一种能定位pdf电子发票篡改的水印嵌入与认证方法
【技术领域】
[0001] 本发明涉及一种能定位roF电子发票篡改的水印嵌入与认证方法，属于电子发票 认证领域。
【背景技术】
[0002] 早在2012年，我国就启动了电子发票试点工作，减少开具纸质发票所造成的用纸 浪费。国家税务总局出台的《网络发票管理办法》从2013年4月1日起施行，要求所有开具 发票的单位和个人向消费者出具网络发票。现阶段的网络发票在用作财务记账凭证时，仍 然需要将电子发票打印在"特定纸质"上。也就是说，开具发票的单位和个人仍然需要将打 印的纸质发票通过快递寄送给消费者，造成人力、物力的浪费。为此，2013年6月和12月， 我国先后在北京、上海两地开始试点电子发票。至今成功开具电子发票超过5000万张。
[0003]2014年11月16日，国务院办公厅发布《关于促进内贸流通健康发展的若干意见》， 明确提出要"加快推进电子发票应用，完善电子会计凭证报销，登记入账及归档保管等配套 措施"。这是国务院层面首次公开推广电子发票，国家电子商务标准化总体组副组长邱月明 表示，随着电子商务的快速发展，必然带动发票业务的创新，电子发票较传统发票具有成 本低、效率高的天然性优势，未来几年有望在全国大范围内得到推广。
[0004]而在今年两会期间，推广电子发票、减少能源浪费，同样也成为委员们关注的焦 点。而就目前多个省市的试点情况而言，推广电子发票主要遇到"入账难、报销难"的问题。 对此，两会委员，苏宁控股集团董事长张近东在《加快推进电子发票报销入账》的提案中建 议，优先从法律、制度层面解决电子发票的合法效力问题、确立电子发票作为合法入账凭证 的法律地位，进而推进电子发票在全国范围普及。而当电子发票的法律地位被确认之后，随 之而来要解决"入账难、报销难"的问题。由于PDF格式具有安全性高，可移植性好，存储容 量小，因此现有的电子发票大多采用PDF格式。
[0005] 现有针对TOF电子发票的保护算法大多是基于数字签名的方法，它能够判别发票 是否被篡改，但并不能实现篡改定位的功能，其判定结果说服力差。
[0006] 采用水印嵌入的认证方法可以对PDF文件的篡改进行判定，也能对篡改进行定 位。但其认证算法大多数是利用交叉引用表中冗余空间嵌入水印，若采用此方法对PDF格 式的电子发票进行信息嵌入，则水印容量很小而且安全性低，给其后面的篡改定位带来限 制。
【发明内容】
[0007] 本发明的目的是提供一种能定位roF电子发票篡改的水印嵌入与认证方法。该方 法在保证实现水印不可见的同时，文件增量小，控制在1 %以内。其对篡改的检测准确性高， 误检率低，能够有效抵抗替换、添加和删除等篡改。
[0008] 本发明解决其技术问题，所采用的技术方案为：一种能定位roF电子发票篡改的 水印嵌入与认证方法，包括如下步骤：
[0009]A、基于文件阅读页面的水印生成
[0010]A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的 分布坐标分为〗个页面块Pi，即p={Pi|i= 12,…，I}，i为页面块序号，I为整个阅 读器页面P上的页面块总数；
[0011] A2、解析文件结构：对原始roF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头SH，文件体S。，交叉引用表Sx和文件尾ST四个部 分，艮p:s= {SH，s0,sx，ST};
[0012] 其中，文件体SQ由J个对象0」(j= 1，2，...，J)组成，即{0」|j= 1，2,…J}， j为对象号；
[0013] 交叉引用表S#J个索引信息Xj(j=1，2，...，J)组成，Xj={对象偏移地址 代表该对象所修改的次数，对象是否正在被使用的状态};
[0014] 文件尾ST包括文件描述、密码信息及文件体S中的根对象号、摘要对象号和对象 总数；
[0015]A3、认证信息生成：
[0016] 对每一个页面块Pi(i= 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi 中的文本内容凡，1\={t"Iq= 1，2, ? ?，zj，以及文本坐标Di，Di={d"Iq= 1，2, ? ?，zj， 其中，ti;q为文本内容Ti中的第q个信息单元，zi为文本内容T1包含的信息单元个数，di;q 为信息单元对应的坐标信息，各信息单元t&之间需添加行末标识符"\r\n" ；
[0017] 然后，基于秘钥&生成文本内容Ti与文本坐标Di的摘要信息Hi，氏= Hash(kp| |Dj;其中，Hash(?)表示Hash函数，| |代表连接操作；
[0018] 最后将页面块Pi的文本内容Tp文本坐标Di和摘要信息Hi连接起来构成页面块 Pi的认证信息A"Ai=Ti|也| |Hi;
[0019]A4、水印信息生成：对每个页面块Pi(i= 1,2…，I)，将A3步生成的认证信息八1进 行压缩并利用秘钥k2加密之后得到二进制压缩数据流Bp并添加PDF格式信息1，生成待 添加的PDF对象UiZ{BpYj，同时计算其字节长度，记为li;
[0020] 所述的PDF格式信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符；
[0021] B、基于文件代码的水印嵌入
[0022] 首先将A4步生成的I个待添加的PDF对象I作为页面块Pi的水印信息W= {W」i =1，2,…I}，将该水印信息W与A2步的文件体S。： {0j|j= 1，2,…J}合并，得到包含N= 1+了个合并对象〇'11的合并文件体3/。={0'」11=1，2，"川}，其中11为合并对象0 /11 的对象号，
同时根据偏移地址信息&，计算得到每个合并对象〇' "的 长度匕，
[0023] 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排 序前的位置信息按排序后的位置排列，构成对象置乱序列V，V= {vn|n= 1，2, . . .，I+J}， 其中vn为合并对象〇'n的新对象号，vne[1，I+J]的整数；据以进行置乱操作，即将合 并对象〇'n的对象号修改Svn，即令，随即得到置乱后的含水印文件体
[0024] C、交差索引表和文件尾的更新
[0025] 根据B步中得到的含水印文件体％和对象长度信息1' "计算出合并后的偏移地 址信息
，其中：a为第一个对象的偏移地址， 其具体值为PDF文件版本信息的文件*SH的字节长度；重新生成交差索引表.#，同时更新 文件尾ST中的根对象号、摘要对象号和对象总数，生成更新后的文件尾;
[0026] D、含水印roF电子发票文件生成
[0027] 将B步的含水印文件体和C步更新后的交差索引表#和文件尾合并重 构，即得到含水印的发票文件Fw;
[0028] E、认证信息重构和认证信息提取
[0029] E1、待检测文档的认证信息重构：
[0030] 将待测roF电子发票文件F#的阅读器页面P#，根据信息单元的固有的分布坐标分 为I个待测页面块Pi#，即P#={PIi= 1，2,…，1};
[0031] 对每一个待测页面块P'Q= 1，2…，I)，首先利用Itextsharp组件提取每个待测 页面块P'中的待测文本内容T'，T#i= {t^Jq=l，2，..，Zi}，以及待测文本坐标D'，D' ={d'，」q= 1，2, . .，zj，其中，t、为待测文本内容T'中的第q个待测信息单元，zi为待 测文本内容T'包含的信息单元个数，d为待测信息单元t\q对应的待测坐标信息，各待 测信息单元t\q之间需添加行末标识符"\r\n" ；
[0032] 然后，基于秘钥&生成待测文本内容T'与待测文本坐标D'的待测文本摘要信息 Hash(k1,T#i|IDV；
[0033] E2、认证信息提取：对待测的PDF电子发票文件F#代码页面S#进行解析得到待测 文件体
根据秘钥匕和对象置乱序列