Tổng quan về luận án

Trong kỷ nguyên chuyển đổi số y tế và sự bùng nổ của mạng lưới y tế từ xa (telemedicine), nhu cầu truyền tải, lưu trữ và bảo mật dữ liệu hình ảnh y khoa qua môi trường Internet gia tăng nhanh chóng. Hình ảnh y tế số hóa không chỉ đóng vai trò phương tiện chẩn đoán mà còn tích hợp thông tin nhận dạng cá nhân của người bệnh. Điều này đặt ra bài toán cấp thiết về việc xác thực nguồn gốc, chống sao chép trái phép và bảo vệ tính toàn vẹn dữ liệu. Luận án tiến sĩ "Nâng cao hiệu quả kỹ thuật watermarking thiếu thông tin tiên nghiệm cho ảnh y tế và ảnh đa kênh" của tác giả Nguyễn Thanh Tuấn (chuyên ngành Kỹ thuật viễn thông, mã số 62520208, thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh dưới sự hướng dẫn của GS. Lê Tiến Thường, bảo vệ năm 2023) đã giải quyết triệt để các rào cản kỹ thuật then chốt trong lĩnh vực giấu tin số (digital watermarking).

                      HỆ THỐNG WATERMARKING THIẾU THÔNG TIN TIÊN NGHIỆM
                                    (BLIND WATERMARKING)
  ┌─────────────────────────────────────────────────────────────────────────────────────────┐
  │                                                                                         │
  │   [Ảnh Y Tế / Đa Kênh] ──> [Bộ Nhúng: Emb(T(x), w)] ──> [Kênh Tấn Công: Q(y'|y)]        │
  │           x                       │                             │                       │
  │                                   v                             v                       │
  │   [Thông Điệp b / Khóa k] ──> [Watermark w]               [Ảnh Bị Biến Dạng y']         │
  │                                                                 │                       │
  │                                                                 v                       │
  │   [Giải Mã: b* = argmax p(r|b, k)] <── [Bộ Trích: Extr(T(y'), k)] <─────────────────────┘
  │
  └─────────────────────────────────────────────────────────────────────────────────────────┘

Khoảng trống nghiên cứu (research gap) cốt lõi được luận án chỉ ra là: phần lớn các kỹ thuật thủy vân số hiện đại đạt hiệu năng cao khi có đầy đủ thông tin tiên nghiệm (informed/non-blind watermarking), song lại bị hạn chế nghiêm trọng trong ứng dụng thực tế do bắt buộc phải có ảnh gốc hoặc tập vector đặc trưng gốc tại phía thu (Cox et al., 1997; Guo et al., 2015). Đối với kỹ thuật thủy vân mù (blind watermarking – thiếu thông tin tiên nghiệm), việc trích xuất chính xác thông tin ẩn dưới tác động của các cuộc tấn công hình học mất đồng bộ (geometric desynchronization attacks) và can nhiễu đa kênh (inter-channel crosstalk) vẫn là thách thức lớn chưa có lời giải tối ưu toán học. Hơn nữa, hầu hết nghiên cứu trước đây chỉ thử nghiệm trên ảnh xám đơn kênh 8-bit tự nhiên, thiếu vắng các giải pháp chuyên biệt cho ảnh y tế độ sâu bit cao (lên tới 16-bit ở chuẩn DICOM) và chưa đánh giá toàn diện trước các tấn công tạo sinh mới bằng trí tuệ nhân tạo như siêu phân giải (Super-Resolution).

Luận án đặt ra 4 câu hỏi nghiên cứu và 4 giả thuyết khoa học cốt lõi:

  • RQ1: Làm thế nào để nhúng dữ liệu bệnh nhân dung lượng lớn vào ảnh y tế định dạng DICOM với độ bảo mật cao mà không làm suy giảm chất lượng chẩn đoán lâm sàng?
    • H1: Khai thác độ sâu bit mở rộng (12–16 bit) của ảnh DICOM kết hợp mã hóa khóa đối xứng AES và phân vùng tự do ROI/RONI cho phép nhúng trực tiếp trong miền không gian với độ méo bằng 0 tại vùng chẩn đoán.
  • RQ2: Cơ chế nào giúp hệ thống watermarking trích xuất mù thông tin chính xác tuyệt đối trước các tấn công xoay, co giãn, cắt xén mà không cần tập đặc trưng ảnh gốc để so khớp?
    • H2: Lượng tử hóa chẵn lẻ dựa trên các vùng đặc trưng SIFT ổn định được chọn lọc với ngưỡng quy mô $k_{SIFT}=15$ tạo ra tính tự đồng bộ hình học và khả năng phục hồi dữ liệu mù hoàn toàn.
  • RQ3: Có thể triệt tiêu nhiễu nội từ ảnh gốc và giải tương quan giữa các kênh ảnh trong kỹ thuật trải phổ mù để tối ưu hóa xác suất lỗi bit hay không?
    • H3: Sử dụng biến đổi Karhunen–Loève (KLT) kết hợp cấu trúc watermark trực giao và bộ thu tương quan hợp tác tối ưu cho phép giải tương quan liên kênh mà không cần truyền ma trận hiệp phương sai gốc.
  • RQ4: Dấu thủy vân có thể tồn tại bền vững trước các phép tái tạo hình ảnh phi tuyến sử dụng mạng nơ-ron học sâu hay không?
    • H4: Cấu trúc nhúng cục bộ trong các miền bất biến cục bộ của SIFT giữ nguyên được tính nhất quán ngữ nghĩa sau các phép suy diễn tạo sinh của mạng ESRGAN/RRDN.

Khung lý thuyết của nghiên cứu được xây dựng vững chắc trên nền tảng Lý thuyết truyền thông thống kê (Statistical Communication Theory), Lý thuyết quyết định Bayes (Bayesian Decision Theory), Biến đổi đặc trưng bất biến tỉ lệ (Scale-Invariant Feature Transform - SIFT), Biến đổi trực giao Karhunen–Loève (KLT), và Mạng nơ-ron đối kháng tạo sinh (Generative Adversarial Networks - GAN). Phạm vi nghiên cứu bao phủ các phương thức tạo ảnh y tế lâm sàng chủ đạo gồm: Cắt lớp vi tính (CT), Cộng hưởng từ (MRI), X-quang (XR), và Siêu âm (US) với kích thước ma trận $512 \times 512$, hỗ trợ độ sâu bit từ 8-bit đến 16-bit.

Literature Review và Positioning

Lịch sử phát triển kỹ thuật thủy vân ảnh số ghi nhận 3 dòng nghiên cứu chính với những đóng góp và hạn chế riêng biệt:

                            TIẾN TRÌNH PHÁT TRIỂN LÝ THUYẾT WATERMARKING
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │                                                                                        │
  │   [Thế hệ 1: Miền Không Gian / LSB] ──> Tirkel et al. (1993), van Schyndel (1994)      │
  │   Đặc trưng: Nhúng bit thấp; Dung lượng cao; Kém bền vững, bảo mật yếu.                │
  │                                                                                        │
  │   [Thế hệ 2: Trải Phổ / Biến Đổi DCT/DWT] ──> Cox et al. (1997), Malvar (2003)        │
  │   Đặc trưng: Trải năng lượng; Bền với nén/lọc; Yêu cầu ảnh gốc hoặc can nhiễu nội.     │
  │                                                                                        │
  │   [Thế hệ 3: Đặc Trưng Bất Biến & Đa Kênh] ──> Nikolaidis (2005), Barni et al. (2003) │
  │   Đặc trưng: Dựa trên SIFT/KLT; Chống xoay/co giãn; Hạn chế về trích mù & bảo mật.     │
  │                                                                                        │
  │   [Đóng Góp Của Luận Án (2023)] ──> NGUYỄN THANH TUẤN                                  │
  │   Đột phá: LSB-AES-RONI + Q-SIFT Mù + Trải Phổ Hợp Tác CSS-KLT + Kháng Deep Learning   │
  │                                                                                        │
  └────────────────────────────────────────────────────────────────────────────────────────┘
  1. Dòng nghiên cứu miền không gian và kỹ thuật LSB: Tirkel et al., 1993 và van Schyndel et al., 1994 đặt nền móng cho kỹ thuật thay thế bit trọng số thấp (Least Significant Bit - LSB). Ưu điểm của LSB là độ phức tạp tính toán $O(1)$, thực hiện trực tiếp trong miền không gian và bảo toàn cảm thụ thị giác. Tuy nhiên, phương pháp LSB truyền thống có độ bảo mật thấp và dễ bị phá hủy bởi các biến đổi dữ liệu. Trong y tế, các tác giả như Coatrieux et al., 2006 và Al-Qershi & Khoo, 2011 đề xuất nhúng vào vùng không quan tâm (RONI), song quy trình phân vùng thường yêu cầu siêu dữ liệu phụ trợ phức tạp khi trích xuất.
  2. Dòng nghiên cứu trải phổ (Spread Spectrum - SS) và miền tần số: Cox et al., 1997 tiên phong ứng dụng lý thuyết truyền thông trải phổ vào miền DCT. Mặc dù bền vững cao, phương pháp này đòi hỏi ảnh gốc ở phía thu. Các cải tiến trải phổ mù sau đó (Malvar & Florencio, 2003) đã nỗ lực giảm thiểu can nhiễu từ ảnh chủ (host signal interference), nhưng chỉ giới hạn ở nhúng 1-bit trên ảnh đơn sắc. Đối với ảnh màu đa kênh, Barni et al., 2000, 2003 và Hajjaji et al., 2011 khai thác biến đổi KLT để giải tương quan RGB. Tuy nhiên, các công trình này đều giả định rằng ma trận hiệp phương sai của ảnh sau nhúng tương đương ảnh gốc – một giả định thiếu chặt chẽ khi có tấn công kênh truyền.
  3. Dòng nghiên cứu thủy vân dựa trên đặc trưng (Feature-based / Second Generation Watermarking): Để khắc phục các tấn công hình học đồng bộ (RST: Rotation, Scaling, Translation), Lowe, 2004 giới thiệu biến đổi SIFT. Nikolaidis, 2005 sử dụng toàn bộ điểm đặc trưng SIFT để nhúng thủy vân, dẫn đến sự suy giảm nghiêm trọng chất lượng ảnh do chồng lấn vùng nhúng. Ngược lại, Guo, Li & Pan, 2015 chỉ chọn các đặc trưng bền vững kết hợp lượng tử hóa chẵn lẻ, song quá trình trích xuất bắt buộc phải lưu trữ và sử dụng vector đặc trưng gốc để so khớp, làm mất đi tính ứng dụng thực tiễn của hệ thống mù.

Luận án định vị nghiên cứu tại giao điểm đột phá: chuyển đổi toàn bộ quy trình trích xuất sang cơ chế thiếu thông tin tiên nghiệm (Blind Extraction) hoàn toàn, đồng thời thiết lập cơ chế bảo mật hai lớp và tối ưu hóa giải tích xác suất lỗi cho dữ liệu ảnh y tế và ảnh đa kênh.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và nâng cấp hệ thống lý thuyết thủy vân số thông qua các đề xuất toán học giải tích:

  1. Mở rộng lý thuyết truyền thông trải phổ đa kênh hợp tác: Phát triển mô hình máy thu tương quan tuyến tính tối ưu dựa trên phân tích quyết định thống kê Bayes. Luận án chứng minh chặt chẽ mệnh đề: Nếu chuỗi watermark thỏa mãn điều kiện trực giao $\langle p_n, p_l \rangle = 0$ ($n \neq l$), phép biến đổi Karhunen–Loève (KLT) có thể thực hiện trích xuất mù chính xác trên ảnh đa kênh mà không cần ma trận hiệp phương sai của ảnh gốc.
  2. Hình thức hóa mô hình lượng tử hóa hình học không gian SIFT: Mở rộng lý thuyết điều chế chỉ số lượng tử (Quantization Index Modulation - QIM) sang các miền hình học cục bộ: nhúng hình quạt (Fan-shaped Multi-bit Q_SIFT - FSMQ_SIFT) và hình nửa vành khuyên (Half-Ring-shaped Multi-bit Q_SIFT - HRSMQ_SIFT).
  3. Mô hình hóa toán học tác động của sai số làm tròn số học: Xác định hàm mật độ xác suất sai số trong chuyển đổi không gian số nguyên sang thực và ngược lại đối với các phép biến đổi DCT, DWT, KLT, chứng minh nguyên nhân gây suy giảm độ tin cậy ở các hệ thống trải phổ cổ điển.
                                MÔ HÌNH HÌNH HỌC NHÚNG ĐA BIT SIFT
             Phân Vùng Hình Nửa Vành Khuyên (HRSMQ_SIFT)       Phân Vùng Hình Quạt (FSMQ_SIFT)
                        ┌──────────────────┐                     ┌──────────────────┐
                        │     /------\     │                     │     \  |  /      │
                        │    /  /--\  \    │                     │   \  \ | /  /    │
                        │   |  | (•) |  |   │                     │  ─── (•) ───    │
                        │    \  \--/  /    │                     │   /  / | \  \    │
                        │     \------/     │                     │     /  |  \      │
                        └──────────────────┘                     └──────────────────┘
                         Bán kính: [r1, r2]                       Góc chia: [θ1, θ2]

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành giữa 4 trụ cột lý thuyết:

$$\text{Mô hình nhúng tổng quát: } y = T^{-1}\left(\text{Emb}\left(T(x), w\right)\right) \quad \text{với} \quad w = \sum_{n=1}^N c_n p_n M$$

Trong đó $T$ là toán tử biến đổi trực giao (Spatial, DCT, DWT, KLT), $c_n$ là từ mã thông điệp, $p_n$ là hàm chiếu trực giao, và $M$ là mặt nạ cảm thụ thị giác (Human Visual System - HVS).

  • Quy tắc lượng tử hóa chẵn lẻ tối ưu: $$\text{Bộ lượng tử chẵn: } q_{even} = 2k\Delta, \quad \text{Bộ lượng tử lẻ: } q_{odd} = (2k+1)\Delta$$ Khoảng cách lượng tử $\Delta$ được giải tích hóa để cực tiểu hóa sai số bình phương trung bình ($\text{MSE}$) trên từng pixel: $$\text{MSE} = \frac{1}{N}\sum_{i=1}^N (y_i - x_i)^2 \le \frac{\Delta^2}{12}$$
  • Điều kiện biên xác định: Năng lượng watermark được giới hạn trong ngưỡng không thể nhận biết bởi hệ thống thị giác người ($HVS$), với chỉ số tương đồng cấu trúc $\text{SSIM} \ge 0.98$ và tỉ số tín hiệu đỉnh trên nhiễu $\text{PSNR} \ge 40\text{ dB}$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan thực chứng (Positivism), kết hợp giữa suy diễn toán học hình thức và thực nghiệm kiểm chứng mô phỏng. Thiết kế nghiên cứu đa tầng bao gồm 3 phân hệ độc lập tương ứng với 3 bài toán kỹ thuật:

                            MA TRẬN PHƯƠNG PHÁP NGHIÊN CỨU ĐA TẦNG
  ┌──────────────────┬───────────────────────┬────────────────────────┬─────────────────────┐
  │   Phân Hệ        │   Miền Xử Lý          │   Thuật Toán Đề Xuất   │   Mục Tiêu Tối Ưu   │
  ├──────────────────┼───────────────────────┼────────────────────────┼─────────────────────┤
  │   Phân hệ 1      │   Không gian / Tag    │   DICOM_LSB_AES        │   Bảo mật & Zero    │
  │   (Ảnh DICOM)    │   DICOM y tế          │   DICOM_LSB_AES_RONI   │   Distortion ROI    │
  ├──────────────────┼───────────────────────┼────────────────────────┼─────────────────────┤
  │   Phân hệ 2      │   Đặc trưng SIFT      │   Q_SIFT, FSMQ_SIFT    │   Kháng tấn công    │
  │   (Hình học & AI)│   Không gian tỉ lệ    │   HRSMQ_SIFT, SQ_SIFT  │   RST & ESRGAN      │
  ├──────────────────┼───────────────────────┼────────────────────────┼─────────────────────┤
  │   Phân hệ 3      │   Miền phổ / Vector   │   MISS, MISS_DCT/DWT   │   Khử can nhiễu     │
  │   (Ảnh đa kênh)  │   KLT, DCT, DWT       │   CSS, CSS_KLT         │   Bộ thu Bayes tối ưu│
  └──────────────────┴───────────────────────┴────────────────────────┴─────────────────────┘

Quy trình nghiên cứu rigorous

  1. Quy trình trích chọn đặc trưng SIFT bền vững:
    • Tạo không gian tỉ lệ qua tháp Gauss và hàm chênh lệch Gauss (Difference of Gaussians - DoG): $$D(x, y, \sigma) = (G(x, y, k\sigma) - G(x, y, \sigma)) * I(x, y)$$
    • Xác định cực trị DoG bằng cách so sánh mỗi điểm ảnh với 26 điểm lân cận trong không gian 3 chiều (không gian và tỉ lệ).
    • Thiết lập bộ lọc loại bỏ các điểm có độ tương phản thấp hoặc nằm ở biên ảnh.
    • Áp dụng hệ số tỉ lệ $k_{SIFT}=15$ để chọn lọc các đĩa đặc trưng có bán kính đủ lớn, loại bỏ hoàn toàn hiện tượng chồng lấn (non-overlapping) và cách xa biên ảnh.
  2. Quy trình phân vùng tự động ROI/RONI trên ảnh DICOM:
    • Sử dụng giải thuật khoanh vùng đa giác tự do và bao đóng chữ nhật tự động để cô lập vùng giải phẫu bệnh (ROI).
    • Thực hiện nhúng dữ liệu đã mã hóa AES-128/256 vào 3 mặt phẳng bit LSB của vùng RONI, bảo đảm vùng ROI nguyên bản 100%.
  3. Quy trình trích xuất mù và giải mã hợp tác:
    • Tại phía thu, tái tạo vector đặc trưng nội dung mà không sử dụng ảnh gốc.
    • Áp dụng thuật toán chia nhóm lặp vòng dựa trên hệ số tương quan chéo chuẩn hóa không (Zero Normalized Cross-Correlation - ZNCC) để khôi phục chính xác vùng nhúng ban đầu: $$\text{ZNCC} = \frac{\sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^N (x_i - \bar{x})^2 \sum_{i=1}^N (y_i - \bar{y})^2}}$$

Data và phân tích

  • Tập dữ liệu thử nghiệm: Bộ cơ sở dữ liệu ảnh y tế chuẩn hóa gồm hàng trăm ảnh DICOM lâm sàng (CT sọ não/ngực, MRI cột sống/khớp, X-ray phổi, Siêu âm tim/ổ bụng) với kích thước ma trận $512 \times 512$ pixel, độ sâu bit 8-bit, 12-bit và 16-bit; kết hợp bộ ảnh màu đa kênh RGB chuẩn (Lena, Peppers, Mandrill).
  • Môi trường và công cụ phân tích: Toàn bộ thuật toán được lập trình, mô phỏng và kiểm chứng trên nền tảng MATLAB R2020b/R2022a, kết hợp thư viện xử lý ảnh y tế chuyên dụng.
  • Mô hình tấn công AI: Kiến trúc mạng học sâu ESRGAN (Enhanced Super-Resolution GAN) với bộ sinh dựa trên mạng dày đặc phần dư trong phần dư RRDN (Residual-in-Residual Dense Network) được huấn luyện trên PyTorch để tạo ra các cuộc tấn công siêu phân giải $4\times$ nhằm kiểm tra độ bền vững của thủy vân.
  • Các tiêu chuẩn kiểm tra độ mạnh (Robustness Checks):
    • Tấn công không đồng bộ: Nhiễu Gaussian ($\sigma^2 \in [0.001, 0.05]$), Nhiễu muối tiêu ($d \in [0.01, 0.1]$), Nén JPEG ($QF \in [10, 90]$), Nén JPEG2000, Bộ lọc trung bình, Bộ lọc trung vị ($3 \times 3, 5 \times 5$).
    • Tấn công đồng bộ: Xoay ảnh ($\theta = \pm 5^\circ, \pm 15^\circ, \pm 30^\circ, \pm 45^\circ$), Co giãn tỉ lệ ($s \in [0.5, 2.0]$), Cắt xén cục bộ ($10% - 50%$).

Phát hiện đột phá và implications

Những phát hiện then chốt

                                  KẾT QUẢ ĐỘ BỀN VỮNG VÀ CHẤT LƯỢNG
  ┌──────────────────────────────────────────────┬───────────────────────────────┬────────────────────────────┐
  │   Phương Pháp                                │   Chỉ Số Cảm Thụ (PSNR / SSIM)│   Hiệu Năng Kháng Tấn Công │
  ├──────────────────────────────────────────────┼───────────────────────────────┼────────────────────────────┤
  │   DICOM_LSB_AES_RONI                         │   PSNR = 52.4 dB / SSIM = 1.0 │   Toàn vẹn 100% vùng ROI   │
  │   Q_SIFT (1-bit mù)                          │   PSNR = 43.8 dB / SSIM = 0.99│   BER = 0 khi xoay 45°     │
  │   HRSMQ_SIFT / FSMQ_SIFT (Đa bit)            │   PSNR > 41.5 dB / SSIM > 0.98│   Kháng nén JPEG QF=20     │
  │   CSS_KLT (Đa kênh)                          │   PSNR = 45.2 dB / SSIM = 0.99│   SNR máy thu tăng 4.8 dB  │
  │   Kháng ESRGAN (AI Super-Resolution)         │   PSNR = 38.6 dB / SSIM = 0.96│   ZNCC trích xuất > 0.96   │
  └──────────────────────────────────────────────┴───────────────────────────────┴────────────────────────────┘
  1. Hiệu năng bảo mật tuyệt đối và bảo toàn chẩn đoán của DICOM_LSB_AES_RONI: Thử nghiệm trên ảnh CT và MRI 16-bit cho thấy việc nhúng dữ liệu vào 3 mặt phẳng bit LSB của vùng RONI đạt giá trị $\text{PSNR} > 52.4\text{ dB}$ trên toàn ảnh, trong khi tại vùng ROI, chỉ số $\text{MSE} = 0$ và $\text{SSIM} = 1.0000$. Dữ liệu bệnh nhân được giải mã chính xác 100% nhờ chuẩn mã hóa AES với không gian khóa $2^{128}$ hoặc $2^{256}$.
  2. Khả năng tự đồng bộ hình học vượt trội của Q_SIFT và HRSMQ_SIFT: Trích xuất mù thành công $100%$ thông điệp ($\text{BER} = 0$) sau khi ảnh bị xoay $45^\circ$ hoặc co giãn tỉ lệ $0.5\times$ và $2.0\times$. Đột phá này vượt trội hoàn toàn so với công trình của Guo et al., 2015 (vốn yêu cầu vector đặc trưng ảnh gốc) và Nikolaidis, 2005 (bị suy giảm chất lượng hiển thị do nhúng toàn bộ điểm SIFT).
  3. Phát hiện phản trực giác về độ bền trước tấn công AI Siêu phân giải: Các mô hình tạo sinh ESRGAN/RRDN tuy tái tạo và nội suy phi tuyến hàng triệu pixel mới, nhưng cấu trúc hình học cục bộ tại các vùng đặc trưng SIFT quy mô $k_{SIFT}=15$ vẫn được bảo toàn nguyên vẹn. Hệ số tương quan $\text{ZNCC}$ của watermark trích xuất đạt $> 0.96$, chứng minh tính vững chắc của phương pháp lượng tử hóa hình học trước các thuật toán AI hiện đại.
  4. Tối ưu hóa xác suất lỗi trong trải phổ hợp tác CSS_KLT: Khi tỉ số năng lượng giữa các thành phần ảnh riêng KLT đạt $50:10:1$, giải pháp trải phổ hợp tác CSS_KLT kết hợp bộ thu tương quan tối ưu làm giảm xác suất lỗi bit $P_e$ xuống dưới $10^{-6}$ trong môi trường nhiễu cộng Gaussian, vượt trội hơn $4.8\text{ dB}$ về tỉ số tín hiệu trên nhiễu ($\text{SNR}$) tại máy thu so với phương pháp trải phổ từng kênh độc lập (Barni et al., 2000).

Implications đa chiều

  • Về mặt lý thuyết: Thiết lập mô hình giải tích toàn diện chứng minh tính khả thi của kỹ thuật giấu tin mù trên không gian vector đa chiều và không gian tỉ lệ bất biến hình học, hợp nhất lý thuyết truyền thông thống kê với xử lý ảnh y sinh.
  • Về mặt phương pháp luận: Chuẩn hóa quy trình đánh giá hệ thống watermarking thông qua việc bổ sung đường cong đặc tính hoạt động máy thu (ROC - Receiver Operating Characteristic), kiểm soát đồng thời lỗi báo động sai (False Alarm) và lỗi không phát hiện (False Negative).
  • Về mặt ứng dụng thực tiễn: Tạo ra giải pháp tích hợp trực tiếp hồ sơ bệnh án điện tử (EMR) và chữ ký số vào chính tập tin DICOM, cho phép triển khai ngay trên các hệ thống PACS (Picture Archiving and Communication System) mà không làm thay đổi cấu trúc phần cứng y tế hiện hữu.
  • Về mặt chính sách y tế: Cung cấp giải pháp kỹ thuật đáp ứng các quy định bảo mật nghiêm ngặt của Luật An toàn thông tin mạng, định hướng chuyển đổi số y tế của Bộ Y tế Việt Nam, cũng như tiêu chuẩn quốc tế HIPAA và GDPR.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn kỹ thuật cần tiếp tục hoàn thiện:

                            GIỚI HẠN VÀ ĐỊNH HƯỚNG PHÁT TRIỂN
  ┌──────────────────────────────────────────────┬──────────────────────────────────────────────┐
  │   Hạn Chế Hiện Tại                           │   Chương Trình Nghiên Cứu Tương Lai          │
  ├──────────────────────────────────────────────┼──────────────────────────────────────────────┤
  │   Độ phức tạp tính toán SIFT cao             │   Tối ưu hóa tăng tốc phần cứng FPGA / GPU   │
  │   Chưa mở rộng cho video y tế thời gian thực │   Nghiên cứu Watermarking cho 3D/4D & Video  │
  │   Phụ thuộc vào tính dừng thống kê của KLT   │   Ứng dụng mạng học sâu thích nghi (Deep Wmk)│
  │   Giới hạn nén mất mát cực đoan trên LSB     │   Phát triển chuẩn Watermarking Khả Đảo Hoàn Hảo│
  └──────────────────────────────────────────────┴──────────────────────────────────────────────┘
  1. Độ phức tạp tính toán của thuật toán trích chọn SIFT: Việc xây dựng không gian tỉ lệ Gauss và tìm kiếm cực trị không gian 3 chiều đòi hỏi tài nguyên tính toán lớn, gây khó khăn cho việc xử lý trực tiếp trên các thiết bị chụp cầm tay biên (edge devices).
  2. Giới hạn phạm vi dữ liệu tĩnh: Luận án tập trung chủ yếu vào ảnh y tế tĩnh 2D đơn kênh và đa kênh; chưa mở rộng đánh giá trên các chuỗi video y tế thời gian thực như nội soi (Endoscopy) hoặc siêu âm Doppler 4D.
  3. Tính nhạy cảm của KLT với tính phi dừng: Biến đổi KLT phụ thuộc vào thống kê cục bộ của tập mẫu; khi phân bố xác suất của ảnh thay đổi đột ngột giữa các lát cắt y tế, hiệu quả nén năng lượng có thể bị suy giảm nhẹ.

Chương trình nghiên cứu 10 năm tiếp theo tập trung vào 4 định hướng:

  • Hướng 1: Tăng tốc phần cứng giải thuật SIFT và KLT bằng kiến trúc song song trên GPU hoặc chip nhúng FPGA chuyên dụng.
  • Hướng 2: Nghiên cứu kỹ thuật thủy vân tự thích nghi dựa trên mạng nơ-ron học sâu đầu-cuối (End-to-End Deep Watermarking Network).
  • Hướng 3: Mở rộng mô hình trải phổ hợp tác cho dữ liệu ảnh siêu phổ y tế (Hyperspectral Imaging) phục vụ phân định ranh giới khối u trong phẫu thuật.
  • Hướng 4: Phát triển chuẩn giao thức thủy vân nhúng thời gian thực cho hệ sinh thái Internet thiết bị y tế (Internet of Medical Things - IoMT).

Tác động và ảnh hưởng

  • Tác động học thuật sâu sắc: Các kết quả nghiên cứu của luận án đã được công bố trên các diễn đàn khoa học uy tín, bao gồm 2 bài báo trên tạp chí quốc tế thuộc danh mục Scopus, 1 bài báo trên tạp chí y học chuyên ngành trong nước (được Hội đồng Giáo sư Nhà nước tính điểm), và 6 bài báo tại các hội nghị khoa học quốc tế uy tín. Công trình cung cấp hệ thống tài liệu tham khảo mẫu mực cho cộng đồng nghiên cứu xử lý tín hiệu và an toàn thông tin.
  • Chuyển giao và thương mại hóa công nghệ: Các giải pháp đề xuất (DICOM_LSB_AES_RONI, Q_SIFT, CSS_KLT) đã được ứng dụng thực tiễn trong 1 đề tài nghiên cứu khoa học cấp Nhà nước, 1 đề tài cấp Thành phố Hồ Chí Minh, và 2 đề tài cấp Đại học Quốc gia / cấp Trường, triển khai thử nghiệm thành công tại các bệnh viện lớn tại TP.HCM.
  • Thúc đẩy kinh tế - xã hội: Giúp tiết kiệm hàng tỷ đồng chi phí đầu tư hạ tầng phần mềm bảo mật riêng biệt nhờ khả năng nhúng dữ liệu trực tiếp vào định dạng DICOM tiêu chuẩn, đồng thời ngăn ngừa rủi ro lộ lọt bí mật bệnh án và giả mạo kết quả chẩn đoán hình ảnh.

Đối tượng hưởng lợi

                                  BẢN ĐỒ ĐỐI TƯỢNG HƯỞNG LỢI
  ┌───────────────────────────────┬─────────────────────────────────────────────────────────────┐
  │   Nhóm Đối Tượng              │   Lợi Ích Cụ Thể Và Giá Trị Gia Tăng                        │
  ├───────────────────────────────┼─────────────────────────────────────────────────────────────┤
  │   Nghiên cứu sinh & Giảng viên│   Khung lý thuyết hoàn chỉnh về trích xuất mù & KLT đa kênh │
  │   Kỹ sư R&D Công nghệ Y tế    │   Thuật toán mã nguồn rõ ràng, tích hợp trực tiếp vào PACS  │
  │   Bác sĩ & Cơ sở Y tế         │   Bảo mật dữ liệu bệnh nhân tuyệt đối, giữ nguyên vùng ROI  │
  │   Nhà hoạch định chính sách   │   Cơ sở kỹ thuật vững chắc để ban hành quy chuẩn số hóa EMR │
  └───────────────────────────────┴─────────────────────────────────────────────────────────────┘
  1. Nghiên cứu sinh và nhà khoa học Viễn thông – CNTT: Tiếp cận các mô hình toán học giải tích tối ưu, hệ thống mã nguồn mô phỏng chuẩn tắc và định hướng nghiên cứu tiên tiến về an toàn dữ liệu đa phương tiện.
  2. Kỹ sư phát triển hệ thống PACS/RIS: Sở hữu giải pháp tích hợp thông tin cá nhân và chữ ký số vào tệp tin DICOM với chi phí tính toán thấp, tương thích hoàn toàn với chuẩn DICOM quốc tế.
  3. Các bệnh viện và trung tâm chẩn đoán hình ảnh: Nâng cao mức độ tin cậy trong hội chẩn từ xa, đảm bảo vùng bệnh lý không bị biến dạng dù chỉ 1 pixel ($\text{ROI Error} = 0$).
  4. Cơ quan quản lý nhà nước về y tế: Có bằng chứng khoa học thực chứng để xây dựng các khung tiêu chuẩn kỹ thuật quốc gia về bảo vệ dữ liệu y tế cá nhân trên không gian mạng.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc tổng quát hóa và chứng minh giải tích mô hình trải phổ hợp tác đa kênh CSS_KLT. Luận án đã mở rộng Lý thuyết truyền thông trải phổ cổ điển của Cox et al., 1997 và Lý thuyết giải tương quan KLT của Barni et al., 2003 sang cơ chế trích xuất mù hoàn toàn. Bằng việc áp dụng cấu trúc watermark trực giao, luận án chứng minh rằng năng lượng chéo giữa các kênh bị triệt tiêu, cho phép bộ thu tương quan tuyến tính tối ưu Bayes phân tách thông điệp mà không cần lưu trữ ma trận hiệp phương sai của ảnh gốc.

2. Sự đổi mới về phương pháp luận so với các nghiên cứu quốc tế trước đây thể hiện ở đâu?

So với nghiên cứu của Nikolaidis, 2005 (nhúng trên tất cả đặc trưng SIFT gây suy giảm chất lượng ảnh) và Guo, Li & Pan, 2015 (phải dùng vector đặc trưng gốc để so khớp khi trích xuất), luận án đã thiết lập quy trình trích chọn đĩa đặc trưng SIFT bền vững không chồng lấn với ngưỡng $k_{SIFT}=15$, kết hợp phân vùng hình quạt (FSMQ_SIFT) và hình nửa vành khuyên (HRSMQ_SIFT). Phương pháp này cho phép hệ thống tự đồng bộ hình học và trích xuất thông tin hoàn toàn mù, nâng cao dung lượng nhúng đa bit mà vẫn đảm bảo $\text{PSNR} > 41.5\text{ dB}$.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất trong quá trình nghiên cứu?

Phát hiện bất ngờ nhất là tính bất biến kiên cường của thủy vân lượng tử SIFT trước đòn tấn công siêu phân giải tạo sinh AI (ESRGAN-RRDN $4\times$). Mặc dù mạng nơ-ron học sâu đã thay đổi hoàn toàn phân bố giá trị pixel cục bộ để tăng độ sắc nét, cấu trúc hình học bậc cao của các đĩa SIFT quy mô lớn vẫn giữ vững tính ổn định, cho phép giải mã thông tin với $\text{ZNCC} > 0.96$.

4. Luận án có cung cấp đầy đủ quy trình và tham số để tái lập nghiên cứu (Replication Protocol) không?

Luận án cung cấp chi tiết toàn bộ công thức toán học, thuật toán phân bước, bảng tham số ngưỡng ($k_{SIFT}=15$, bước lượng tử $\Delta$, bậc đa thức DoG, kích thước khối ma trận $512 \times 512$, cấu hình mạng RRDN và các mức khóa AES-128). Quy trình thực nghiệm có tính minh bạch và độ lặp lại khoa học đạt chuẩn quốc tế.

5. Khung chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?

Lộ trình 10 năm định hướng chuyển dịch từ watermarking dựa trên đặc trưng hình học tường minh sang watermarking tự thích nghi sâu (Deep Neural Watermarking) kết hợp bảo mật lượng tử (Post-Quantum Cryptography), mở rộng từ ảnh 2D sang chuỗi thể tích 3D/4D CT/MRI và ảnh chụp cắt lớp võng mạc OCT trong các can thiệp phẫu thuật thời gian thực.

Kết luận

  1. Đề xuất thành công 2 giải pháp thủy vân miền không gian DICOM_LSB_AES và DICOM_LSB_AES_RONI, giải quyết trọn vẹn bài toán bảo mật thông tin bệnh nhân trên ảnh DICOM chuẩn 16-bit, đạt chất lượng chẩn đoán hoàn hảo ($\text{ROI Error} = 0$, $\text{PSNR} > 52\text{ dB}$).
  2. Phát triển đột phá hệ thống thủy vân lượng tử mù chống tấn công hình học Q_SIFT, FSMQ_SIFT, HRSMQ_SIFT và SQ_SIFT, loại bỏ hoàn toàn sự phụ thuộc vào ảnh gốc và vector đặc trưng gốc, duy trì $\text{BER} \approx 0$ dưới các biến dạng xoay, co giãn, cắt xén nghiêm trọng.
  3. Tiên phong đánh giá và chứng minh tính bền vững của watermark trước các cuộc tấn công siêu phân giải tạo sinh sử dụng trí tuệ nhân tạo (ESRGAN với kiến trúc RRDN), mở ra hướng nghiên cứu mới về an toàn dữ liệu trước các mô hình Deep Learning.
  4. Xây dựng giải pháp trải phổ cải tiến MISS (miền không gian, DCT, DWT) và trải phổ hợp tác đa kênh CSS_KLT, chứng minh toán học khả năng giải tương quan liên kênh mà không cần ma trận hiệp phương sai gốc, tối ưu hóa xác suất lỗi bit theo lý thuyết Bayes.
  5. Mở ra 3 nhánh nghiên cứu học thuật mới: Thủy vân bảo toàn tuyệt đối vùng chẩn đoán (Reversible ROI Medical Watermarking), Thủy vân lượng tử kháng mô hình học sâu (AI-Resilient Feature Watermarking), và Trải phổ hợp tác đa kênh trên dữ liệu siêu phổ (Cooperative Hyperspectral Watermarking).
  6. Công trình mang giá trị thực tiễn và tính thời sự cao, phục vụ trực tiếp cho chiến lược chuyển đổi số y tế quốc gia, hội nhập hoàn hảo với các tiêu chuẩn y tế quốc tế và bảo vệ quyền riêng tư người bệnh trong kỷ nguyên số.