Secure video transferring in automotive

Video izleme, sürücülere destek, nesne algılama ve güvenlik özellikleri için an- lık görsel geri bildirimi sağlayarak gelişen araç sistemlerinin ilerlemesinde önemli hale gelmiştir. Video akışlarının daha yaygın kullanılmasıyla birlikte, görsel verilerin bütün- lüğünü ve doğruluğunu tehlikeye atabilecek güvenlik ihlalleri riski de artmaktadır. Bu tür riskleri azaltmak amacıyla, görsel kaliteyi bozmadan video akışlarına gizli kimlik doğrulama verisi yerleştirme yeteneğine sahip dijital filigranlama bir çözüm olarak öne çıkmaktadır. Bu çalışmada, dört farklı filigranlama algoritmasının—Temel Etkili Algoritma, Sıralı Filigranlama, Çok Alt Bant Filigranlama ve HMAC tabanlı Filigranlama per- formansları, Gauss gürültüsü ekleme, filtreleme, kırpma ve görüntü değiştirme gibi çeşitli saldırı senaryoları altında değerlendirildi. Tepe Sinyal-Gürültü Oranı (PSNR) ve Normalleştirilmiş Çapraz Korelasyon (NCC) gibi nesnel kalite ölçütleri kullanılarak, görsel kalite ile filigran sağlamlığı arasındaki denge değerlendirildi. Gerçekçi müdahale senaryolarını simüle etmek üzere hem hafif hem de yoğun Gauss gürültüsü durum- larında deneyler gerçekleştirildi. Elde edilen sonuçlara göre, düşük saldırı seviyelerinde en yüksek görsel kalite Temel Etkili Algoritma ile sağlandı; ancak daha güçlü saldırılar karşısında en iyi per- formans Çoklu Alt Bant Filigranlaması ile elde edildi. Sıralı Filigranlama, video karesi düzeyindekisahteciliklerintespitindeumutvadederken; HMAC tabanlı yöntemi sekriptografik güvenlik katkısı sunmaktadır. Bu bulgular, otomotiv sistemlerindeki video gözetimi için güvenlik gereksinimlerine uygun filigranlama algoritmalarının stratejik olarak seçilmesine olanak sağlamaktadır.