CN101957810A - 利用计算机系统在文档中嵌入及检测水印的方法和装置 - Google Patents

Abstract

利用计算机系统在文档中嵌入及检测水印的方法和装置。本发明提供一种利用计算机程序为电子文本文档加载文本水印，以保护电子文档版权的方法和装置，属于文档保护技术领域。该计算机程序至少包括电子文本水印的生成，水印加载与嵌入，水印检测。本发明首先将准备加入电子文档的版权信息利用水印生成模块处理生成水印信息，然后利用水印加载与嵌入模块对水印载体媒质分析、嵌入信息的预处理、信息嵌入点的选择、嵌入方式的设计、嵌入调制的控制进行合理优化，将通过合理选择密钥，将设定的自然语言语义等价变换以嵌入水印。若有版权纠纷时候，可以利用本发明设计的水印检测模块利用预先设定的密钥对电子文档进行文本水印检测提取，发现事先嵌入的文本水印，为电子文档版权纠纷提供鉴定依据。因此，本发明可以广泛的应用于文档保护加密、追踪、控制文档非法传播以及版权的技术保护。

Description

利用计算机系统在文档中嵌入及检测水印的方法和装置

技术领域

本发明属于数字水印技术领域，具体涉及一种在文本文档中嵌入及检测数字水印的方法和装置。

背景技术

随着信息时代的到来，数字多媒体产品在人们工作、生活中的作用越来越重要，数字作品的传播也达到了前所未有的深度和广度。特别是伴随着计算机网络技术、数字通信技术、信息编码与压缩技术的快速发展，数字内容的交换和传输变得非常简单和快捷，人们借助于计算机、数字扫描仪、打印机等电子设备可以方便、迅速地将数字信息传达到世界各地。但是由于数字产品易于复制和传播的特点导致盗版侵权事件屡见不鲜，因此如何既能利用Internet的便利，又能有效的保护知识产权，已经受到人们的高度重视。

文本数据据着人们生活的重要位置。研究文本信息数字水印技术具有更为深远的意义：(1)在国家军事、外交、商业机构，涉及机密的情报、资料文档中嵌入不可见的水印、安全级别标识，在网络边界检查流出信息的安全标识，防止机密信息泄漏，并且通过验证指纹追踪泄密者，甚至可以在印刷制品中检测；(2)在新闻稿件、网络小说、博客、论坛的文章中加入水印，在必要时可以作为电子证据保护版权；(3)近年来屡次发生的黑客入侵政府网站后发布虚假信息，因此可以在文档中嵌入不可见的身份ID、脆性水印，以验证信息的真实性和完整性，防止虚假信息或被篡改过的信息的传播。因此文本信息中数字水印具有重要的现实意义。

可见，在以文本文档作为载体隐藏一定数量的水印信息，在这类文档非法被复印，传播而产生严重的后果是，水印信息可以作为证据追朔范围的源头。

为此，出现了利用文字或者图像作为载体的数字水印信息隐藏技术。数字水印的普遍定义是指嵌入在其他数据(宿主数据)中具有可鉴别性的数字信号或模式，用以证明宿主数据的版权归属和确认信息未被篡改。根据实际应用的不同，这些标记可以是可见的或不可见的，可以是鲁棒的或是脆弱的。

数字水印的存在要以不破坏原始作品的欣赏价值和使用价值为原则，一般来讲，数字水印除应具有信息隐藏的不可感知性、鲁棒性、安全性等基本特征，还应有其固有的特点和研究方法。例如，从信息安全的保密角度来说，隐藏的信息如果被破坏掉，系统仍可以当作是安全的，因为秘密信息并未泄露；但是，在数字水印中，隐藏信息的丢失意味着版权信息的丢失，从而失去了版权保护的能力，这一系统便是失败的。因此，数字水印技术通常都要求较高的鲁棒性、隐蔽性和安全性。

当前用于图像、视频方面的水印嵌入方法有很多，且多数都比较有效，但这些方法大部分不适用于文档的结构和特性，同时也没有利用文档的结构和特性来进行检测。

通常情况下，用于文本方面一个数字水印方案应该包括三个基本装置：水印的生成、水印的嵌入和水印的提取。其核心在于水印的嵌入方式。目前常见的水印嵌入方式有：(1)文档结构微调算法，Brassil等人提出的利用文档中行间距，字间距或者颜色等在通用文档中隐藏信息的编码技术，可以抵抗一些标准的文档操作，但该技术极易被经验丰富的攻击者破坏，比如，只要攻击者任意改变其文档的行距或者字间距，就可能破坏秘密信息。鲁棒性较差，并且这种信息隐藏算法一般仅适用于文档。(2)基于空格和标点符号的算法，将水印信息嵌入空格的方法中，虽然嵌入的空格不易发现，但是一些文本处理工具有自动删除多余空格的功能，会导致秘密信息被破坏。改变标点符号的嵌入算法存在的问题是标点不一致的使用会被细心的读者发现，还有标点符号的改变可能会影响文本内容的清晰甚至含义。(3)基于汉字特点的算法，这种算法有着比较高的容量和鲁棒性，但是都是针对二值文本图像提出的，对于我们日常最常见的文本文档，他们不具有可实现性。如果使用这类算法，必须使用专门的字体库，通用性差，只适合于PDF这类文档。

发明内容

本发明的目的是针对现有技术的缺陷，提出一种在文本文档中嵌入及检测数字水印的方法和装置。该方法和装置能够在通过对数字水印信息首先通过混沌，然后把变换后的秘密信息嵌入到文字的语义、语法结构当中，使得该数字水印具有抗格式修改以及格式转换的能力。通过将文档内容粘贴到无格式的txt文档、光学字符识别(OCR)，甚至手工重新录入的方法，都不能破坏嵌入的秘密信息。

为了到达以上的目的，本发明采用的技术方案是：一种在文本文档中嵌入数字水印的方法，包括以下步骤：

水印生成装置：根据输入版权信息情况，生成待加载文本水印。

水印嵌入装置，对水印载体媒质分析、嵌入信息的预处理、信息嵌入点的选择、嵌入方式的设计、嵌入调制的控制进行合理优化，通过合理选择密钥，将设定的自然语言语义等价变换以嵌入水印。

水印提取装置，水印嵌入算法的逆过程，在需要时可以随时从嵌入水印的掩体文本中提取出水印信息。

其特征在于：水印生成装置，水印嵌入装置，水印提取装置呈线性连接，其工作过程有以下步骤：

(1)设定01串到文本变换的映射规则

本发明将01串到文本变换以XML文件形式记为TP1，表示如下：

TP＝F(Initialization)＝{(VALUE₁，Result₁，condition₁)，......(VALUE_i，Result_i，condition_i)}

其中函数F(X)表示一个01串到文本变换的映射规则集合；Initialization节点表示文档中被替换的文字块；Result节点表示进行规则映射后的文字块，当Initialization文字到Result文字存在1对多映射的时候，映射规则集合中存储多个Result元素；属性值value表示应用该改写模板进行变换时，改写模板承载的比特信息00、01、10、11，该值根据密钥进行加密变换随机生成；属性Interpunction表示针对标点符号进行的变换，属性condition表示语法变换时，需要满足的约束条件。当该约束条件同时满足时，才能设定01串到文本变换的映射。

<Initialization>到<Result>映射是根据汉语的语法特点，可以进行同义词替换和标点替换，在句首插入过渡性短语等方式进行映射。<Initialization>到<Result>映射随着领域的不同而不同，可以随着系统不断的积累，逐渐形成一个映射的数据库。在初始条件下，要根据文档保护的领域，进行人工的设定，以后，可以通过统计模糊分析不断调整。

(2)水印生成装置根据输入版权信息提取提取特征，生成水印信息W，W是即要嵌入的水印，将水印信息w划分成块，每块β比特。[W/β]向上取整就是标记句的数目。记分割以后水印信息为W＝(w1，w2，～～wn)，则Wi∈{0，1，2，^255}；生成长度为N的混沌序列S＝(S1，S2，^，Sn)，其中，

利用混沌系统以给定的密钥K1，迭代产生混沌序列，并利用该序列对水印信息W1进行加密编码，得到加密编码后的水印信息W2，W2形式为1个长度大于1的密文位串信息流，适合于嵌入到数字文本中。

(3)选择待嵌入水印信息的文本文档TXT1，

将其送入水印嵌入装置，首先选择预先设定01串到文本变换的映射规则TP1，根据混沌函数生成密钥：

$S=f(i,c,G)=i\&CirclePlus;\underset{k=1}{\overset{8}{\mathrm{\&Sigma;}}}\left(\right[G^{(c+k)}\left(x\right)\&CenterDot;2]\&times;2^{k-1})$ 其中，

x∈[0，1)为混沌系统的当前状态，G^(c)(x)表示混沌系统以X为初值，迭代C次之后的混沌系统状态，

为模2加。

输入密钥S及大素数P，根据输入的密钥S对01串到文本变换的映射规则TP1进行解密，如果密钥S不正确，则提示解密失败返回；其次判断素数P的二次剩余个数是否大于TP1节点数/3，如果不大于则提示输入素数不够大返回；然后利用大素数P1给01串到文本变换的映射规则TP1随机编码，若Result中出现的语法而TXT1不出现的语法，则将Result加入TP；最后对选取的TP中所有Result节点进行编码，01串到文本变换的映射规则TP加载过程。

(4)水印信息W2如果为空，提示输入水印信息；接着判断TP是否加载成功，如果不成功，提示请先加载TP；

(5)整个TXT1中，扫描匹配判断所有和Initialization结点符合的语义点，将满足映射条件的语义点根据TP进行隐射，直到水印信息W2所有01串映射完毕，否则提示无法完全嵌入水印信息；最后根据的比特值映射规则，对TXT1中所有和Initialization结点符合的语义点，将其Initialization中内容按照operation中的操作规则进行映射，获得嵌入水印后的载体文本。

一种在文本文档中嵌入数字水印的装置，包括以下部分：

<1>水印生成装置：该装置获取要处理的计算机数据，从内存中得到响应的数据代码，转化为一个完整的位串信息流，然后对位串信息流进行加密处理后得到一个新的密文位串信息流，并送到水印嵌入装置。

<2>水印嵌入装置：该装置将密文位串信息流按位分解成一定数目的字串，通过自然语言的语义变换和标点变换相结合，把每个字串代表的水印信息隐藏在文本内容中。

<3>打印装置：该装置可以将含有水印的文档打印输出。

进一步，所描述的隐藏信息换取和处理装置获取和处理的计算机数据是各种文字、数字、字符和字母，以及包括视频、音频在内的可数字化的信息。

一种在文本文档中检测数字水印的方法，包括以下步骤：

(1)对含有水印信息的文档进行扫描或者摄去，得到的文本数字化后的文本数据；

(2)识别步骤(1)中得到的文本数据，并获得加密后的位串信息流；

(3)试用特定的密钥对密文位串信息流解密，然后解码处原始的字符串信息

步骤(3)中，与嵌入过程类似，首先判断01串到文本变换的映射规则TP否加载成功，如果不成功，提示请先加载TP；然后将文本中中每个句子与模板库进行匹配，如果匹配成功，获得该水印句承载的水印信息，添加到数组中；最后当所有句子匹配完成后，重组并解密，即得到嵌入的水印信息。

一种在文本文档中检测数字水印的装置，包括以下部分：

<1>文本数字化装置：

该装置对文档进行扫描或者读取，得到文本数字化以后的数据。

<2>信息识别装置

该装置对文本数字化装置扫描获取的数据进行扫描检测，获取加密后的位串信息流

<3>信息解码装置

该装置试用特定的密钥对密文位串信息流解密，然后解码出原始的字符串装置。

本发明的效果在于：采用本发明所述的方法及其装置，可以增大在文档的内容中藏入的水印信息量，内容中通过语义等价变化嵌入的水印信息将随着文档一起传播，必要时可以进行水印检测，以保证版权。因为本发明在水印中融入了混沌系统，把水印信息引入到整个文档当中，以保护整个文档，以及通过语义变化和标点符号变化相结合，增加了水印的鲁棒性，即使部分内容做了改动，也可以保证以高精度监测出其中隐藏的水印信息。因此，本发明可以广泛的应用于文档加密、追踪、控制文档非法传播以及版权的技术保护。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的描述。

一种在文本文档中嵌入数字水印的方法，包括以下步骤：

(1)设定01串到文本变换的映射规则

本发明中将01串到文本的变换记为一个XML的函数：举例F(...床上躺着一个人...)＝{(01，一个人在床上躺着)，(10，床上，一个人躺着)，(11，一个人，在床上躺着)，(11，床上，躺着一个人)}F(嗯)＝{(01，嗯、嗯)(10，嗯～)，(11，～嗯)，(″00″，嗯～～)}

根据以上还可以提取很多模板，这里不一一列出。

(2)水印生成装置根据输入版权信息提取提取特征

本例要嵌入的水印信息为

<1>撰写于“西安”，

<2>版权属于“天下”

<3>用户名称为“刘夏安国”

将上述所有字符串组合在一起得到一个新的字符串，然后读取每个字符串在计算机内存中的数据代码，转换为一个用二进制表示的串信息流。为了能够安全的进行解码，在转换后的位串信息流的前面插入一定数目的字节流，用于记录上述每个字符串的长度，为了鲁棒性和安全性考虑，首先通过混沌把整个串进行扩散，然后进行加密处理，密钥也通过混沌函数生成，然后作为明码插入到密文字节流的前面。水印信息有以下处理：将水印信息按照8bit分割，记分割以后水印信息为W＝(w1，w2，～～wn)，则Wi∈{0，1，2，^255}；生成长度为N的混沌序列S＝(S1，S2，^，Sn)，其中，

经过以上步骤，此时<1><2><3>的字串已经变为水印10000111101001

在进行检测水印时，需要用户进行身份认证，其中比较读取的明码密钥信息和用户输入的密钥是否相同，身份认证通过以后，检测程序用密钥对读取密文串进行解码，还原原始的明文位串信息流。

(3)选择待嵌入水印信息的文本文档TXT1，将其送入水印嵌入装置。

首先选择预先设定01串到文本变换的映射规则TP1，根据混沌函数生成密钥：

其中，

x∈[0，1)为混沌系统的当前状态，G^(c)(x)表示混沌系统以X为初值，迭代C次之后的混沌系统状态，为模2加。

本例子中S＝110100110

读入文字后和(1)中的映射规则做比较，若成功，同时，S中相应的位为1，则在TXT1中做替换成为TXT2。下面一段正文：

海边的空房子，床上躺着一个人，～～～～“谁啊”，老人一声呼唤，嗯，我，～～～～

根据(2)的水印串，经过替换以后，变为：

海边的空房子，床上，一个人躺着，～～～～“谁啊”，老人一声呼唤，嗯～～，我，～～～～

(4)水印提取

根据TXT2，进行恢复。整个TXT1中，扫描匹配判断所有和Initialization结点符合的语义点，将满足映射条件的语义点根据TP进行隐射，直到水印信息W2所有01串映射完毕，否则提示无法完全嵌入水印信息；最后根据的比特值映射规则，对TXT1中所有和Initialization结点符合的语义点，将其Initialization中内容按照operation中的操作规则进行映射，获得嵌入水印后的载体文本。

本例中，可以看出通过前面的模板TP1，可以恢复出1000，后面继续恢复可以还原为10000111101001，然后，进行(2)的逆过程，获取水印明文信息。

通过本发明所述的方法，埋入的信息量较大，可以有很好的鲁棒性，最能体现本方法的优势的地方就在于隐藏在内容中的水印，可以抗击复制，复印，以及轻微的修改，有很好的抗攻击性。

上述实施例之事本发明一个简单的实施方式，本领域技术人员不难得出其他的实施方法而不违背本发明的总体思想。

Claims (4)

1.利用计算机系统在文档中嵌入及检测水印的方法和装置，该计算机系统至少包括：

水印生成装置：根据输入版权信息情况，生成待加载文本水印。

水印嵌入装置，对水印载体媒质分析、嵌入信息的预处理、信息嵌入点的选择、嵌入方式的设计、嵌入调制的控制进行合理优化，通过合理选择密钥，将设定的自然语言语义等价变换以嵌入水印。

水印提取装置，水印嵌入算法的逆过程，在需要时可以随时从嵌入水印的掩体文本中提取出水印信息。

其特征在于：水印生成装置，水印嵌入装置，水印提取装置呈线性连接，其工作过程有以下步骤：

(1)设定01串到文本变换的映射规则

本发明将01串到文本变换以XML文件形式记为TP1，表示如下：

TP＝F(Initialization)＝{(VALUE₁，Result₁，condition₁)，......(VALUE_i，Result_i，condition_i)}

其中函数F(X)表示一个01串到文本变换的映射规则集合；Initialization节点表示文档中被替换的文字块；Result节点表示进行规则映射后的文字块，当Initialization文字到Result文字存在1对多映射的时候，映射规则集合中存储多个Result元素；属性值value表示应用该改写模板进行变换时，改写模板承载的比特信息00、01、10、11，该值根据密钥进行加密变换随机生成；属性Interpunction表示针对标点符号进行的变换，属性condition表示语法变换时，需要满足的约束条件。当该约束条件同时满足时，才能设定01串到文本变换的映射。

(2)水印生成装置根据输入版权信息提取提取特征，生成水印信息W，W是即要嵌入的水印，将水印信息w划分成块，每块β比特。[W/β]向上取整就是标记句的数目。记分割以后水印信息为W＝(w1，w2，～～wn)，则Wi∈{0，1，2，^255}；生成长度为N的混沌序列S＝(S1，S2，^，Sn)，其中，

利用混沌系统以给定的密钥K1，迭代产生混沌序列，并利用该序列对水印信息W1进行加密编码，得到加密编码后的水印信息W2，W2形式为1个长度大于1的密文位串信息流，适合于嵌入到数字文本中。

(3)将其送入水印嵌入装置，首先选择预先设定01串到文本变换的映射规则TP1，根据混沌函数生成密钥：

$S=f(i,c,G)=i\&CirclePlus;\underset{k=1}{\overset{8}{\mathrm{\&Sigma;}}}\left(\right[G^{(c+k)}\left(x\right)\&CenterDot;2]\&times;2^{k-1})$ 其中，

x∈[0，1)为混沌系统的当前状态，G^(c)(x)表示混沌系统以X为初值，迭代C次之后的混沌系统状态，

为模2加。

输入密钥S及大素数P，根据输入的密钥S对01串到文本变换的映射规则TP1进行解密，如果密钥S不正确，则提示解密失败返回；其次判断素数P的二次剩余个数是否大于TP1节点数/3，如果不大于则提示输入素数不够大返回；然后利用大素数P1给01串到文本变换的映射规则TP1随机编码，若Result中出现的语法而TXT1不出现的语法，则将Result加入TP；最后对选取的TP中所有Result节点进行编码，01串到文本变换的映射规则TP加载过程。

(4)水印信息W2如果为空，提示输入水印信息；接着判断TP是否加载成功，如果不成功，提示请先加载TP；

(5)整个TXT1中，扫描匹配判断所有和Initialization结点符合的语义点，将满足映射条件的语义点根据TP进行隐射，直到水印信息W2所有01串映射完毕，否则提示无法完全嵌入水印信息；最后根据的比特值映射规则，对TXT1中所有和Initialization结点符合的语义点，将其Initialization中内容按照operation中的操作规则进行映射，获得嵌入水印后的载体文本。在匹配算法中，我们采用最大匹配原则，相关的字符串匹配算法有KMP算法等。

(6)水印提取流程如图11所示：与嵌入过程类似，首先判断01串到文本变换的映射规则TP否加载成功，如果不成功，提示请先加载TP；然后通过词法和组块分析，获得所有句子的词性序列，结果存入List链表中，将List链表中每个句子与模板库进行匹配，如果匹配成功，获得该水印句承载的水印信息，添加到数组中；最后当所有句子匹配完成后，重组并解密，即得到嵌入的水印信息。

2.根据权利要求1所述的方法实现，其特征在于：所述的电子文档提交、收集和录入装置从互联网上自动获得或者通过人工获得被检测文本。

3.根据权利要求1所述的实现，其特征在于：所述的被检测文本无论在计算机中以什么格式存储，其向用户呈现的是以自然语言为主的文本内容，而不是图形、图像、视频等信息。

4.根据权力要求1所述的实现，函数F(X)最初的构造可以人工进行，或者通过对大量领域文档分词以后，进行聚类分析，然后构造。