数字水印

数字水印(Digital WatERMark)

目录

    1.什么是数字水印2.数字水印的特点3.数字水印的主要技术4.数字水印的应用领域5.参考文献

什么是数字水印

数字水印是永久镶嵌在其他数据(宿主数据或载体数据)中具有可鉴别性的数字信号或模式,而且并不影响宿主数据的可用性。

数字水印技术(Digital Watermarking)是一种信息隐藏技术,它的基本思想是在数字图像、音频、和视频等数字产品中嵌入秘密信息,以便保护数字产品的版权、证明产品的真实可靠性、跟踪盗版行为或者提供产品的附加信息。其中的秘密信息可以是版权标志、用户序列号或者是产品相关信息。一般它要经过适当变换再嵌入到数字产品中,通常称变换后的秘密信息为数字水印(DigitalWatermark)。

数字水印的特点

作为保护版权用数字水印需要满足以下四点基本要求:

1.鲁棒性(Robustness):数字水印必须难以(最好是不可能)被除去,试图除去或破坏数字水印应导致水印文本严重的降质而不可用。

2.隐蔽性(InvISIBIlity):数字水印应是不可见的,即水印的存在不应明显干扰被保护的数据,不影响被保护数据的正常使用。

3.安全性(Security):数字水印中的信息应是安全的,难以被篡改或伪造,只有授权方可以进行水印的检测。

4.盲检测性(Blinddetection):水印检测过程不需要原始的、未嵌人水印的载体信息。这一方面简化了水印的检测,另一方面则是为了加强水印的安全性。

数字水印的主要技术

(一)选择水印技术

目前不可见水印主要研究鲁棒性水印理论与算法。影响水印鲁棒性的主要是水印构造和内嵌策略。构造水印信号是水印算法的首要步骤,针对人类视觉系统对纹理的极高敏感性,构成水印的序列应该具有不可预测的随机性和与噪声相同的特性。根据嵌入的水印是否有特定含义可分为无意义水印和有意义水印。无意义水印可采用高斯白噪声序列和伪随机序列。高斯白噪声序列是一种满足均值为、方差为的正态分布。伪随机序列具有类似白噪声的性质——周期性和规律性,可以人为地加以生产和复制。选取具有特定含义的有意义水印信号,因其不是随机信号,在载体中内嵌水印信号前要先进行预处理(如加密、置乱等),使之成为具有良好随机性的伪随机信号。Cox等指出,由随机序列构成的无意义水印能够达到很好的鲁棒性。而用于版权保护的水印信号最好是二值图像或灰度网像等有意义水印。

(二)嵌入水印技术

水印的嵌入是将水印信号嵌入到宿主图像中得到的图像。内嵌水印的图像与宿主图像从视觉上不能有明显差别。水印的嵌入是水印方案中的核心部分,它主要分为两个方面:

1.选择嵌入区域

根据水印信号嵌入图像的方式,数字水印嵌入的区域分为空域技术和变换域技术。

空域技术是直接在信号空间上内嵌水印信息。该算法实现简单,但其嵌入的信息量少、鲁棒性差,早期的水印采用这种算法,现在多和其他技术配合使用。

变换域技术是在内嵌水印前先对图像进行某种可逆的数学变换,通过修改变换域的某些系数值来内嵌水印,然后进行逆变换得到内嵌水印的图像。研究人员普遍认为在变换域中内嵌水印有利于不可感知性,并且变换域水印比空域水印具有更好的稳健性,因而近年来的数字水印算法多集中于变换域技术。

目前数字水印研究领域中技术还有扩频和量化,很多数字水印的研究都基于这两种技术。同时生理模型也是数字水印研究领域中的主要技术。根据人类的感知系统特征,生理模型包括人类视觉系统模型(HVM)和人类听觉系统模型(HAM)。利用生理模型可以确定在图像或声音等原始数据的各部分所能嵌入的最大水印强度,在此强度下水印信号不能被视觉系统或听觉系统感知。如依据人类视觉系统的研究,背景的亮度越高,纹理越复杂,人类视觉对其轻微的变化就越不敏感。应该尽可能地将水印嵌入到图像中人类视觉不敏感的部位。生理模型的引入提高了水印算法的透明性和鲁棒性,在研究鲁棒性水印中很有发展前景。

2.选择嵌入模型

在变换域中内嵌水印的效果要比空间域好,目前大多数数字水印嵌入模型多采用x’=x+αw(加法准则)和x’=x(1+αw)(乘法准则)。用这两种方式内嵌水印,提取水印时不能用盲检测技术。盲检测技术能够快速、自动实现,应用广泛。要采用盲检测技术,可根据典型的算法构造嵌入模型。

(三)提取水印技术

水印提取是水印框架中最重要的部分,无论是水印生成算法,还是水印嵌入算法,最终要以能否正确可靠地提取水印为依据。根据数字水印提取时输入和输出的不同划分为非盲水印、半盲水印和盲水印。非盲水印在检测时至少需要原始图像(有时还需要原始水印),非盲检测可以从待检测图像中提取水印,也可以利用概率统计的方法判断水印是否存在;半盲水印在检测时不需要原始图像,但需要原始水印,一般是利用概率统计的方法判断水印是否存在;盲水印在检测时不需要原始图像和原始水印,它是从内嵌水印的图像中提取水印。非盲检测技术和半盲检测技术需要原始图像或原始水印的参与,给检测带来了不便,同时不能抵制IBM攻击;而盲检测技术,南于不需要原始图像和原始水印的参与,是现在水印研究的热点。

(四)检测水印技术

水印检测是数字水印技术中最为关键也最为复杂的技术之一,其检测方法一般分为两种:

1.提取并重建水印

这种方法只适用于图像水印信号。因为图像水印在提取后可直观地表达版权信息,从而直接判断版权的归属。

2.用概率统计的方法检测

伪随机信号不能直观表达版权信息,只能通过慨率统计的方法检测水印。概率统计适蹦于伪随机信号,也适用于图像水印。包括两种方法:

一种是利用假设检验判断是否存在水印。利用统计学中的假设检测,构造假设检验统计量,通过计算该统计量的值得到是否存在水印的判断,比较典型的有patchwork算法。

另一种利用相关检验(相似性检测)判断是否存在水印,它是目前水印检测中最常用的方法。将提取的水印信号和原始水印信号作相关运算,或直接使用原始水印信号与待检验图像进行相关运算,判断待检测图像中是否存在参与运算的原始水印。其中包含种检验方法:第一种方法是提取信号和原始水印作相关运算(或使用待检测图像与原始水印作相关运算)。先设定一检测阈值,此值可通过理论分析或实验确定,若相关检测值大于阈值,则待测图像中存在此水印,否则不存在。第二种方法是利用检测响应图判断水印信号是否存在。选择包括正确信号在内的若干个(一般为1000以上)独立的随机信号,作相关检验,正确信号的响应远远大于其余信号的响应,从而判断水印信号是否存在。第i种方法是采用位错误率度量方法。在检测有含义的二值水印图像时,多采用位错误率的度量方法,若提取的水印与原始水印对应位置的值相同,则结果为1,否则为0。即用正确比特数占总比特数的百分率来考量。百分率越大,则表明提取的水印与原始水印越相似。

数字水印的应用领域

1.数字作品的知识产权保护。数字作品(如电脑美术、扫描图像、数字音乐、视频、三维动画)的版权保护是当前的热点问题。由于数字作品的拷贝、修改非常容易,而且可以做到与原作完全相同,所以原创者不得不采用一些严重损害作品质量的办法来加上版权标志,而这种明显可见的标志很容易被篡改。“数字水印”利用数据隐藏原理使版权标志不可见或不可听,既不损害原作晶,又达到了版权保护的目的。目前,用于版权保护的数字水印技术已经进入了初步实用化阶段,IBM公司在其“数字图书馆”软件中就提供了数字水印功能,Adobe公司也在其著名的Photoshop软件中集成了DigIMarc公司的数字水印插件。然丽实事求是地说,目前市场上的数字水印产品在技术上还不成熟,很容易被破坏或破解,距离真正的实用还有很长的路要走。

2.商务交易中的票据防伪。随着高质量图像输入输出设备的发展,特别是精度超过1200dpi的彩色喷墨、激光打印机和高精度彩色复印机的出现,使得货币、支票以及其他票据的伪造变得更加容易。另一方面,在从传统商务向电子商务转化的过程中,会出现大量过度性的电子文件,如各种纸质票据的扫描图像等。即使在网络安全技术成熟以后,各种电子票据也还需要一些非密码的认证方式。数字水印技术可以为各种票据提供不可见的认证标志,从而大大增加了伪造的难度。

3.证件真伪鉴别信副急藏技术可以应用的范围很广,作为证件来讲,每个人需要不只一个证件,证明个人身份的有:身份证、护照、驾驶证、出入证等证明某种能力的有:各种学历证书、资格证书等。国内目前在证件防伪领域面临巨大的商机,由于缺少有效的措施,使得“造假”、“买假”、“用假”成风,已经严重地干扰了正常的经济秩序,对国家的形象也有不良影响。通过水印技术可以确认该证件的真伪,使得该证件无法仿制和复制。

4.声像数据的隐藏标识和篡改提示数据的标识信息往往比数据本身更具有保密价值,如遥感图像的拍摄日期、经/纬度等。没有标识信息的数据有时甚至无法使用,但直接将这些重要信息标记在原始文件上又很危险。数字水印技术提供了一种隐藏标识的方法,标识信息在原始文件上是看不到的,只有通过特殊的阅读程序才可以读取。这种方法已经被国外一些公开的遥感图像数据库所采用。此外,数据的篡改提示也是一项很重要的工作。现有的信号拼接和镶嵌技术可以做到“移花接木”而不为人知,因此,如何防范对图像、录音、录像数据的篡改攻击是重要的研究课题。基于数字水印的篡改提示是解决这一问题的理想技术途径,通过隐藏水印的状态可以判断声像信号是否被篡改。

参考文献

↑ 杨东.数字水印的攻击方法及评价.电脑编程技巧与维护.2014,3

  • ↑ 程玉柱,邱春荣等.数字水印的研究进展与应用综述.长沙民政职业技术学院学报.2010,2
  • ↑ 惠金凤.数字水印的主要技术研究.科技信息.2012,4
  • ↑ 邓茂.数字水印的价值及应用浅议.中国电子商务.2011,5
  • 联系管理员
    15775053793

    作者头像
    经济百科创始人

    经济百科

    上一篇:偏离-份额分析法
    下一篇:意义管理

    发表评论