[发明专利]一种基于PDF文件体的PDF文件信息嵌入和提取方法

说明书

技术领域

本发明属于多媒体信号处理领域，具体涉及一种基于PDF文件体的PDF文件信息嵌入和提取方法。

背景技术

近些年，随着网络技术的快速发展,人们开始越来越多地通过互联网传输和获取信息。与此同时，电子商务、电子政务等新型办公模式正被广泛应用，越来越多的行政、商业文件如授权书、注册单、合同、发票等开始以电子文档的形式进行流通和传输。但在互联网这个开放的环境中,拷贝、篡改等恶意行为时刻威胁着电子文档的版权归属问题，大量版权盗用、非法传输、信息伪造等问题层出不穷。基于这种情况,电子文档的数据隐藏技术日益成为版权认证、真伪鉴定、解决纠纷的主要手段。

PDF(Portable Document Format)文件格式是Adobe公司开发的电子文件格式。这种文件格式在Windows、Unix、Mac等操作系统中都是通用的，独立于操作系统平台。PDF文件格式可以将文字、字型、格式、颜色及独立于设备和分辨率的图形图像等封装在一个文件中。该格式文件还可以包含超文本链接、声音和动态影像等电子信息，支持特长文件，集成度和安全可靠性都较高。再者，PDF文件使用了工业标准的压缩算法，易于传输与储存。上述特性使得PDF成为在Internet上进行电子文档发行和数字化信息传播的理想文档格式。因此，基于PDF文档的信息隐藏技术的研究，对当前的应用环境，是有十分重要的实际意义的。下面对现有技术中PDF文件的结构进行简要分析，以便对本发明进行理解。

如图1所示是原始PDF的文件结构图，包括四部分：文件头(Header),文件体(Body)，交叉引用表(Cross-reference table)和文件尾(Trailer)。文件头标识PDF文件版本信息；文件体由一系列的间接对象组成，基本包含了PDF文件的内容；交叉引用表包含间接对象的地址信息，初始状态只有一个单元；文件尾记录PDF文件的根对象以及交叉引用表的起始地址等信息。

如图2所示，是经过追加式更新操作的PDF文件结构。在一次追加更新操作中，任何新的对象或者被修改的对象都会被添加到原始PDF文件尾的后面，组成新的文件体，新文件体对应的新交叉引用单元和新文件尾也会随着被插入到末尾。

如图3所示，是PDF文件交叉引用表示例图。每个交叉引用表包含一定范围内相邻对象号的对象词条。每个交叉引用表以关键字xref为一行开始，开始的一行包含由空格分开的两个数字，第一个数字表示该文件体中第一个对象的对象号，第二个数字表示该文件体中所有对象的数量。接下来的是对应PDF文件每个对象的每行一条的词条，词条结构是：

nnnnnnnnnn  ggggg  x  y

其中nnnnnnnnnn是10字节的偏移量，表示从PDF文件开头到该对象开头的字节数，字节数不够10字节的则偏移量前面的数字填零；ggggg是5字节的等级号，除去0号对象外，其它对象的交叉引用表中的初始等级号均为0，每次词条被重用，都会被赋予一个新的等级号，最大为65535。x为对象状态关键字，有n、f、eol三个状态关键字，n表示正在使用的词条，f表示已被废弃的词条。eol为结束符。图3中的示例中指示了0到5一共六个对象的相关信息。

发明内容

本发明解决的技术问题是克服现有技术的不足，提供一种将嵌入信息嵌入到PDF文件新建的文件体中并能从PDF文件中提取出嵌入信息以对PDF文件进行鉴定的基于PDF文件体的PDF文件信息嵌入和提取方法。利用本发明对PDF嵌入信息后能够有效解决PDF版权认证、真伪辨别的问题，而且本发明对PDF文档的编辑行为具有很好的鲁棒性。

为解决上述技术问题，本发明的技术方案如下：

一种基于PDF文件体的PDF文件信息嵌入和提取方法，包括如下步骤：

（1）进行隐藏信息嵌入，其具体是：

读入原始PDF文件流；

读入隐藏信息进行分段，对每个隐藏信息段进行置乱，记录置乱参数；

查找并确定原始PDF文件流中的最大对象号；

将最大对象号加1作为新文件体插入的第一个新对象号，将每个隐藏信息段进行编码后作为新文件体的新对象依次写入原始PDF文件中，并生成新对象位置标志；

隐藏信息嵌入完毕后，写入新文件体对应的新交叉引用表和新文件尾，完成一次追加更新；

输出带隐藏信息的PDF文件及输出置乱参数和新对象位置标志作为密钥；

（2）提取隐藏信息，其具体是：

读取带隐藏信息的PDF文件流及密钥；