专利名称：一种网络图像版权实时鉴别方法
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_1(1]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 O) 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.[3]牛少彰，钮心忻，杨义先，胡文庆.半色调图像中数据隐藏算法[J].电子学报， 2004，32(7) :1180-1183.[4]Wang Xiang-yang and Cui Chang-ying.A novel image watermarking scheme against desynchronization attacks by SVR revision[J]. Journal of Visual Communication and Image Representation,2008,19(5) :334-342.[5]李旭东，张振跃.图像双层划分和奇异值分解的数字水印算法[J].浙江大学学报(工学版)，2006，40 (12) =2088-2092.[6]袁大洋，肖俊，王颖.数字图像水印算法抗几何攻击鲁棒性研究[J].电子与信息学报，2008，30 (5) :1251-1256.[7]李旭东.抗几何攻击的空间域图像数字水印算法[J].自动化学报，2008， 34(7) :832-837.[8]许文丽，李磊，王育民.抗噪声、几何失真和JPEG压缩攻击的鲁棒数字水印方案[J]·电子与信息学报，2008，3(K4) =933-936.[9]李雷达，郭宝龙，表金峰.基于奇偶量化的空域抗几何攻击图像水印算法[J]. 电子与信息学报，2009，31(1) :134-138.[10]Leida Li, Jiansheng Qian, Jeng-Shyang Pan. Characteristic region based watermark embedding with RST invariance and high capacity. International Journal of Electronics and communications, 2011,65 :435-442.[11]叶天语.离散余弦变换域抗二次打印-扫描鲁棒零水印算法[J].光子学报， 2011,40(1) :142-148.[12]李庆诚，窦毅.数字水印的解释攻击与关联性特征[J].计算机应用， 2005(5) :115-117.
[13]张鸿宾，杨成.图像的自嵌入及窜改的检测和恢复算法[J].电子学报，2004， 32(2) :196-199.[14]和红杰，张家树.基于混沌置乱的分块自嵌入水印算法[J].通信学报，2006， 27(7) :80-86,93.[15]张宪海，杨永田.基于脆弱水印的图像认证算法研究[J].电子学报，2007， 35(1) :34-39.[16]王国栋，刘粉林，刘媛，姚刚.一种能区分水印或内容篡改的脆弱水印算法 [J]·电子学报，2008，36 (7) :1349-1354.[17]和红杰，张家树.对水印信息篡改鲁棒的自嵌入水印算法[J].软件学报， 2009,20(2) :437-450.
发明内容
本发明的目的是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。一种网络图像版权实时鉴别方法，包括以下五个过程A、特征水印产生；B、特征水印加密；C、加密的特征水印自嵌入；D、特征水印提取；E、认证水印盲提取和解密。步骤A进一步包括以下内容Al 将大小为MXM的原始图像分成大小为mXm的不重叠子块；A2 每个子块进行离散余弦变换(Discrete Cosine Transformation, DCT), Bi (0, 0)代表第i个子块的直流(Direct Current, DC)系数，Baverage (0，0)代表所有子块DC系数
(μΛ1
的均值，/ = 1，2，···—；A3 特征水印W通过对比每个子块DC系数Bi(0，0)与所有子块DC系数均值 Baverage(0,0)的大小关系来产生。即if Bi(O5O) > Baverage(0,0)Wi = 1 ；elseWi = Oend
(M\2其中，Wi代表W的第i比特。容易知道，特征水印W的长度为——bit。步骤B进一步包括以下内容Bl 在(_1，1)选择一个实数作为初值、，在
选择一个实数作为Y，然后通过Logistic映射X +1 = 1 -尸X 2进行迭代产生混沌随机数序列Ix1, x2, X3,…}。将初值&和参数Y作为Logistic映射的前两个密钥。 B2 舍去混沌序列的前κ个随机数，因为最初的随机数不稳定。将第κ +1个到
‘随机数^+ι,xM’…’χ 通过
权利要求
1.一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， 包括以下五个过程A、特征水印产生；B、特征水印加密；C、加密的特征水印自嵌入；D、特征水印提取；E、认证水印盲提取和解密。
2.根据权利要求1所述的一种网络图像版权实时鉴别方法，步骤A进一步包括以下内容Al 将大小为MXM的原始图像分成大小为mXm的不重叠子块； A2 每个子块进行离散余弦变换(Discrete Cosine Transformation, DCT), Bi (0,0)代表第i个子块的直流(Direct Current, DC)系数，Baverage (0，0)代表所有子块DC系数的均
3.根据权利要求1所述的一种网络图像版权实时鉴别方法，步骤B进一步包括以下内容Bl 在(_1，1)选择一个实数作为初值Xtl，在
选择一个实数作为Y，然后通过Logistic映射= 1 - 进行迭代产生混沌随机数序列Ix1, x2, X3, ...}。将初值X0和参数Y作为Logistic映射的前两个密钥。B2:舍去混沌序列的前κ个随机数，因为最初的随机数不稳定。将第κ+1个到第—个随机数
4.根据权利要求1所述的一种网络图像版权实时鉴别方法，步骤C进一步包括以下内容Cl 原始图像分成大小为mXm的不重叠子块； C2 每个子块进行DCT ；C3 通过以下方法将加密的特征水印自适应自嵌入原始图像的每个子块DCT矩阵的中低频系数
5.根据权利要求1所述的一种网络图像版权实时鉴别方法，步骤D进一步包括以下内容Dl 攻击图像分成大小为mXm的不重叠子块；D2 每个子块进行DCT,B；2(0,0)代表第i个子块的DC系数，Blerage(0,0)代表所有子块DC系数的均值，
6.根据权利要求1所述的一种网络图像版权实时鉴别方法，步骤E进一步包括以下内El 攻击图像分成大小为mXm的不重叠子块； E2 每个子块进行DCT ；E3 通过以下方法从每个子块DCT矩阵提取出认证水印Ψ' if Bi Cr1, S1) > Bi (r2, s2)
全文摘要
数字图像在网络中传播需要进行版权保护，但现有鲁棒数字水印技术无法实现版权实时鉴别。本发明提供一种网络图像版权实时鉴别方法。在嵌入端，首先将原始图像分割成互不重叠的子块，每个子块进行离散余弦变换，通过比较每个子块的直流系数与所有子块直流系数的均值之间的大小关系产生特征水印，对特征水印进行Logistic混沌序列加密，然后调整每个子块两个离散余弦变换中低频系数的大小自嵌入加密的特征水印，最后每个子块进行逆离散余弦变换得到含水印图像。本发明具有很强的抗攻击鲁棒性。本发明实质上结合自嵌入加密的特征水印和盲提取认证水印来实现完全盲检测，实现对网络图像的版权进行实时鉴别。
文档编号G06F21/00GK102208097SQ20111014107
公开日2011年10月5日 申请日期2011年5月26日 优先权日2011年5月26日
发明者叶天语 申请人:浙江工商大学