[发明专利]一种网络图像版权实时鉴别方法

说明书

技术领域

本发明涉及信息安全领域。本发明设计一种网络图像版权实时鉴别方法，对网络上传输的数字图像的版权进行实时鉴别。

背景技术

数字图像在网络中传播容易引起版权纠纷，需要进行版权保护。鲁棒数字水印技术可用于对网络上传输的数字图像进行版权保护。

根据水印的内容进行分类，水印可分为有意义水印和无意义水印。有意义水印一般指水印的内容具有具体的含义，比如二值图像、灰度图像、商标、作者个人信息等；无意义水印一般对应一个没有具体含义的伪随机序列。除此之外，温泉等^[1]还提出“零水印”，零水印实质上代表原始载体的某个特征。因此，可将零水印看作是一种特殊形式的有意义水印。

根据检测端是否需要借助原始载体，数字水印技术可分为盲数字水印技术和非盲数字水印技术。非盲数字水印技术在检测端检测水印时往往需要借助与原始载体相关的信息，盲数字水印技术在检测端不需要借助任何与原始载体相关的信息。在一些应用场合，受到传输、存储、安全性等限制，检测端往往无法得到与原始载体相关的信息，因此盲数字水印技术比非盲数字水印技术更具有实用性。

鲁棒数字水印算法在检测端通常通过计算原始水印与提取的水印之间的相关度来判断版权。根据检测端是否需要借助与原始载体、原始水印相关的信息，目前的鲁棒数字水印算法的检测行为可分为4类：(1)第1类：检测端既需要借助原始载体的相关信息，又需要借助原始水印的相关信息。(2)第2类：检测端需要借助原始载体的相关信息，但不需要原始水印的相关信息。(3)第3类：检测端不需要借助原始载体的相关信息，但需要借助原始水印的相关信息。(4)第4类：检测端既不需要借助原始载体的相关信息，也不需要借助原始水印的相关信息。传统意义上的非盲鲁棒水印算法具有第1类或第2类检测行为，实用性比较差。具有第3类检测行为的盲无意义鲁棒水印算法^[2]在检测端不借助任何原始载体的相关信息从攻击载体提取出水印，但要借助密钥产生原始伪随机水印序列，然后计算两者的相关度判断版权。具有第3类检测行为的盲有意义鲁棒水印算法^[3-10]在检测端不借助任何原始载体的相关信息从攻击载体提取出水印，然后计算从嵌入端传输过来的原始水印与提取的水印之间的相关度判断版权。零水印算法^[1，11]也是具有第3类检测行为。这是因为：在检测端，零水印算法需要把存储在第三方公证中心的原始零水印取出来，然后计算与提取的零水印之间的相关度判断版权。具有第4类检测行为的鲁棒水印算法几乎没有出现，本发明称这类鲁棒算法为完全盲检测鲁棒水印算法。

目前的盲鲁棒水印算法具有第3类检测行为，仍然无法达到版权实时鉴别，其实用性需要进一步改善。这是因为：具有第3类检测行为的盲鲁棒水印算法虽然在检测端不需要借助任何原始载体的相关信息，但还是需要借助原始水印或原始水印的部分信息来衡量原始水印与提取的水印之间的相关度以判断版权。那么，嵌入端传输原始水印或其部分信息到检测端(或第三方公证中心)进行存储就需要一定的传输成本和存储成本，而且传输的过程很难完全防止互联网上普遍存在的被动攻击。例如，攻击者成功“偷听”所传递的原始水印或原始水印的部分信息，通过分析得到所嵌入的水印并进一步伪造水印传递给检测端，会使得真正的原始水印无法用来鉴别版权，达到干扰版权鉴别的目的，从而使得水印算法无法抵抗解释攻击^[12]。

自嵌入脆弱水印技术^[13-17]的显著特点是嵌入端提取原始载体的特征产生水印并自嵌入到原始载体以达到内容完整性认证。目前，“自嵌入”思想基本上仅仅被应用到脆弱水印技术领域。

综合以上分析，本发明试图将自嵌入脆弱水印算法的“自嵌入”思想引入到鲁棒数字水印领域，设计具有第4类检测行为的完全盲检测鲁棒水印算法，从而提供一种网络图像版权实时鉴别方法，达到对网络上传输的数字图像的版权进行实时鉴别。

参考文献

[1]温泉，孙锬锋，王树勋.零水印的概念与应用[J].电子学报，2003，31(2)：214-216.

[2]Wang Xiang-yang，Hou Li-min，and Wu Jun.A feature-based robust digital image watermarking against geometric attacks[J].Image and Vision Computing，2008，26：980-989.