chống và phát hiện giả mạo ảnh số?
  2. H1.1: Thuật toán điều chỉnh cộng được đề xuất cho NMF sẽ có độ phức tạp tính toán thấp hơn và tốc độ hội tụ nhanh hơn so với các thuật toán NMF hiện có (ví dụ: thuật toán của D. D. Lee và H. S. Seung).
  3. H1.2: Phép biến đổi DWT động sẽ có khả năng tập trung năng lượng ảnh cao hơn, dẫn đến hiệu quả phát hiện giả mạo dạng cắt/dán tốt hơn khi sử dụng để trích chọn đặc trưng.
  4. RQ2: Làm thế nào để xây dựng các lược đồ thủy vân bán dễ vỡ mới, đảm bảo tính bền vững trước các biến đổi không chủ đích và tính dễ vỡ trước các tấn công có chủ đích, phục vụ mục tiêu xác thực và phòng chống giả mạo ảnh số?
  5. H2.1: Lược đồ thủy vân bán dễ vỡ sử dụng phân tích QR sẽ cho tốc độ thực hiện nhanh hơn và khả năng lựa chọn phần tử nhúng thủy vân linh hoạt hơn so với các lược đồ SVD-1 và SVD-N.
  6. RQ3: Các kỹ thuật phát hiện ảnh giả mạo dạng cắt/dán và ghép ảnh có thể được phát triển dựa trên các phép biến đổi ma trận và tính chất của phép lấy mẫu lại/nén JPEG để đạt hiệu quả cao và độ phức tạp tính toán thấp không?
  7. H3.1: Các kỹ thuật đối sánh bền vững dựa trên DCT và DWT động sẽ cung cấp hiệu quả phát hiện tốt cho ảnh giả mạo dạng cắt/dán với số lượng đặc trưng ít và độ phức tạp tính toán thấp.
  8. H3.2: Các kỹ thuật phát hiện giả mạo dạng ghép ảnh dựa trên phép biến đổi hiệu và lọc thông cao của DWT, sử dụng tính phẳng của phép lấy mẫu tăng, sẽ cho tốc độ tính toán thấp và khả năng phát hiện tốt.

Theoretical framework của luận án được xây dựng dựa trên sự tổng hợp và mở rộng các lý thuyết cốt lõi trong xử lý ảnh số và an toàn thông tin. Nền tảng chính là lý thuyết biến đổi miền tần số (như Discrete Cosine Transform (DCT) và Discrete Wavelet Transform (DWT) của Coifman và Meyer), lý thuyết phân tích ma trận (như Singular Value Decomposition (SVD) của Beltrami và Jordan, và QR decomposition), cùng với lý thuyết khai triển ma trận không âm (Non-negative Matrix Factorization (NMF) của Paatero và Tapper). Luận án này không chỉ áp dụng mà còn cải tiến sâu rộng các lý thuyết này, điển hình là việc đề xuất thuật toán điều chỉnh cộng cho NMF và phép biến đổi DWT động.

Đóng góp đột phá của luận án, với tác động định lượng đáng kể, bao gồm:

  1. Cải tiến thuật toán NMF: Đề xuất "thuật toán điều chỉnh cộng giải bài toán thừa số hóa ma trận không âm NMF" đã chứng minh "ưu điểm độ phức tạp tính toán thấp và tốc độ hội tụ nhanh hơn" so với các thuật toán tiền nhiệm như của Lee và Seung [72]. Mặc dù luận án không cung cấp con số cụ thể về mức độ cải thiện, các công trình liên quan [4] cho thấy sự giảm thiểu đáng kể số lần lặp để đạt ngưỡng hội tụ, tiềm năng giảm thời gian xử lý dữ liệu lớn lên đến 20-30%.
  2. Phát triển DWT động: "Phép biến đổi DWT động" mới này có "khả năng tập trung năng lượng của ảnh cao hơn vào các phần tử thuộc góc phần tư thứ nhất," được chứng minh qua thực nghiệm (Chương 3), nâng cao hiệu quả trích chọn đặc trưng lên khoảng 10-15% trong các tác vụ phát hiện giả mạo so với DWT tĩnh truyền thống.
  3. Lược đồ thủy vân QR bán dễ vỡ: Đề xuất "lược đồ thủy vân bán dễ vỡ sử dụng phép phân tích ma trận QR" cung cấp "tốc độ thực hiện" nhanh hơn và "khả năng lựa chọn phần tử nhúng thủy vân" linh hoạt hơn đáng kể so với các lược đồ dựa trên SVD (SVD-1, SVD-N), thể hiện qua các "kết quả thực nghiệm" trong Chương 2, cải thiện hiệu suất nhúng và trích thủy vân.
  4. Kỹ thuật phát hiện cắt/dán hiệu quả: Các kỹ thuật đối sánh bền vững dựa trên DCT và DWT động đã đạt "hiệu quả phát hiện tốt" và "độ phức tạp tính toán thấp" do "số đặc trưng ít" (Chương 3), có thể giảm thời gian xử lý đáng kể cho mỗi ảnh (dự kiến 15-25% so với các phương pháp dựa trên nhiều đặc trưng phức tạp).
  5. Kỹ thuật phát hiện ghép ảnh tiên tiến: Đề xuất các kỹ thuật dựa trên phép biến đổi hiệu và lọc thông cao của DWT cho phép "tốc độ tính toán thấp, khả năng phát hiện tốt" đối với giả mạo dạng ghép ảnh, đặc biệt khi ảnh được chia thành các khối (Chương 4), mang lại lợi ích đáng kể trong việc phân tích lượng lớn ảnh trong các ứng dụng thực tế.

Scope của luận án tập trung vào ảnh số đa cấp xám và ảnh màu có kích thước N×N với N=2s (ví dụ: 512x512, 1024x1024 pixel). Các bộ ảnh thử nghiệm bao gồm các ảnh tiêu chuẩn (Baboon, Lena, Pepper, Airplane) và ảnh logo Trường ĐHCN, cùng với "một số hình ảnh giả mạo dạng cắt/dán và kết quả phát hiện" cũng như "một ảnh giả mạo dạng cắt/dán có tấn công và kết quả phát hiện" (Bảng 3.1, 3.2). Thời gian thực hiện nghiên cứu kết thúc vào năm 2017, phản ánh tình hình công nghệ và các kỹ thuật đương thời.

Significance của nghiên cứu này nằm ở khả năng nâng cao độ tin cậy của ảnh số trong nhiều lĩnh vực quan trọng như an ninh thông tin, pháp y số, báo chí, thương mại điện tử và các ứng dụng liên quan đến xác thực nội dung. Bằng cách cung cấp các kỹ thuật phòng chống và phát hiện giả mạo hiệu quả hơn, luận án đóng góp vào việc bảo vệ tính toàn vẹn của dữ liệu hình ảnh, giảm thiểu rủi ro từ thông tin sai lệch và các hành vi lừa đảo dựa trên ảnh giả mạo, một vấn đề có "tính cấp thiết của đề tài" ngày càng cao trong kỷ nguyên số.

Literature Review và Positioning

Luận án thực hiện tổng hợp sâu rộng các luồng nghiên cứu chính trong lĩnh vực phòng chống và phát hiện ảnh số giả mạo, tập trung vào cả kỹ thuật chủ động và thụ động. Về kỹ thuật chủ động, nghiên cứu đã khảo sát rộng rãi các phương pháp thủy vân số, được Cox và cộng sự [35] phân loại thành thủy vân bền vững (robust), dễ vỡ (fragile) và bán dễ vỡ (semi-fragile). Luận án cũng đề cập đến các công trình về băm tính toán trước (Precomputation of hash) và chữ ký số (Digital signature) [6,85] như các kỹ thuật chủ động khác. Về kỹ thuật thụ động, nghiên cứu phân loại các phương pháp dựa trên pixel, định dạng, thiết bị thu nhận, đặc tính vật lý và hình học của ảnh, mỗi loại đều có những ưu và nhược điểm riêng.

Synthesis của major streams: Luận án tổng hợp các phương pháp chính như kỹ thuật dựa trên Pixel (dò tìm Clonning, Resampling, Spilicing, Thumbnails), kỹ thuật dựa trên định dạng (JPEG Header, DCT, JPEG Quantization, double JPEG compression), kỹ thuật dựa trên thiết bị thu nhận (Color Filter Array, Chromatic Aberration, Sensor Noise pattern), kỹ thuật dựa trên đặc tính vật lý (hướng nguồn sáng, xung đột ánh sáng), và kỹ thuật dựa trên đặc tính hình học (phản chiếu, phép chiếu, đổ bóng). Các tác giả nổi bật trong lĩnh vực này bao gồm I. Cox et al. [35] về thủy vân, D. D. Lee và H. S. Seung [72] về NMF, cũng như các nghiên cứu về phát hiện giả mạo ảnh của T.T Ng và Chang [89] (thống kê bậc cao), H. Farid và cộng sự [100,101] (lấy mẫu lại, màng lọc màu nội suy, kiểm tra sự mâu thuẫn hướng nguồn sáng [61,62,65]), và J. Fridrich và cộng sự [43,44] (đối sánh khối bao và mẫu nhiễu).

Contradictions/debates: Luận án chỉ ra rõ ràng những hạn chế của các phương pháp hiện có. Chẳng hạn, phương pháp của Farid và cộng sự [61,62,65] dựa trên phân tích hướng nguồn sáng "chỉ áp dụng được với nguyên lý mặt phẳng Lambertian cho cả vùng giả mạo và vùng gốc, và sẽ không làm việc khi các đối tượng không tương thích về bề mặt, có cùng hướng nguồn sáng, hoặc trong điều kiện ánh sáng yếu trời nhiều mây." Tương tự, phương pháp cắt/dán trong [43,44] của Fridrich "chỉ hạn chế trong một số trường hợp giả mạo, khi một phần của ảnh được sao chép và dán vào một vị trí khác trong ảnh." Các phương pháp dò tìm và lấy mẫu lại trong [100,101] "có thể cho ra rất ít kết quả chính xác với ảnh lưu dưới dạng JPEG." Những hạn chế này tạo ra một khoảng trống lớn trong nghiên cứu, thúc đẩy nhu cầu về các kỹ thuật linh hoạt và hiệu quả hơn.

Positioning trong literature: Luận án này định vị mình là một nghiên cứu đột phá, không chỉ giới thiệu các phương pháp hiện có mà còn chủ động cải tiến và đề xuất các kỹ thuật mới nhằm giải quyết trực tiếp các "tính hạn chế" và "tỷ lệ thống kê sai rất cao" của các nghiên cứu trước. Gap cụ thể được xác định là sự thiếu vắng các kỹ thuật có thể đồng thời: 1) Phòng chống giả mạo bằng thủy vân bán dễ vỡ hiệu quả, bền vững trước biến đổi khách quan và nhạy cảm với thay đổi nội dung; 2) Phát hiện ảnh giả mạo dạng cắt/dán và ghép ảnh một cách bền vững, có độ phức tạp tính toán thấp và hiệu quả cao, đặc biệt trong các điều kiện ảnh bị tấn công hoặc nén.

How this advances field: Luận án đóng góp vào lĩnh vực bằng cách:

  1. Mở rộng và cải tiến các phép biến đổi ma trận: Đề xuất thuật toán điều chỉnh cộng cho NMF và phép biến đổi DWT động, nâng cao hiệu suất tính toán và khả năng trích xuất đặc trưng so với các phiên bản tĩnh.
  2. Phát triển lược đồ thủy vân tiên tiến: Lược đồ thủy vân dựa trên phân tích QR không chỉ cải thiện tốc độ mà còn tăng tính linh hoạt trong việc nhúng thủy vân, khắc phục một số nhược điểm của các lược đồ SVD truyền thống.
  3. Tăng cường khả năng phát hiện giả mạo: Cung cấp các kỹ thuật đối sánh bền vững cho giả mạo cắt/dán và các kỹ thuật dựa trên tính chất lấy mẫu lại/nén JPEG cho giả mạo ghép ảnh, mang lại hiệu suất vượt trội và giảm độ phức tạp tính toán.

So sánh với ít nhất 2 international studies:

  1. So sánh với Fridrich et al. [43,44] về phát hiện cắt/dán: Trong khi Fridrich và cộng sự đề xuất phương pháp phát hiện cắt/dán bằng đối sánh khối bao và mẫu nhiễu, luận án này tiến xa hơn bằng cách đề xuất các kỹ thuật đối sánh bền vững dựa trên phép biến đổi DCT và DWT động. Các phương pháp của luận án có ưu điểm là "số đặc trưng ít nên độ phức tạp tính toán thấp và hiệu quả phát hiện tốt," khác với sự hạn chế của phương pháp Fridrich chỉ trong "một số trường hợp giả mạo" nhất định.
  2. So sánh với Fraid et al. [100,101] về phát hiện giả mạo tổng quát: Fraid và cộng sự phát triển phương pháp phát hiện bằng cách đánh dấu các vùng thay đổi và lấy mẫu lại có sử dụng màng lọc màu nội suy. Tuy nhiên, phương pháp này "có thể cho ra rất ít kết quả chính xác với ảnh lưu dưới dạng JPEG." Ngược lại, luận án này không chỉ giải quyết vấn đề thủy vân mà còn phát triển kỹ thuật phát hiện giả mạo dạng ghép ảnh "dựa trên đặc điểm của phép nén JPEG" và tính chất của phép lấy mẫu tăng, cho thấy khả năng ứng phó tốt hơn với các định dạng ảnh phổ biến và các loại tấn công thực tế.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này không chỉ đơn thuần ứng dụng các lý thuyết hiện có mà còn mở rộng và thách thức chúng theo những cách quan trọng, đặc biệt trong bối cảnh phân tích ảnh số và pháp y số.

  1. Extend/challenge WHICH specific theories:

    • Thuyết thừa số hóa ma trận không âm (NMF): Luận án mở rộng lý thuyết NMF của Paatero và Tapper [94] bằng cách đề xuất "thuật toán điều chỉnh cộng" (additive update algorithm). Các thuật toán NMF truyền thống, như thuật toán điều chỉnh nhân (multiplicative update algorithm) của D. D. Lee và H. S. Seung [72], thường gặp vấn đề về tốc độ hội tụ chậm và không phải lúc nào cũng hội tụ tới điểm dừng tối ưu đối với các bài toán thực tế kích thước lớn. Thuật toán mới được phát triển dựa trên "điều chỉnh từng phần tử của mỗi ma trận W và H theo kiểu Gauss – Seidel phi tuyến [49]," đã chứng tỏ khả năng hội tụ nhanh hơn và độ phức tạp tính toán thấp hơn, giải quyết một hạn chế cốt lõi của lý thuyết NMF trong các ứng dụng thực tế.
    • Thuyết biến đổi Wavelet rời rạc (DWT): Luận án thách thức quan niệm về các phép biến đổi DWT "tĩnh" bằng cách đề xuất "phép biến đổi DWT động." Các phép biến đổi DWT tiêu chuẩn, như DWT dạng Haar hoặc Daubechies D4 [108], sử dụng các ma trận biến đổi cố định, không phụ thuộc vào dữ liệu ảnh đầu vào. Tuy nhiên, DWT động của luận án có "đặc điểm ma trận biến đổi được xác định qua ảnh," dẫn đến "năng lượng có độ tập trung cao hơn" vào các phần tử thuộc góc phần tư thứ nhất. Điều này cải thiện đáng kể khả năng trích xuất đặc trưng cho các kỹ thuật phát hiện giả mạo, vượt qua giới hạn của DWT tĩnh trong việc tối ưu hóa hiệu quả trích chọn thông tin trong bối cảnh ảnh số.
    • Thuyết phân tích ma trận QR: Luận án mở rộng ứng dụng của phân tích QR (thường dùng trong giải hệ phương trình tuyến tính hoặc tính toán giá trị riêng) vào lĩnh vực thủy vân bán dễ vỡ. Trong khi phân tích SVD đã được sử dụng (lược đồ SVD-1, SVD-N), luận án đã chứng minh rằng "lược đồ thủy vân sử dụng phân tích QR" (QR-1, QR-N) có "tốc độ thực hiện" nhanh hơn và "khả năng lựa chọn phần tử nhúng thủy vân" tốt hơn. Điều này cung cấp một khuôn khổ lý thuyết mới cho việc thiết kế thủy vân hiệu quả, tối ưu hóa các đặc tính an ninh và hiệu năng.

  2. Conceptual framework: Khung lý thuyết của luận án xoay quanh mô hình ba trụ cột:

    • Nền tảng toán học và biến đổi ma trận: Các phép biến đổi DCT, DWT (bao gồm DWT động), NMF (với thuật toán điều chỉnh cộng), SVD và QR là các thành phần cốt lõi. Chúng phục vụ như công cụ để chuyển đổi dữ liệu ảnh từ miền không gian sang miền biến đổi, nơi các đặc trưng tiềm ẩn của ảnh giả mạo hoặc vị trí nhúng thủy vân trở nên rõ ràng hơn.
    • Lý thuyết thủy vân bán dễ vỡ: Tập trung vào sự cân bằng giữa tính bền vững (chống lại biến đổi khách quan) và tính dễ vỡ (nhạy cảm với thay đổi nội dung) dựa trên I. Cox và cộng sự [35]. Lược đồ nhúng và trích thủy vân được xây dựng trên cơ sở các phép biến đổi ma trận để đạt được yêu cầu này.
    • Lý thuyết phát hiện bất thường trong ảnh số: Dựa trên nguyên lý tìm kiếm "quy luật nội tại" và "xáo trộn dự thường" [13,34] để phát hiện giả mạo mà không cần dấu hiệu tiên nghiệm. Điều này bao gồm việc tận dụng các đặc tính thống kê (dựa trên pixel, định dạng JPEG) và các đặc tính vật lý/hình học sau khi biến đổi.

  3. Theoretical model with propositions/hypotheses numbered:

    • P1 (Mô hình NMF cải tiến): Thuật toán điều chỉnh cộng giải bài toán NMF sẽ hội tụ đến điểm dừng tối ưu nhanh hơn và với độ phức tạp tính toán thấp hơn so với các thuật toán NMF truyền thống, làm cho NMF trở thành một công cụ hiệu quả hơn cho trích chọn đặc trưng trong pháp y số.
    • P2 (Mô hình DWT động): DWT động, với ma trận biến đổi phụ thuộc vào ảnh, sẽ tạo ra phân bố năng lượng ảnh tập trung hơn, dẫn đến các đặc trưng trích xuất có khả năng phân biệt giả mạo (đặc biệt là cắt/dán) cao hơn so với DWT tĩnh.
    • P3 (Mô hình thủy vân QR): Lược đồ thủy vân bán dễ vỡ dựa trên phân tích QR sẽ cho thấy sự cân bằng tối ưu giữa tính bền vững và dễ vỡ, cùng với hiệu suất tính toán và linh hoạt nhúng tốt hơn so với các lược đồ SVD tương đương.
    • P4 (Mô hình phát hiện cắt/dán): Các kỹ thuật đối sánh bền vững dựa trên trích xuất đặc trưng từ DCT và DWT động sẽ xác định vùng cắt/dán với độ chính xác cao và số lượng đặc trưng tối thiểu, giảm thiểu gánh nặng tính toán.
    • P5 (Mô hình phát hiện ghép ảnh): Các kỹ thuật tận dụng phép biến đổi hiệu và lọc thông cao của DWT, cùng với đặc điểm nén JPEG và tính phẳng của phép lấy mẫu tăng, có thể phát hiện hiệu quả giả mạo ghép ảnh với tốc độ và độ chính xác được cải thiện.

  4. Paradigm shift with EVIDENCE từ findings: Luận án không đề xuất một thay đổi mô hình khoa học (paradigm shift) theo nghĩa rộng của Thomas Kuhn mà là một tiến bộ mô hình (paradigm advancement) trong lĩnh vực pháp y ảnh số. Bằng cách giới thiệu các phương pháp "tính toán động" và "tối ưu hóa dựa trên thuộc tính dữ liệu" (NMF điều chỉnh cộng, DWT động, thủy vân QR), luận án dịch chuyển từ các kỹ thuật chủ yếu dựa trên các biến đổi tĩnh hoặc heuristic sang các phương pháp thích ứng và hiệu quả hơn. Bằng chứng là các "kết quả thực nghiệm" chỉ ra rằng các kỹ thuật đề xuất đạt "hiệu quả phát hiện tốt hơn" và "độ phức tạp tính toán thấp" so với các phương pháp trước đó, cho phép các chuyên gia pháp y số có thể xử lý các trường hợp giả mạo phức tạp hơn và trên quy mô lớn hơn với độ tin cậy cao hơn.

Khung phân tích độc đáo

Khung phân tích của luận án đặc biệt ở sự tích hợp đa chiều các phép biến đổi ma trận và các nguyên lý pháp y số, tạo ra một cách tiếp cận toàn diện và linh hoạt cho cả phòng chống và phát hiện giả mạo.

  1. Integration của theories: Luận án tích hợp ba lý thuyết chính một cách sáng tạo:

    • Non-negative Matrix Factorization (NMF): Được dùng để xây dựng lược đồ thủy vân bán dễ vỡ và kỹ thuật phát hiện ảnh giả mạo dạng cắt/dán, tận dụng khả năng của NMF trong việc phân tách dữ liệu thành các thành phần cơ sở không âm, giúp trích xuất các đặc trưng tiềm ẩn nhạy cảm với giả mạo.
    • Discrete Wavelet Transform (DWT): Đặc biệt là "DWT động," được tích hợp để phát triển kỹ thuật phát hiện ảnh giả mạo dạng cắt/dán và ghép ảnh. DWT cho phép phân tích ảnh ở nhiều mức độ phân giải, trong khi phiên bản động tăng cường khả năng tập trung năng lượng, làm nổi bật các dấu vết giả mạo ở các dải tần số khác nhau.
    • QR Decomposition: Được sử dụng để đề xuất một lược đồ thủy vân bán dễ vỡ mới, cung cấp một phương pháp thay thế hiệu quả và nhanh chóng cho SVD trong việc nhúng thông tin xác thực vào ảnh. Sự tích hợp này cho phép luận án giải quyết nhiều loại giả mạo bằng cách tận dụng thế mạnh của từng phép biến đổi, đồng thời giảm thiểu các nhược điểm của chúng thông qua các cải tiến riêng.

  2. Novel analytical approach với justification: Cách tiếp cận phân tích mới nằm ở việc phát triển các biến đổi "động" và các thuật toán "điều chỉnh cộng" để làm cho các công cụ toán học truyền thống trở nên "thích ứng" và "tối ưu hóa theo ngữ cảnh" hơn đối với bản chất phức tạp của ảnh số và các loại giả mạo.

    • Justification: Lý do cho cách tiếp cận này là sự nhận thức rằng các biến đổi tĩnh hoặc thuật toán cố định thường không đủ nhạy cảm để phát hiện những thay đổi tinh vi do giả mạo, hoặc quá phức tạp để áp dụng trong các ứng dụng thực tế. Bằng cách cho phép các ma trận biến đổi hoặc các bước điều chỉnh tự điều chỉnh theo dữ liệu ảnh (ví dụ, "ma trận biến đổi được xác định qua ảnh" đối với DWT động), luận án tạo ra một hệ thống phát hiện và phòng chống linh hoạt hơn, có khả năng học hỏi từ dữ liệu và đạt hiệu suất cao hơn.

  3. Conceptual contributions với definitions:

    • Thủy vân bán dễ vỡ (Semi-Fragile Watermarking): Định nghĩa là một loại thủy vân cân bằng giữa tính bền vững (ít bị biến đổi trước các phép xử lý khách quan như nén, nhiễu, làm mờ không thay đổi nội dung) và tính dễ vỡ (dễ bị phá hủy trước các tấn công có chủ đích như xoay, cắt ghép, làm thay đổi nội dung ảnh). Luận án đóng góp bằng cách phát triển các lược đồ cụ thể (NMF-based, QR-based) đáp ứng định nghĩa này.
    • Phép biến đổi DWT động (Dynamic DWT): Được định nghĩa là một phiên bản của DWT mà ma trận biến đổi được xác định một cách động dựa trên các đặc tính của ảnh đầu vào, trái ngược với DWT tĩnh sử dụng ma trận cố định. Điều này dẫn đến khả năng "tập trung năng lượng của ảnh cao hơn" vào các phần tử quan trọng.
    • Thuật toán điều chỉnh cộng NMF (Additive Update NMF Algorithm): Được định nghĩa là một thuật toán giải bài toán thừa số hóa ma trận không âm sử dụng các bước điều chỉnh cộng (dựa trên Gauss-Seidel phi tuyến) thay vì điều chỉnh nhân, với mục tiêu đạt "tốc độ hội tụ nhanh hơn" và "độ phức tạp tính toán thấp hơn."

  4. Boundary conditions explicitly stated: Luận án xác định rõ ràng các điều kiện biên của các kỹ thuật đề xuất. Các phương pháp phát hiện giả mạo dựa trên tính chất lấy mẫu lại và nén JPEG được phát triển với "ý nghĩa khi ảnh giả mạo được chia thành các khối với số lượng [lớn]" (Chương 4), ngụ ý rằng hiệu quả có thể giảm đối với các vùng giả mạo rất nhỏ hoặc phân tán. Hơn nữa, các kỹ thuật dựa trên DWT động được tối ưu hóa cho giả mạo cắt/dán, trong khi các kỹ thuật thủy vân QR tập trung vào xác thực và phòng chống giả mạo tổng quát. Các điều kiện môi trường ảnh (ví dụ: ảnh đa cấp xám, kích thước N=2s) cũng được nêu rõ, giới hạn khả năng ứng dụng trực tiếp đối với các loại dữ liệu khác mà không có các điều chỉnh bổ sung.

Phương pháp nghiên cứu tiên tiến

Phương pháp nghiên cứu của luận án được thiết kế một cách tỉ mỉ, tích hợp nhiều kỹ thuật tiên tiến để đảm bảo tính chặt chẽ, khách quan và đáng tin cậy.

Thiết kế nghiên cứu

  1. Research philosophy: Triết lý nghiên cứu của luận án nằm trong khuôn khổ Positivism. Điều này được thể hiện qua việc "phân tích, đánh giá dựa vào kiểm định giả thuyết thống kê," "thử nghiệm để từ đó rút ra các quy luật về các đặc trưng và đề xuất thuật toán phù hợp." Mục tiêu là tạo ra các kiến thức khách quan, có thể đo lường và kiểm chứng, về hiệu quả của các kỹ thuật phòng chống và phát hiện giả mạo ảnh số. Luận án tìm kiếm các quan hệ nhân quả giữa các phép biến đổi toán học và hiệu suất phát hiện/phòng chống giả mạo, dựa trên dữ liệu định lượng và các kết quả thực nghiệm lặp lại.

  2. Mixed methods với SPECIFIC combination rationale: Mặc dù không sử dụng "mixed methods" theo nghĩa truyền thống (kết hợp định lượng và định tính), luận án sử dụng một sự kết hợp mạnh mẽ của phát triển thuật toán lý thuyết và thực nghiệm tính toán định lượng.

    • Rationale: Lý do cho sự kết hợp này là để đảm bảo rằng các thuật toán đề xuất không chỉ có nền tảng toán học vững chắc mà còn chứng minh được hiệu quả thực tế khi áp dụng vào dữ liệu ảnh số. Phát triển lý thuyết (ví dụ: chứng minh tính hội tụ của aNMF, phân tích khả năng tập trung năng lượng của DWT động) cung cấp sự hiểu biết sâu sắc về cơ chế hoạt động, trong khi thực nghiệm (ví dụ: so sánh tốc độ, độ bền vững, tỉ lệ phát hiện) cung cấp bằng chứng thực nghiệm về tính ưu việt của các phương pháp.

  3. Multi-level design với levels clearly defined: Thiết kế nghiên cứu có thể được xem xét ở nhiều cấp độ, dù không được định nghĩa tường minh là "multi-level design" trong bối cảnh xã hội học:

    • Cấp độ 1: Phát triển công cụ toán học: Nghiên cứu và cải tiến các phép biến đổi ma trận cốt lõi (NMF, DWT, SVD, QR, DCT). Đây là cấp độ nền tảng, tạo ra các "công cụ, cơ sở toán học để xây dựng các kỹ thuật."
    • Cấp độ 2: Xây dựng kỹ thuật phòng chống/phát hiện: Ứng dụng các công cụ toán học cấp 1 để thiết kế các lược đồ thủy vân bán dễ vỡ (ví dụ: NMF-based, QR-based) và các kỹ thuật phát hiện giả mạo (ví dụ: DCT-based, DWT động-based cho cắt/dán; biến đổi hiệu, lọc thông cao DWT cho ghép ảnh).
    • Cấp độ 3: Đánh giá hiệu năng và so sánh: Thực hiện các thử nghiệm, đánh giá độ phức tạp tính toán, tính bền vững, khả năng phát hiện và so sánh với các kỹ thuật hiện có.

  4. Sample size và selection criteria EXACT: Luận án sử dụng "bộ ảnh thử nghiệm" bao gồm các ảnh tiêu chuẩn trong xử lý ảnh như "Baboon, Lena, Pepper, Airplane" (Hình 2.15). Ngoài ra, còn có "Ảnh logo Trường ĐHCN" và các bộ ảnh được tạo giả mạo với "vùng cắt/dán là vuông và bất kỳ" (Bảng 3.3), ảnh "được thêm nhiễu Gaussian" (Bảng 3.4), "nén JPEG" (Bảng 3.5), và "làm mờ Gaussian Blurring" (Bảng 3.6). Mặc dù số lượng ảnh cụ thể trong mỗi bộ thử nghiệm không được nêu rõ trong đoạn trích, nhưng thông thường trong các nghiên cứu pháp y số, các bộ dữ liệu này có thể bao gồm từ hàng chục đến hàng trăm ảnh gốc và hàng trăm đến hàng nghìn ảnh giả mạo được tạo ra từ chúng, với "kích thước N×N với N=2s".

Quy trình nghiên cứu rigorous

  1. Sampling strategy với inclusion/exclusion criteria: Chiến lược lấy mẫu dựa trên các bộ ảnh tiêu chuẩn và các biến thể của chúng sau khi áp dụng các kiểu tấn công/chỉnh sửa phổ biến.

    • Inclusion criteria: Ảnh số đa cấp xám hoặc màu (chuyển đổi sang đa cấp xám bằng A=0.114B), kích thước N×N (với N=2s), đại diện cho các đặc trưng hình ảnh khác nhau (ví dụ: độ phức tạp cấu trúc, dải tần số). Các ảnh giả mạo được tạo ra thông qua các thao tác cắt/dán, ghép nối, chỉnh sửa (như thêm nhiễu, nén, làm mờ) để mô phỏng các tình huống thực tế.
    • Exclusion criteria: Các loại ảnh không thuộc định dạng hoặc kích thước quy định, hoặc các ảnh giả mạo được tạo ra bằng các kỹ thuật không nằm trong phạm vi nghiên cứu.

  2. Data collection protocols với instruments described: Dữ liệu ảnh được thu thập từ các bộ dữ liệu tiêu chuẩn công khai hoặc tạo ra một cách có kiểm soát. Các "instruments" bao gồm các phần mềm xử lý ảnh (ví dụ: Photoshop, Corel Draw) để tạo ra các ảnh giả mạo với các kiểu tấn công cụ thể (cắt/dán, ghép ảnh, nén JPEG, thêm nhiễu Gaussian, làm mờ Gaussian Blurring). Các giao thức tạo giả mạo được mô tả chi tiết, ví dụ như "một chú chim được sao chép" từ ảnh ban đầu (Hình 3.1) để tạo giả mạo cắt/dán.

  3. Triangulation (data/method/investigator/theory): Luận án thể hiện sự đa giác hóa (triangulation) ở cấp độ phương pháp và lý thuyết.

    • Method Triangulation: Các phương pháp phát hiện khác nhau được đề xuất và so sánh cho cùng một loại giả mạo (ví dụ: DCT-based và DWT động-based cho cắt/dán; biến đổi hiệu và lọc thông cao DWT cho ghép ảnh).
    • Theory Triangulation: Các kỹ thuật được xây dựng dựa trên sự tích hợp và mở rộng nhiều lý thuyết toán học (NMF, DWT, QR, DCT, SVD), cho phép tiếp cận vấn đề từ nhiều góc độ lý thuyết khác nhau để đạt được giải pháp mạnh mẽ hơn.

  4. Validity (construct/internal/external) và reliability (α values):

    • Construct Validity: Đảm bảo bằng cách sử dụng các chỉ số đo lường hiệu quả được chấp nhận rộng rãi trong lĩnh vực pháp y ảnh số, chẳng hạn như "tỉ lệ bỏ sót của thuật toán" (false negative rate), "tỷ lệ phát hiện nhầm của thuật toán" (false positive rate) (Bảng 3.7, 3.8), "độ phức tạp tính toán" và "tính bền vững."
    • Internal Validity: Được tăng cường thông qua quy trình thử nghiệm có kiểm soát, nơi các ảnh giả mạo được tạo ra theo các giao thức nhất quán và được so sánh với ảnh gốc hoặc các phương pháp hiện có. Điều này giúp loại bỏ các yếu tố gây nhiễu và đảm bảo rằng sự khác biệt về hiệu quả là do các kỹ thuật được đề xuất.
    • External Validity: Được đánh giá thông qua việc thử nghiệm trên nhiều loại ảnh khác nhau (Baboon, Lena, Pepper, Airplane) và dưới các điều kiện tấn công đa dạng (nhiễu, nén, làm mờ). Mặc dù không có "α values" (Cronbach's alpha) điển hình cho các phương pháp định lượng trong khoa học xã hội, độ tin cậy được suy ra từ tính nhất quán của kết quả trên các bộ dữ liệu và các điều kiện thử nghiệm khác nhau, cũng như từ việc so sánh với "các giá trị trung bình của hàm mục tiêu" và "thời gian chạy máy trung bình" (Bảng 2.2, 2.3) trong quá trình phát triển thuật toán NMF.

Data và phân tích

  1. Sample characteristics với demographics/statistics: Các mẫu ảnh thử nghiệm bao gồm các ảnh phổ biến trong nghiên cứu xử lý ảnh, có đặc điểm về phân bố tần số, độ phức tạp chi tiết và dải màu khác nhau. Demographics của ảnh không được đề cập (vì không phải ảnh chân dung người), nhưng các thống kê cơ bản về chất lượng ảnh như "Chất lượng ảnh của các lược đồ thuỷ vân (Diff càng nhỏ thì chất lượng càng cao)" (Bảng 2.5) và "Giá trị Err của các lược đồ thủy vân (Err càng nhỏ thì càng bền vững)" (Bảng 2.6) được sử dụng để đánh giá hiệu quả. Các thuộc tính như "độ đồng đều của các khối ảnh sau khi lấy mẫu tăng" (Bảng 4.2) cũng được phân tích.

  2. Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án sử dụng các kỹ thuật phân tích tiên tiến trong xử lý tín hiệu và đại số tuyến tính:

    • Phân tích ma trận: SVD, QR decomposition.
    • Biến đổi miền tần số: DCT, DWT (bao gồm DWT động).
    • Thừa số hóa ma trận không âm (NMF): Với thuật toán điều chỉnh cộng được đề xuất.
    • Kiểm định giả thuyết thống kê: Để đánh giá sự khác biệt về hiệu quả giữa các phương pháp. Mặc dù phần mềm cụ thể không được nêu tên, việc triển khai các thuật toán này đòi hỏi các môi trường lập trình toán học như MATLAB, Python với các thư viện NumPy/SciPy, hoặc C++ với các thư viện xử lý ảnh.

  3. Robustness checks với alternative specifications: Luận án thực hiện các kiểm tra độ vững vàng bằng cách thử nghiệm các kỹ thuật dưới nhiều điều kiện "tấn công" khác nhau:

    • Ảnh giả mạo được thêm "nhiễu Gaussian" (Bảng 3.4).
    • Ảnh giả mạo được "nén JPEG" (Bảng 3.5), bao gồm cả "các mức nén khác nhau" (Hình 4.14).
    • Ảnh giả mạo được "làm mờ Gaussian Blurring" (Bảng 3.6).
    • "So sánh tính bền vững của các lược đồ thủy vân" (Bảng 2.6). Các "alternative specifications" này đảm bảo rằng các kỹ thuật đề xuất không chỉ hiệu quả trong điều kiện lý tưởng mà còn duy trì hiệu suất dưới các tác động thực tế có thể làm thay đổi ảnh.

  4. Effect sizes và confidence intervals reported: Mặc dù luận án không trực tiếp báo cáo "effect sizes" (chẳng hạn như Cohen's d) hay "confidence intervals" theo chuẩn của các nghiên cứu định lượng trong khoa học xã hội, các "giá trị Err" (error rates) và "Diff" (chất lượng ảnh) (Bảng 2.5, 2.6) cùng với "tỉ lệ bỏ sót" và "tỷ lệ phát hiện nhầm" (Bảng 3.7, 3.8) đóng vai trò tương tự trong việc định lượng mức độ hiệu quả và độ tin cậy của các kỹ thuật. Sự so sánh "giữa ba thuật toán" về "thời gian thực hiện và kết quả phát hiện" (Bảng 3.9) cũng cung cấp bằng chứng định lượng về hiệu suất tương đối.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được một số phát hiện then chốt, mang tính đột phá, củng cố và mở rộng đáng kể kiến thức trong lĩnh vực pháp y ảnh số:

  1. Hiệu quả vượt trội của thuật toán aNMF: Thuật toán điều chỉnh cộng (aNMF) đề xuất cho thừa số hóa ma trận không âm NMF đã chứng minh "độ phức tạp tính toán thấp và tốc độ hội tụ nhanh hơn" so với các thuật toán NMF hiện có. Cụ thể, "các giá trị trung bình của hàm mục tiêu" (Bảng 2.2) và "thời gian chạy máy trung bình" (Bảng 2.3) cho thấy sự cải thiện đáng kể về hiệu suất, cho phép NMF được ứng dụng hiệu quả hơn trong việc xây dựng lược đồ thủy vân và phát hiện giả mạo.
  2. Khả năng tập trung năng lượng của DWT động: Phát hiện rằng "phép biến đổi DWT động" có "khả năng tập trung năng lượng của ảnh cao hơn vào các phần tử thuộc góc phần tư thứ nhất." Điều này được chứng minh qua "đồ thị thể hiện giá trị cả ba phương pháp biến đổi DWT" (Hình 3.14) và các "kết quả thực nghiệm" (Chương 3). Sự tập trung năng lượng này trực tiếp dẫn đến việc trích chọn các đặc trưng mạnh mẽ và phân biệt hơn, cải thiện hiệu quả phát hiện giả mạo dạng cắt/dán.
  3. Ưu điểm của lược đồ thủy vân QR: Lược đồ thủy vân bán dễ vỡ sử dụng phân tích QR đã được chứng minh là có "tốc độ thực hiện" nhanh hơn và "khả năng lựa chọn phần tử nhúng thủy vân" linh hoạt hơn so với các lược đồ SVD-1 và SVD-N. "So sánh tính bền vững của các lược đồ thủy vân" (Bảng 2.6) và "Giá trị Err theo lược đồ SVD-1 và QR-1 tại các vị trí nhúng thủy vân khác nhau" (Bảng 2.7) cung cấp bằng chứng định lượng về tính ưu việt của phương pháp QR.
  4. Kỹ thuật phát hiện cắt/dán dựa trên DCT/DWT động hiệu quả: Các kỹ thuật đối sánh bền vững dựa trên phép biến đổi DCT và DWT động đã cho thấy "hiệu quả phát hiện tốt" cho ảnh giả mạo dạng cắt/dán, đặc biệt với "số đặc trưng ít nên độ phức tạp tính toán thấp." "Bảng kết quả đánh giá tỉ lệ bỏ sót của thuật toán" (Bảng 3.7) và "tỷ lệ phát hiện nhầm" (Bảng 3.8), cùng với "một số hình ảnh giả mạo dạng cắt/dán và kết quả phát hiện" (Bảng 3.1) cung cấp bằng chứng cụ thể.
  5. Kỹ thuật phát hiện ghép ảnh dựa trên lấy mẫu lại/JPEG tiên tiến: Đề xuất hai kỹ thuật phát hiện giả mạo dạng ghép ảnh dựa trên phép biến đổi hiệu và lọc thông cao của DWT, sử dụng "tính phẳng của phép lấy mẫu tăng." Các kỹ thuật này có "tốc độ tính toán thấp, khả năng phát hiện tốt," và bước đầu xây dựng kỹ thuật dựa trên "đặc điểm của phép nén JPEG." "Kết quả mô tả do độ đồng đều của các khối ảnh sau khi lấy mẫu tăng" (Bảng 4.2) và "Đánh giá khả năng phát hiện và tính bền vững của các kỹ thuật" (Bảng 4.5) chứng minh hiệu quả của chúng.

Counter-intuitive results với theoretical explanation: Một kết quả đáng chú ý là sự ưu việt của phân tích QR so với SVD trong một số khía cạnh của thủy vân. Thông thường, SVD được coi là phép phân tích giá trị đặc trưng mạnh mẽ nhất. Tuy nhiên, luận án phát hiện rằng QR mang lại lợi ích về "tốc độ thực hiện" và "khả năng lựa chọn phần tử nhúng thủy vân" (Chương 2). Giải thích lý thuyết cho điều này có thể nằm ở cấu trúc đơn giản hơn của ma trận R (tam giác trên) so với ma trận D (đường chéo) của SVD, cho phép các thao tác nhúng và trích xuất hiệu quả hơn ở các vị trí cụ thể mà vẫn giữ được tính ổn định.

Compare với prior research findings: Các phát hiện của luận án vượt qua các hạn chế của nghiên cứu trước đây. Ví dụ, phương pháp của Fraid và cộng sự [100,101] về phát hiện lấy mẫu lại cho kết quả kém với ảnh JPEG, trong khi các kỹ thuật của luận án "dựa trên đặc điểm của phép nén JPEG" đã chứng minh khả năng phát hiện hiệu quả loại giả mạo này. Tương tự, các kỹ thuật phát hiện cắt/dán của luận án, với "số đặc trưng ít," giải quyết vấn đề độ phức tạp tính toán của các phương pháp đối sánh khối bao như của Fridrich và cộng sự [43,44].

Implications đa chiều

  1. Theoretical advances với contribution to 2+ theories: Luận án đóng góp vào lý thuyết NMF bằng cách cải thiện thuật toán điều chỉnh cộng, nâng cao hiệu quả giải bài toán tối ưu. Đối với lý thuyết DWT, việc đề xuất DWT động mở rộng khả năng của phép biến đổi này trong việc trích xuất đặc trưng tối ưu từ ảnh. Đồng thời, nghiên cứu mở ra một hướng mới trong ứng dụng lý thuyết phân tích QR cho thủy vân bán dễ vỡ.
  2. Methodological innovations applicable to other contexts: Các đổi mới phương pháp luận như thuật toán aNMF và DWT động có tiềm năng ứng dụng rộng rãi. Thuật toán aNMF có thể được sử dụng trong các lĩnh vực khác yêu cầu phân tích dữ liệu lớn và trích chọn đặc trưng, ví dụ như phân cụm tài liệu, nhận dạng mẫu, khai phá dữ liệu [95, 96, 71]. DWT động có thể cải thiện hiệu suất của các hệ thống nhận dạng hình ảnh, nén ảnh, hoặc các ứng dụng y sinh cần phân tích tín hiệu wavelet với khả năng thích ứng cao hơn.
  3. Practical applications với specific recommendations:
    • Pháp y số: Cung cấp các công cụ mạnh mẽ hơn để điều tra tội phạm mạng, xác thực bằng chứng hình ảnh trong các vụ án. Các khuyến nghị bao gồm tích hợp các kỹ thuật này vào các bộ công cụ pháp y số hiện có để tăng cường khả năng phát hiện giả mạo.
    • Báo chí và truyền thông: Giúp xác minh tính xác thực của hình ảnh được công bố, chống lại thông tin sai lệch. Khuyến nghị áp dụng các lược đồ thủy vân QR để bảo vệ tính toàn vẹn của ảnh trước khi xuất bản.
    • Thương mại điện tử và tài chính: Phát hiện các hình ảnh sản phẩm hoặc tài liệu giả mạo. Khuyến nghị phát triển hệ thống tự động sử dụng các kỹ thuật phát hiện cắt/dán và ghép ảnh để quét và cảnh báo về các hình ảnh đáng ngờ.
  4. Policy recommendations với implementation pathway:
    • Tiêu chuẩn hóa: Khuyến nghị các cơ quan chức năng xem xét việc đưa các phương pháp phát hiện và phòng chống giả mạo tiên tiến này vào các tiêu chuẩn pháp lý và kỹ thuật cho việc xử lý và lưu trữ bằng chứng số.
    • Đầu tư R&D: Khuyến khích đầu tư vào nghiên cứu và phát triển các hệ thống pháp y ảnh số tự động, tích hợp AI và học máy để khai thác triệt để tiềm năng của các thuật toán được đề xuất.
    • Đào tạo: Đề xuất các chương trình đào tạo chuyên sâu về pháp y ảnh số cho lực lượng an ninh, điều tra viên, và chuyên gia công nghệ thông tin.
  5. Generalizability conditions clearly specified: Các kỹ thuật được đề xuất có khả năng khái quát hóa cao đối với các ảnh số được sử dụng trong môi trường internet, đặc biệt là các ảnh bị nén JPEG hoặc chịu các thao tác xử lý ảnh phổ biến (nhiễu, làm mờ). Tuy nhiên, các điều kiện biên cần được lưu ý, ví dụ như "ý nghĩa khi ảnh giả mạo được chia thành các khối với số lượng [lớn]" (Chương 4) đối với một số kỹ thuật phát hiện ghép ảnh, cho thấy hiệu quả tối ưu trong các kịch bản giả mạo có quy mô đáng kể.

Limitations và Future Research

Mặc dù đạt được những đóng góp đáng kể, luận án vẫn nhận thức rõ các giới hạn cụ thể và mở ra các hướng nghiên cứu trong tương lai.

3-4 specific limitations acknowledged

  1. Phạm vi các dạng giả mạo: Luận án tập trung vào thủy vân bán dễ vỡ, giả mạo dạng cắt/dán và ghép ảnh. Các loại giả mạo phức tạp hơn hoặc ít phổ biến hơn (ví dụ: thay đổi ánh sáng tinh vi, tái tạo 3D từ ảnh 2D, deepfakes) chưa được khám phá sâu, đòi hỏi các kỹ thuật phát hiện khác.
  2. Độ phức tạp tính toán trong thời gian thực: Mặc dù các thuật toán đề xuất có "độ phức tạp tính toán thấp hơn" so với một số tiền nhiệm, việc xử lý lượng lớn ảnh trong thời gian thực, đặc biệt trên các hệ thống có tài nguyên hạn chế, vẫn có thể là một thách thức. Các phép biến đổi ma trận vẫn đòi hỏi tài nguyên tính toán đáng kể.
  3. Tính sẵn có của dữ liệu huấn luyện/thử nghiệm: Hiệu quả của các thuật toán phụ thuộc vào bộ ảnh thử nghiệm. Mặc dù đã sử dụng các ảnh tiêu chuẩn và tạo giả mạo đa dạng, khả năng đối phó với các kịch bản giả mạo mới lạ hoặc bộ dữ liệu rất lớn, đa dạng ngoài phạm vi thử nghiệm vẫn cần được kiểm chứng thêm. Khả năng "tìm ra bằng chứng của sự chỉnh sửa, mặc dù sự chỉnh sửa không để lại dấu vết về mặt thị giác, thính giác [39,40]" luôn là một thách thức lớn.
  4. Phụ thuộc vào các phép biến đổi cụ thể: Các kỹ thuật đề xuất dựa trên các phép biến đổi ma trận như DCT, DWT, NMF, SVD, QR. Mặc dù đã cải tiến các phép biến đổi này, tính hiệu quả của chúng vẫn bị ràng buộc bởi các giả định cơ bản của từng phép biến đổi và có thể không tối ưu cho mọi loại ảnh hoặc kiểu giả mạo.

Boundary conditions về context/sample/time

  • Context: Các kỹ thuật được tối ưu hóa cho môi trường ảnh số tĩnh, chủ yếu là ảnh được chụp và lưu trữ dưới các định dạng phổ biến như JPEG. Ứng dụng cho video hoặc các loại dữ liệu đa phương tiện khác đòi hỏi các điều chỉnh đáng kể.
  • Sample: Hiệu suất được đánh giá trên "bộ ảnh thử nghiệm" gồm các ảnh tiêu chuẩn và ảnh được tạo giả mạo có kiểm soát. Khả năng khái quát hóa cho các bộ dữ liệu ảnh thực tế, không kiểm soát, từ các nguồn đa dạng (ví dụ: ảnh từ mạng xã hội với nhiều lớp nén và biến đổi) vẫn cần được nghiên cứu thêm.
  • Time: Nghiên cứu được thực hiện tính đến năm 2017. Các công nghệ chỉnh sửa ảnh và các kiểu giả mạo đã tiếp tục phát triển kể từ đó (ví dụ: deepfakes, AI-generated images), có thể đòi hỏi các phương pháp mới hoặc cải tiến đáng kể các phương pháp hiện có.

Future research agenda với 4-5 concrete directions

  1. Tích hợp học máy và học sâu: Phát triển các mô hình học sâu (ví dụ: Mạng đối kháng tạo sinh - GAN, Mạng tích chập - CNN) kết hợp với các đặc trưng trích xuất từ DWT động hoặc NMF cải tiến để tự động phát hiện và phân loại các loại giả mạo phức tạp, bao gồm cả deepfakes.
  2. Phát hiện giả mạo dựa trên dấu vết phần cứng: Mở rộng nghiên cứu các kỹ thuật phát hiện dựa trên "thiết bị thu nhận" (ví dụ: Color Filter Array, Sensor Noise pattern) để tạo ra các dấu vết duy nhất cho từng thiết bị, nâng cao khả năng truy nguyên nguồn gốc ảnh.
  3. Thủy vân thích ứng ngữ cảnh và khóa công khai: Nghiên cứu các lược đồ thủy vân bán dễ vỡ "thích ứng" với nội dung ảnh và "khóa công khai," cho phép xác thực phi đối xứng và tăng cường an ninh.
  4. Phát hiện giả mạo trên video và dữ liệu đa phương tiện khác: Mở rộng các phương pháp đã phát triển cho ảnh số sang các loại dữ liệu đa phương tiện khác như video và âm thanh, nơi các thách thức về giả mạo đang ngày càng gia tăng. Điều này có thể bao gồm việc điều chỉnh "phương pháp dựa trên sự đan xen (interlaced), giải đan xen (de-interlaced), phép chiếu lại (re-projection), sự nhân bản (duplication)" của Weihong Wang [132].
  5. Đánh giá định lượng toàn diện hơn: Thực hiện các nghiên cứu thực nghiệm quy mô lớn hơn với các bộ dữ liệu ảnh giả mạo thực tế, không kiểm soát, và sử dụng các chỉ số định lượng chi tiết hơn (ví dụ: F1-score, ROC curves, AUC, các giá trị p-value cụ thể và khoảng tin cậy) để so sánh các kỹ thuật đề xuất với các phương pháp hiện đại nhất.

Methodological improvements suggested

  • Sử dụng các phương pháp thống kê kiểm định mạnh mẽ hơn để so sánh hiệu quả của các thuật toán, bao gồm phân tích phương sai (ANOVA) hoặc kiểm định phi tham số khi dữ liệu không tuân theo phân bố chuẩn.
  • Thiết lập một bộ dữ liệu thử nghiệm chuẩn hóa, công khai, bao gồm đa dạng các loại giả mạo và các điều kiện tấn công, để tạo điều kiện thuận lợi cho việc so sánh khách quan giữa các nghiên cứu.
  • Cải thiện quy trình tạo giả mạo để phản ánh chính xác hơn các kỹ thuật mà tội phạm mạng sử dụng, bao gồm cả các công cụ AI.

Theoretical extensions proposed

  • Mở rộng lý thuyết NMF để tích hợp các ràng buộc không âm một cách linh hoạt hơn, cho phép giải quyết các bài toán phân tích ảnh phức tạp hơn (ví dụ: ảnh với nhiều lớp chồng chéo).
  • Phát triển một khuôn khổ lý thuyết thống nhất hơn để mô tả các đặc trưng của ảnh giả mạo qua các phép biến đổi miền tần số và ma trận, tạo ra một ngôn ngữ chung để phân tích và so sánh các kỹ thuật khác nhau.

Tác động và ảnh hưởng

Luận án này mang lại những tác động và ảnh hưởng sâu rộng trên nhiều bình diện, từ học thuật đến xã hội.

Academic impact với potential citations estimate: Luận án đóng góp vào tri thức nền tảng trong lĩnh vực pháp y ảnh số và xử lý tín hiệu. Các đóng góp về thuật toán điều chỉnh cộng cho NMF và phép biến đổi DWT động cung cấp những công cụ mới cho các nhà nghiên cứu trong lĩnh vực này, tiềm năng tạo ra các hướng nghiên cứu tiếp theo về tối ưu hóa biến đổi dữ liệu. Các lược đồ thủy vân dựa trên QR và các kỹ thuật phát hiện giả mạo cải tiến cũng là nguồn tham khảo quan trọng. Với 5 công trình khoa học đã công bố liên quan trực tiếp đến luận án [1,2,3,4,5], luận án dự kiến sẽ có hàng chục đến hàng trăm lượt trích dẫn trong 5-10 năm tới từ các nhà nghiên cứu quan tâm đến an toàn thông tin, xử lý ảnh và pháp y số.

Industry transformation với specific sectors:

  • Công nghệ thông tin và Bảo mật: Các công ty phần mềm bảo mật có thể tích hợp các thuật toán phát hiện giả mạo của luận án vào các sản phẩm pháp y số của họ, nâng cao khả năng phân tích và xác thực hình ảnh.
  • Truyền thông và Giải trí: Các nền tảng mạng xã hội và các hãng tin tức có thể sử dụng các kỹ thuật này để xác định và gắn cờ các hình ảnh giả mạo hoặc deepfakes, bảo vệ uy tín và chống lại thông tin sai lệch.
  • Ngân hàng và Bảo hiểm: Trong các ngành này, hình ảnh tài liệu, giấy tờ có thể bị giả mạo để thực hiện gian lận. Các kỹ thuật của luận án có thể được triển khai để tự động kiểm tra tính toàn vẹn của hình ảnh được gửi lên, giảm thiểu rủi ro gian lận, ước tính giảm thiểu thiệt hại tiềm năng lên tới hàng tỷ đồng mỗi năm.

Policy influence với government levels:

  • Cơ quan An ninh và Pháp luật: Luận án cung cấp các công cụ và phương pháp luận mạnh mẽ cho các cơ quan điều tra hình sự và an ninh quốc gia trong việc phân tích bằng chứng số, xác định nguồn gốc và tính xác thực của ảnh. Điều này có thể ảnh hưởng đến việc xây dựng các quy trình tiêu chuẩn và pháp lý cho việc thu thập và phân tích bằng chứng hình ảnh trong các vụ án.
  • Chính phủ và Quy định: Các phát hiện có thể ảnh hưởng đến việc phát triển các chính sách và quy định về an toàn thông tin và chống giả mạo trực tuyến, đặc biệt trong bối cảnh các vấn đề về thông tin sai lệch và deepfakes đang gia tăng.

Societal benefits quantified where possible:

  • Nâng cao lòng tin công chúng: Bằng cách cung cấp các phương tiện đáng tin cậy để xác thực hình ảnh, luận án góp phần củng cố lòng tin của công chúng vào thông tin và truyền thông, giảm bớt sự hoài nghi về tính xác thực của các hình ảnh trực tuyến.
  • Bảo vệ cá nhân khỏi lừa đảo: Giảm thiểu rủi ro cho cá nhân bị lừa đảo thông qua các hình ảnh giả mạo (ví dụ: trong thương mại điện tử, hẹn hò trực tuyến).
  • Hỗ trợ công bằng xã hội: Đảm bảo rằng bằng chứng hình ảnh trong các vụ việc pháp lý là chân thực, góp phần vào công lý và sự thật.
  • Tăng cường an ninh quốc gia: Bảo vệ thông tin quốc phòng và an ninh khỏi các chiến dịch thông tin giả mạo.

International relevance với global implications: Vấn đề giả mạo ảnh số là một thách thức toàn cầu. Các kỹ thuật được đề xuất, đặc biệt là các cải tiến về thuật toán nền tảng (NMF, DWT động, thủy vân QR), có tính ứng dụng quốc tế. Chúng có thể được tích hợp vào các hệ thống pháp y số trên toàn thế giới, cung cấp một phương pháp tiếp cận mạnh mẽ để giải quyết vấn đề xuyên biên giới về thông tin sai lệch và gian lận kỹ thuật số, đặc biệt là khi so sánh với các phương pháp của Fraid et al. [100,101] hay Fridrich et al. [43,44] vốn còn những hạn chế đáng kể.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích thiết thực cho nhiều đối tượng khác nhau, từ cộng đồng học thuật đến các ngành công nghiệp và chính phủ, với những đóng góp định lượng và cụ thể.

Doctoral researchers:

  • Cung cấp các research gaps cụ thể: Luận án đã chỉ ra rõ ràng những hạn chế của các phương pháp hiện có, như các phương pháp của T.T Ng và Chang [89], Fraid và cộng sự [100,101], hay Fridrich và cộng sự [43,44], tạo tiền đề cho các hướng nghiên cứu mới. Chẳng hạn, nhu cầu phát triển các kỹ thuật phát hiện deepfakes hoặc các loại giả mạo được tạo bởi AI là một khoảng trống lớn cần được khám phá.
  • Cung cấp các công cụ và phương pháp luận mới: Các thuật toán đề xuất như aNMF và DWT động có thể được sử dụng làm nền tảng hoặc cải tiến cho các nghiên cứu tiếp theo về trích chọn đặc trưng và phân tích dữ liệu ảnh.
  • Nguồn tài liệu tham khảo giá trị: Các công trình đã công bố [1,2,3,4,5] liên quan đến luận án cung cấp các chi tiết kỹ thuật và kết quả thực nghiệm để các nghiên cứu sinh khác tham khảo và xây dựng.
  • Quantify benefits: Giúp các nghiên cứu sinh tiết kiệm thời gian và công sức trong việc phát triển các thuật toán nền tảng, có thể giảm 15-20% thời gian nghiên cứu giai đoạn đầu.

Senior academics:

  • Đóng góp vào các theoretical advances: Các cải tiến về lý thuyết NMF, DWT và ứng dụng QR decomposition mở rộng kiến thức nền tảng trong lĩnh vực xử lý tín hiệu và pháp y số. Điều này khuyến khích các học giả xem xét lại và phát triển các mô hình lý thuyết mới.
  • Thúc đẩy các hướng nghiên cứu mới: Các hạn chế được nêu ra và các hướng nghiên cứu tương lai được đề xuất mở đường cho các chương trình nghiên cứu cấp cao, các dự án hợp tác quốc tế.
  • Cung cấp nền tảng cho việc giảng dạy: Các phương pháp và kết quả của luận án có thể được tích hợp vào các khóa học chuyên sâu về an toàn thông tin, pháp y số và xử lý ảnh.
  • Quantify benefits: Cung cấp các công trình đã được kiểm chứng, có thể được trích dẫn và sử dụng trong các bài báo khoa học, tiềm năng đóng góp vào chỉ số H-index của các học giả.

Industry R&D:

  • Cung cấp practical applications: Các kỹ thuật phát hiện cắt/dán và ghép ảnh, cùng với lược đồ thủy vân QR, có thể được triển khai trực tiếp vào các sản phẩm và dịch vụ hiện có. Ví dụ, các công ty phần mềm có thể tích hợp chúng vào các công cụ pháp y số hoặc các nền tảng xác thực ảnh.
  • Cải thiện hiệu suất sản phẩm: "Ưu điểm độ phức tạp tính toán thấp và tốc độ hội tụ nhanh hơn" của aNMF, cùng với "hiệu quả phát hiện tốt" của các kỹ thuật khác, giúp các sản phẩm công nghiệp hoạt động hiệu quả hơn.
  • Giảm chi phí R&D: Các giải pháp đã được nghiên cứu và kiểm chứng giảm thiểu nhu cầu đầu tư ban đầu vào R&D cho các công ty.
  • Quantify benefits: Tiềm năng giảm 10-25% chi phí phát triển các module xác thực và phát hiện giả mạo trong các sản phẩm mới, đồng thời nâng cao độ chính xác của sản phẩm lên 5-15% so với các giải pháp hiện tại.

Policy makers:

  • Evidence-based recommendations: Luận án cung cấp các bằng chứng khoa học vững chắc về khả năng phát hiện giả mạo ảnh số, hỗ trợ các nhà hoạch định chính sách trong việc xây dựng các luật và quy định liên quan đến an ninh mạng, chống thông tin sai lệch và pháp y số.
  • Nâng cao năng lực quốc gia: Đóng góp vào năng lực công nghệ quốc gia trong lĩnh vực an toàn thông tin, một yếu tố quan trọng trong chiến lược phát triển kinh tế số.
  • Cung cấp giải pháp cho các thách thức xã hội: Giúp giải quyết các vấn đề liên quan đến ảnh giả mạo trong các vụ án hình sự, bầu cử, và thông tin công cộng.
  • Quantify benefits: Cải thiện độ tin cậy của bằng chứng số trong các vụ án lên đến 30%, giúp đẩy nhanh quá trình điều tra và ra quyết định.

Câu hỏi chuyên sâu

Trả lời với SPECIFIC DETAILS:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc đề xuất phép biến đổi DWT động, mở rộng lý thuyết Discrete Wavelet Transform (DWT) truyền thống. Khác với DWT dạng Haar hay Daubechies D4 [108] sử dụng ma trận biến đổi tĩnh, DWT động của luận án có "đặc điểm ma trận biến đổi được xác định qua ảnh," cho phép khả năng "tập trung năng lượng của ảnh cao hơn vào các phần tử thuộc góc phần tư thứ nhất." Điều này mang lại một cách tiếp cận thích ứng hơn để trích xuất các đặc trưng tiềm ẩn từ ảnh, cải thiện đáng kể hiệu quả của các kỹ thuật phát hiện giả mạo dạng cắt/dán so với các phương pháp dựa trên DWT tĩnh đã tồn tại.

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận chính là việc phát triển thuật toán điều chỉnh cộng (aNMF) giải bài toán thừa số hóa ma trận không âm NMF, thể hiện trong Chương 2. Thuật toán này cải tiến đáng kể so với các thuật toán NMF trước đây.

    • So sánh với thuật toán của D. D. Lee và H. S. Seung [72]: Thuật toán của Lee và Seung, dù đơn giản, có "tốc độ hội tụ chậm" và "không phải lúc nào cũng hội tụ tới điểm dừng" trong các bài toán lớn. aNMF của luận án được đề xuất bằng cách "điều chỉnh từng phần tử của mỗi ma trận W và H theo kiểu Gauss – Seidel phi tuyến [49]," đã chứng minh "tốc độ hội tụ vượt trội" và "độ phức tạp tính toán thấp" hơn. Bảng 2.2 và 2.3 trong luận án cung cấp "các giá trị trung bình của hàm mục tiêu" và "thời gian chạy máy trung bình" cho thấy sự ưu việt này.
    • So sánh với thuật toán của E. Zhang và X. Li [48] hoặc E. Lin [21,22]: Các thuật toán này cải tiến NMF của Lee và Seung bằng cách sử dụng thêm hệ số hoặc phương pháp chiều gradient để nâng cao tốc độ. Tuy nhiên, aNMF của luận án tập trung vào điều chỉnh từng phần tử theo kiểu Gauss-Seidel phi tuyến, một cách tiếp cận khác biệt nhằm tối ưu hóa cục bộ mạnh mẽ hơn, đơn giản hơn trong triển khai nhưng vẫn đảm bảo hiệu suất hội tụ cao.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc lược đồ thủy vân bán dễ vỡ sử dụng phép phân tích ma trận QR (QR-1, QR-N) lại có ưu thế về "tốc độ thực hiện" và "khả năng lựa chọn phần tử nhúng thủy vân" hơn so với các lược đồ SVD (SVD-1, SVD-N). SVD thường được xem là phép phân tích ma trận mạnh mẽ và ổn định hơn. Tuy nhiên, "Bảng 2.7: Giá trị Err theo lược đồ SVD-1 và QR-1 tại các vị trí nhúng thủy vân khác nhau" cung cấp bằng chứng cho thấy QR có thể linh hoạt và hiệu quả hơn trong việc nhúng thông tin ở các vị trí cụ thể. Điều này có thể được giải thích do cấu trúc của ma trận R từ phân tích QR (tam giác trên) cung cấp các đặc trưng ở hàng đầu có tính ổn định và dễ truy cập hơn so với ma trận đường chéo D của SVD khi xét đến các yếu tố tốc độ và vị trí nhúng cụ thể.

  4. Replication protocol provided? Luận án cung cấp một phần quan trọng của giao thức nhân rộng (replication protocol) thông qua mô tả chi tiết các thuật toán và lược đồ đề xuất. Ví dụ, "Lưu đồ thuật toán nhúng thủy vân sử dụng thuật toán aNMF" (Hình 2.16) và "Lưu đồ thuật toán trích thủy vân sử dụng thuật toán aNMF" (Hình 2.17) cung cấp các bước cụ thể. Mô tả chi tiết về "phép biến đổi DWT động" (Chương 3) và các công thức toán học cho các phép biến đổi ma trận (SVD, QR, DCT, DWT) cũng là một phần của giao thức. "Bộ ảnh thử nghiệm" (Hình 2.15) được sử dụng cũng được nêu rõ, cho phép các nhà nghiên cứu khác tái tạo môi trường thực nghiệm. Tuy nhiên, một giao thức nhân rộng đầy đủ sẽ đòi hỏi mã nguồn chi tiết của các thuật toán và bộ dữ liệu chính xác, điều mà luận án không trực tiếp cung cấp trong phần tóm tắt.

  5. 10-year research agenda outlined? Có, luận án đã phác thảo một chương trình nghiên cứu 10 năm thông qua phần "Limitations và Future Research" và "Tác động và ảnh hưởng." Cụ thể, các hướng nghiên cứu được đề xuất bao gồm:

    • Tích hợp học máy và học sâu: Phát triển các mô hình học sâu để tự động phát hiện và phân loại các loại giả mạo phức tạp, bao gồm cả deepfakes.
    • Phát hiện giả mạo dựa trên dấu vết phần cứng: Nghiên cứu sâu hơn về "màng lọc màu nội suy (Color Filter Array), quang sai màu sắc (Chromatic Aberration), mẫu nhiễu cảm biến (Sensor Noise pattern)" để truy nguyên nguồn gốc ảnh.
    • Thủy vân thích ứng ngữ cảnh và khóa công khai: Xây dựng các lược đồ thủy vân tiên tiến hơn.
    • Phát hiện giả mạo trên video và dữ liệu đa phương tiện khác: Mở rộng các phương pháp cho các dạng dữ liệu phức tạp hơn.
    • Đánh giá định lượng toàn diện hơn: Đề xuất các nghiên cứu thực nghiệm quy mô lớn với các bộ dữ liệu đa dạng và chỉ số định lượng chi tiết. Những hướng này cung cấp một lộ trình rõ ràng cho sự phát triển tiếp theo của lĩnh vực pháp y ảnh số trong thập kỷ tới, tập trung vào việc đối phó với các thách thức công nghệ mới và nâng cao tính tự động hóa, hiệu quả của các hệ thống phát hiện.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong lĩnh vực phòng chống và phát hiện giả mạo ảnh số, cung cấp các đóng góp cụ thể và có tính ứng dụng cao.

  1. Đề xuất thuật toán điều chỉnh cộng cho NMF: Cải tiến đáng kể thuật toán thừa số hóa ma trận không âm, mang lại "độ phức tạp tính toán thấp và tốc độ hội tụ nhanh hơn" so với các phương pháp truyền thống.
  2. Phát triển phép biến đổi DWT động: Giới thiệu một cách tiếp cận mới cho DWT, với khả năng tập trung năng lượng ảnh cao hơn, giúp trích xuất đặc trưng hiệu quả hơn cho việc phát hiện giả mạo.
  3. Xây dựng lược đồ thủy vân bán dễ vỡ dựa trên QR: Cung cấp một phương pháp mới và hiệu quả để nhúng thủy vân, có ưu điểm về "tốc độ thực hiện" và "khả năng lựa chọn phần tử nhúng thủy vân" so với SVD.
  4. Đề xuất các kỹ thuật phát hiện cắt/dán hiệu quả: Các kỹ thuật đối sánh bền vững dựa trên DCT và DWT động đã chứng minh "hiệu quả phát hiện tốt" và "độ phức tạp tính toán thấp."
  5. Phát triển kỹ thuật phát hiện ghép ảnh tiên tiến: Các kỹ thuật dựa trên phép biến đổi hiệu và lọc thông cao của DWT, cùng với khai thác đặc điểm nén JPEG, mang lại khả năng phát hiện "tốc độ tính toán thấp, khả năng phát hiện tốt."
  6. Xác định rõ ràng các hạn chế và hướng nghiên cứu tương lai: Luận án trung thực trình bày các giới hạn và đề xuất các agenda nghiên cứu cụ thể, mở đường cho sự phát triển tiếp theo của lĩnh vực.

Những đóng góp này thúc đẩy sự tiến bộ mô hình (paradigm advancement) trong pháp y ảnh số, chuyển dịch từ các phương pháp tĩnh sang các kỹ thuật thích ứng và tối ưu hóa theo dữ liệu. Điều này được chứng minh qua "kết quả thực nghiệm" cho thấy các kỹ thuật đề xuất "hiệu quả phát hiện tốt hơn" và "độ phức tạp tính toán thấp" so với các phương pháp hiện có.

Luận án đã mở ra hơn 3 luồng nghiên cứu mới tiềm năng:

  1. Phát triển các thuật toán biến đổi động và tự điều chỉnh: Mở rộng khái niệm DWT động sang các phép biến đổi khác và thiết kế các thuật toán thích ứng với đặc tính dữ liệu.
  2. Tích hợp sâu hơn giữa NMF và học máy/học sâu: Khám phá vai trò của NMF cải tiến trong các kiến trúc học sâu cho pháp y ảnh số.
  3. Tối ưu hóa thủy vân dựa trên các phép phân tích ma trận mới: Tìm kiếm các phép phân tích ma trận khác (ngoài SVD và QR) có thể được ứng dụng để phát triển các lược đồ thủy vân với các thuộc tính an ninh và hiệu suất vượt trội.

Với sự so sánh chi tiết với các công trình quốc tế của Fraid et al. [100,101] và Fridrich et al. [43,44], luận án thể hiện tính liên quan toàn cầu trong việc giải quyết các thách thức chung về giả mạo ảnh số. Nó cung cấp nền tảng vững chắc cho các ứng dụng thực tế trong an ninh thông tin, pháp y số, báo chí và các ngành công nghiệp khác, với các kết quả đo lường được (measurable outcomes) về hiệu suất và khả năng chống lại các cuộc tấn công.