Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abstract—In the vast field of graphic computing and cryptography, we have had really interesting studies, and one of them
on the incriptation of messages in simple text without modifying the original text is FontCode. In the resolution of this study
made by their respective authors, provide a text document with specific sources, the method incorporates information
specified by the user in the text by disturbing the glyphs of text characters while preserving the content of the text. For
this they designed an algorithm to choose perturbations of discrete but machine-recognizable glyphs, taking advantage
of a recently developed generative model that continuously alters the glyphs of each character in a source manifold, then
another that inserts the message and produces the text minimally disturbed and also a method of recognizing glyphs to
recover the embedded information.
3 ESTADO DE ARTE
• Manipulacin de fuentes
Mientras que el método usado por los
autores de [1] perturba los glifos usando
el modelo generativo de [3], otros mtodos
crean fuentes y glifos con herramientas
de computadora o generación automática.
Shamir y Rappoport, propusieron un sis-
tema que genera fuentes utilizando car-
acterı́sticas paramétricas de alto nivel y
restricciones para ajustar los glifos. Esta
idea se amplió para parametrizar los com- Los mtodos basados en la generacin de
ponentes de la forma del glifo. Los traba- texto de portada (CTG) ocultan un men-
jos más recientes se han centrado en la saje secreto al generar un texto de portada
estructuración de fuentes basadas en la ad-hoc que luce lxica y sintcticamente
similitud o los atributos crowdsourced. convincente.
• Reconocimiento de fuente. El segundo tipo de mtodo explota car-
Se ha estudiado el reconocimiento au- actersticas especficas de formato (FSF),
tomático de fuentes de una foto o ima- asigna a cada carcter de texto una
gen. Estos métodos identifican las fuentes fuente diferente pero visualmente similar
extrayendo las caracterı́sticas estadı́sticas disponible en Word para ocultar men-
y ortográficas del documento. Recien- sajes. Otros ocultan mensajes cambiando
temente en, unos autores propusieron la escala y el color de los caracteres o agre-
una solucin escalable aprovechando el gando estilos de subrayado en un docu-
aprendizaje supervisado.En los estudios mento, aunque esos cambios son general-
de Wangetal, da el reconocimiento de mente perceptibles.
fuente mejorado usando redes neuronales Estos mtodos no son independientes del
convolucionales. Su algoritmo puede eje- formato (FI); estn limitados a un formato
cutarse sin recurrir a la segmentación de archivo especı́fico (como Word o PDF)
CIENCIAS DE LA COMPUTACIÓN IV, FACULTAD DE MATEMÁTICAS, UNMSM 3
5 CONCLUSIONES
• El método encontrado en [1] se obtuvo
un método más eficiente para resolver
el problema de incrustación de infor-
mación en un documento texto mante-
niendo a simple vista el texto original ya
que tiene solo tiene ciertos perturbaciones
ligeras minimas en sus glifos que solo son
percibidas por la maquina.
• Se ve que el metodo obtenido en [1] es
mejorado graias a las redes neuronales
convolucionales.
• En particular me parece que este trabajo
de investigación está muy bien estruc-
turado ya que no solo explayan su teorı́a,
sino que también nos presenta un marco
teórico para que ası́ se pueda entender
mejor su trabajo.
• También cabe resaltar que este método
ayuda a que talvez se pueda solucionar
cosas a niveles instucionales para pasar
información delicada entre sus mayores
representanes teniendo un medio de co-
municación seguro para mantener en se-
creto sus mensajes incrustados.
R EFERENCES
[1] Chang X., Cheng Z., y Changxi Z. FontCode: Embedding
Information in Text Documents Using Glyph Perturbation.
ACM Trans. Graph. 37, 2, Article 15 (February 2018), 16
pages.
[2] Agarwal M. Text steganographic approaches: A comparison,
International Journal of Network Security Its Applications
(IJNSA) 5, 1 (2013), 91106.
[3] Campbell N y Kautz J. Learning a manifold of fonts. ACM
Trans. Graph. 33, 4 (July 2014), 91:191:11.