CN102184244A - 一种适合于polygon类型、高鲁棒的地理数据库水印方法 - Google Patents

Abstract

本发明公开了一种适合于polygon类型数据的地理数据库水印方法，包括水嵌入过程和水印检测过程。在水印嵌入过程中，首先为每个地物生成一个鲁棒的地物标识，然后依据鲁棒的地物标识将所有地物分为若干组，并在每个组中重复嵌入一个水印位。水印检测过程与水印嵌入过程类似，通过生成鲁棒的地物标识、地物分组和可变步长的量化解调以及水印投票步骤，最后判定所有权归属。本发明利用地物的平均特征距离的最高h有效位作为鲁棒的地物标识，且该标识不随着地理数据平移、旋转、化简、顶点插值、噪音附加、元组删除、元组增加和元组修改而改变，因此本发明具有良好的抗几何攻击（除缩放外）、顶点攻击和元组攻击能力。

Description

一种适合于polygon类型、高鲁棒的地理数据库水印方法

技术领域

本发明涉及一种水印方法，尤其是涉及一种一种适合于polygon类型、高鲁棒的地理数据库水印方法。

背景技术

自从20世纪60年代世界上第一个GIS(Geographical Information System)系统由加拿大测量学家R.F.Tomlison提出并建立以来，GIS技术和应用取得了长足的发展。目前随着汽车导航、位置服务等新兴大众消费应用的出现，GIS应用呈现加速发展趋势。

地理数据是GIS应用的基础，绝大部分GIS应用都离不开矢量地理数据库(点、线、面三种类型数据)。获取、构建和维护空间数据库是一项复杂、工作量巨大的工程。例如，高质量地理数据的采集和生产离不开专业的技术人才和设备，需耗费大量的物力和财力。因此，矢量地理数据库是数据生产者的宝贵财富。但是地理数据的拷贝非常容易，一旦地理数据被出售，非法拷贝就难以避免，这损害了数据生产者的利益，严重情况下可能危及国家信息安全。众所周知，数字水印技术可用来保护数字产品的知识产权，它通过轻微修改原始数据，将版权信息隐藏在原始数据中。鲁棒性、不可见性和盲检性是数字水印技术的三个重要属性。鲁棒性描述水印化数据在遭到特定破坏水印的攻击或操作后水印信息的生存能力。常见的地理数据操作或攻击方式包括：(1)几何攻击，包括平移、旋转和缩放；(2)顶点攻击，包括化简(顶点删除)、顶点增加、噪音附加(顶点修改)；(3)元组攻击，包括元组增加、元组修改、裁剪(元组删除)。目前鲜有地理数据水印技术在满足盲检的同时，有效抵抗几何、顶点和元组三类攻击。不可见性是指水印算法对原始数据的修改不降低原始数据的质量，能够保证数据的可用性。现有地理数据库水印方法通常使用空间精度指标将因水印嵌入引起顶点坐标的改变限制在空间精度范围内。事实上，水印嵌入也可以导致地理对象形状的改变，目前方法大多没有考虑保持加水印地理对象的形状。

发明内容

本发明主要是解决现有技术所存在的上述技术问题；提供了一种具有良好的鲁棒性、良好的安全性以及良好的数据保真性的一种适合于polygon类型、高鲁棒的地理数据库水印方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种适合于polygon类型、高鲁棒的地理数据库水印方法，其特征在于，包括由水印嵌入执行模块进行的水印嵌入步骤和由水印检测执行模块进行的水印检测步骤，基于定义：地理数据集D={R,P}，其中R表示参考坐标系, P ={P ₁ , P ₂ ,…, P _n }，表示n个Polygon类型地物的集合。地物P _i 由一系列的顶点组成，P _i = {p _i1 , p _i2 ,…, p _m , p _m+1  = p _i1 }, i ?{1,2,…,n}，每个地物对应关系模式中的一个元组；具体操作如下：

由水印嵌入执行模块进行的水印嵌入步骤：

步骤1.1，获取鲁棒的地物标识数据：

步骤1.2，获取地物分组数据；

步骤1.3，根据步骤1.1和步骤1.2获取的鲁棒的地物标识数据和地物分组数据计算地物P _ij 平均特征距离mfd _ij , mfd _ij 即为水印载体数据；然后采用可变步长量化调制，修改mfd _ij 值嵌入水印信息；

由水印检测执行模块进行的水印检测步骤：

步骤1.4，获取鲁棒的地物标识数据：

步骤1.5，获取地物分组数据；

步骤1.6，根据步骤1.4和步骤1.5获取的鲁棒的地物标识数据和地物分组数据进行水印信息提取；

步骤1.7，根据提取的水印信息进行水印投票，决定嵌入的水印信息。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.1中，获取鲁棒的地物标识数据的具体操作方法为：定义地物的平均特征距离最高h有效位来标识地物，对于P={P ₁ ,P ₂ ,…,P _n }中任意地物P _i ，运用道格拉斯-普克算法对其进行特征点标识，设化简阈值为dist，求解地物P _i 的特征点F _i = {f  _i 1 , f  _i 2 ,,…,f  _i m }，计算其特征中心O _i ，并计算每个特征点与特征中心的距离，得到特征距离FD _i ={ fd  _i 1 , fd  _i 2 ,,…,fd  _i m  }，对FD _i 中所有特征距离求平均值得到地物P _i 的平均特征距离mdf _i ，所有地物的平均特征距离构成载体数据MDF={ mdf ₁ ,mdf ₂ ,…, mdf _n  }，对于地物P _i ，其平均特征距离为mdf _i ，取其最高h位作为地物标识，计算公式如下：

       ；

其中，h值的选取，定义启发式

，其中

和

分别表示所有地物的平均特征距离的均值和方差。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.2中，基于定义n为地物个数，将数据集D划分为m个互不相交的子集{S ₁ , S ₂ ,…, S _m }，每个子集中平均包含n/m个地物，获取地物分组数据的具体操作方法为：

步骤3.1，获取消息验证码：

对于每个地物P _i ，基于如下公式计算其消息验证码MAC：

其中Pid _i 是地物P _i 的标识，H()是一种安全hash函数，||是连接操作符，K _p 是数据划分密钥；

步骤3.2，进行地物分组：

利用每个地物对应的消息验证码MAC，将每个地物分配到某个分组中，基于如下公式计算：

其中，K和m是私密的，由数据所用者保存用于水印提取。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.3中没具体的嵌入过程如下：

步骤4.1，定义地物P _ij 的标识为Pid _ij ，以Pid _ij 和密钥K为种子，生成伪随机数发生器G, 用于产生随机数序列；

步骤4.2，生成可变步长d：基于可变步长d计算方法公式：

d = (gf _lower +(gf _upper  -gf _lower  )* lf )* τ  ；

其中，gf _upper 表示全局量化步长上界，gf _lower 表示全局量化步长下界，lf表示局部量化步长调谐因子，τ表示地理数据空间精度误差，gf _upper 和gf _lower 是常量，满足0≤gf  _lower  ≤gf _lower  ≤1,由数据所有者作为秘密参数保存，lf是一个局部变量，其值随着地物的不同发生变化, 计算方法基于公式：

lf = nextFloat(G)        ；

所述步长d随着地物不同而变化，其范围为

gf  _lower  * τ≤ d ≤ gf  _upper  * τ

其中，参数gf _upper 和gf _lower 限制了步长的上界和下界；

步骤4.3，生成水印：取步骤4.1中G产生的随机数列中第一个整数，对2取模得到b _temp ，然后对b _temp 与w _i 实施异或操作，得到拟嵌入的水印位b，然后生成一个与目标地物相关的临时二进制位，对w _i 实施扰动，定义w _i 和W为有效水印位和有效水印信息；

步骤4.4，量化调制： 给定量化参数mfd _ij 和量化步长d，首先定义0-量化子集合(q ₀ (k)=k*d, k∈Z)和1-量化子集合(q ₁ (k)=k*d+d/2, k∈Z)，其中0(1)-量化子集合分别用来对水印比特位’0’(’1’)进行编码；然后根据水印比特b是’0’(’1’)，将量化参数mfd _ij 调制到离mfd _ij 最近的0(1)-量化子上，调制后的量化参数记为mfd _ij ’；

步骤4.5，以地物P _ij 特征中心为中心，对地物P _ij 实施放大或缩小操作，缩放因子a=mfd _ij ’/mfd _ij ，从而得到水印化的地物。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.4的具体操作步骤如下：使用道格拉斯-普克算法对D’进行化简操作，用于标识特征点，化简距离为dist。然后计算每个地物的特征中心点、特征距离和平均特征距离，并取平均特征距离的最高h有效位作为每个地物的标识。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.5的具体操作步骤如下：根据每个地物的标识，利用安全哈希函数计算每个地物的消息验证码MAC，然后根据每个地物的消息验证码对分组数m取模的结果，将所有可疑数据集中的所有地物分配到m个数据子集{S ₁ , S ₂ ,…, S _m }中，每个数据子集中平均包含|D’|/m个地物。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.6的具体操作步骤如下：由水印嵌入过程可知，每个数据子集中嵌入一个水印位，分别重复隐藏在该数据子集中所有地物中：

步骤7.1，计算地物P _i 的平均特征距离mfd _ij ；

步骤7.2，用地物P _i 的标识Pid _i 和水印密钥K作为种子生成伪随机数发生器G，利用步骤4.2所述lf计算公式计算出与P _i 对应的局部量化步长调谐因子lf，并通过步骤4.2所述d计算公式计算出量化步长d；

步骤7.3，根据步长d对mfd _i 进行量化处理，构造0-量化子和1-量化子集合，然后计算平均特征距离mfd _i 与最近的0-量化子或1-量化子的距离，如果平均特征距离mfd _i 离0-量化子近，则提取出的水印位bit _i 为’0’，否则bit _i 为’1’。然后取伪随机数发生器G生成的第一个整数，与2取模，得到b _temp ，将bit _i 和b _temp 进行异或操作，得到地物上P _i 隐藏的水印信息b。

通过重复量化解调过程，提取出隐藏在每个地物上的水印位，用集合W表示，W={W ₁ , W ₂ ,…, W _m }，其中W _i 表示从数据子集S _i 中提取出的水印集合。

在上述的一种适合于polygon类型、高鲁棒的地理数据库水印方法,所述的步骤1.7的具体操作步骤如下：给定重复嵌入在某个数据子集S _i 中所有水印位W _i 来确定与该数据子集对应的水印信息w _i ，如果该数据子集中检测出的’0’比特位数大于’1’比特位数目，则判定该数据子集中嵌入的水印信息为’0’，反之为’1’。

因此，本发明具有如下优点：1. 具有良好的鲁棒性；2. 具有良好的安全性；3. 具有良好的数据保真性。

附图说明

图1为多边形地物特征距离示意图；

图2为本发明数据划分算法；

图3本发明的量化调制示意图；

图4为本发明的水印嵌入算法；

图5为本发明的水印检测算法。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

一种适合于polygon类型、高鲁棒的地理数据库水印方法，包括由水印嵌入执行模块进行的水印嵌入步骤和由水印检测执行模块进行的水印检测步骤，基于定义：地理数据集D={R,P}，其中R表示参考坐标系, P ={P ₁ , P ₂ ,…, P _n }，表示n个Polygon类型地物的集合。地物P _i 由一系列的顶点组成，P _i = {p _i1 , p _i2 ,…, p _m , p _m+1  = p _i1 }, i ?{1,2,…,n}，每个地物对应关系模式中的一个元组；具体操作如下：

由水印嵌入执行模块进行的水印嵌入步骤：

步骤1.1，获取鲁棒的地物标识数据：

为了确保水印同步，数据库水印和地理数据水印方法通常为元组或地物确定鲁棒的标识符，使水印检测过程中计算的地物标识与水印嵌入时的地物标识一致，以便能提取正确的水印信息。通常，一个好的地物标识应具有两个性质：(1)尽可能区别不同的地物；(2)具有较强的抗干扰性，即加水印后的地物受到一定幅度的合法操作或恶意攻击后仍然能正确提取原地物标识。本文拟用地物的平均特征距离最高h有效位来标识地物。对于P={P ₁ ,P ₂ ,…,P _n }中任意地物P _i ，运用道格拉斯-普克算法对其进行特征点标识，设化简阈值为dist，求解地物P _i 的特征点F _i = {f  _i 1 , f  _i 2 ,,…,f  _i m }，计算其特征中心O _i ，并计算每个特征点与特征中心的距离（如图1所示），得到特征距离FD _i ={ fd  _i 1 , fd  _i 2 ,,…,fd  _i m  }，对FD _i 中所有特征距离求平均值得到地物P _i 的平均特征距离mdf _i 。所有地物的平均特征距离构成本水印方法的载体数据MDF={ mdf ₁ ,mdf ₂ ,…, mdf _n  }。对于地物P _i ，其平均特征距离为mdf _i ，取其最高h位作为地物标识，计算公式如下：

        (2)

h值不能太大，否则对地物的轻微修改会破坏地物标识；h值也不能太小，否则可能存在多个地物的标识相同，无法区分不同的地物。关于h值的选取，本文给出一个启发式，其中

和

分别表示所有地物的平均特征距离的均值和方差。

步骤1.2，获取地物分组数据；

设数据集D={R,P}，其中P={P ₁ ,P ₂ ,…,P _n }，n为地物（元组）个数。将数据集D划分为m个互不相交的子集{S ₁ , S ₂ ,…, S _m }，每个子集中平均包含n/m个地物。

A．计算消息验证码

对于每个地物P _i ，利用公式(3)计算其消息验证码(MAC)

        (3)

其中Pid _i 是地物P _i 的标识，H()是一种安全hash函数，||是连接操作符，K _p 是数据划分密钥。

B．将地物分组

利用每个地物对应的消息验证码，将每个地物分配到某个分组中，如公式(4)所示。

           (4)

K和m是私密的，由数据所用者保存用于水印提取。在没有K和m相关知识的情况下，攻击者就很难计算出算法中地物与分组之间的对应关系，所以数据划分算法是安全的。数据划分过程如图2所示。

步骤1.3，根据步骤1.1和步骤1.2获取的鲁棒的地物标识数据和地物分组数据计算地物P _ij 平均特征距离mfd _ij , mfd _ij 即为水印载体数据；然后采用可变步长量化调制，修改mfd _ij 值嵌入水印信息；具体操作如下：

通过数据划分算法，原始数据集D被划分为m个分组{S ₁ , S ₂ ,…, S _m }。水印信息W={w ₁ , w ₂ ,…, w _m },我们拟将水印w _i  (i=1,2,…,m)隐藏到分组S _i  (i=1,2,…,m)中，因为分组S _i 平均包含n/m个地物，w _i 水印位将被重复嵌入n/m次。对于分组S _i 中地物P _ij ，首先根据地物平均特征距离的定义，计算地物P _ij 平均特征距离mfd _ij , mfd _ij 即为水印载体数据；然后采用可变步长量化调制技术，修改mfd _ij 值嵌入水印信息。详细嵌入过程如下：

(1)设地物P _ij 的标识为Pid _ij ，以Pid _ij 和密钥K为种子，生成伪随机数发生器G, 用于产生随机数序列。

(2)生成可变步长. 关于步长d的选择，本文考虑两个因素：(a)水印化数据的保真性。量化调制过程中量化步长d的大小直接影响水印化数据的质量。步长越大，对数据的修改程度越大，水印引起的数据失真会增大，从而降低数据质量；反之，步长越小，水印算法引起的数据失真相对减小，水印化数据质量会提高。(b)水印算法的安全性。如果量化步长d是固定的，则所有地物经过量化调制后的平均特征距离都是d的倍数，这样攻击者可通过统计水印化数据的平均特征距离，很容易估计出步长值，使得水印算法的安全性大大降低。综合以上两种因素，本文设计了一种可变步长，如公式(7)所示

d = (gf _lower +(gf _upper  -gf _lower  )* lf )* τ     (7)

其中，gf _upper 表示全局量化步长上界，gf _lower 表示全局量化步长下界，lf表示局部量化步长调谐因子，τ表示地理数据空间精度误差。gf _upper 和gf _lower 是常量，满足0≤gf  _lower  ≤gf _lower  ≤1,由数据所有者作为秘密参数保存。lf是一个局部变量，其值随着地物的不同发生变化, 计算方法如公式(8)所示。

lf = nextFloat(G)           (8)

由公式(7)(8)可知，步长d随着地物不同而变化，其范围为

gf  _lower  * τ≤ d ≤ gf  _upper  * τ        (9)

其中，参数gf _upper 和gf _lower 限制了步长的上界和下界。

(3)生成水印. 取G产生的随机数列中第一个整数，对2取模得到b _temp ，然后对b _temp 与w _i 实施异或操作，得到拟嵌入的水印位b。本文不直接将w _i 嵌入到地物P _ij ，而是生成一个与目标地物相关的临时二进制位，对w _i 实施扰动，这样有助于提高水印算法的安全性。为了不引起混淆，下文称w _i 和W为有效水印位和有效水印信息。

(4)量化调制. 给定量化参数mfd _ij 和量化步长d，首先定义0-量化子集合(q ₀ (k)=k*d, k∈Z)和1-量化子集合(q ₁ (k)=k*d+d/2, k∈Z)，其中0(1)-量化子集合分别用来对水印比特位’0’(’1’)进行编码；然后根据水印比特b是’0’(’1’)，将量化参数mfd _ij 调制到离mfd _ij 最近的0(1)-量化子上，调制后的量化参数记为mfd _ij ’。 量化调制过程如图3所示。

(5)为了体现水印的嵌入，我们以地物P _ij 特征中心为中心，对地物P _ij 实施放大或缩小操作，缩放因子a= mfd _ij ’/mfd _ij ，从而得到水印化的地物。

整个水印嵌入算法如图4所示。

由水印检测执行模块进行的水印检测步骤：水印检测过程与水印嵌入过程类似。给定一个待检测的可疑地理数据D’={R’,P’}和若干秘密参数如密钥K、数据分组数m、全局量化步长调谐因子gf、化简距离dist和地理数据精度误差τ等，通过水印检测算法，判定该可疑数据中是否包含正确的水印信息，具体检测过程如下：

步骤1.4，获取鲁棒的地物标识数据：

使用道格拉斯-普克算法对D’进行化简操作，用于标识特征点，化简距离为dist。然后计算每个地物的特征中心点、特征距离和平均特征距离，并取平均特征距离的最高h有效位作为每个地物的标识。

步骤1.5，获取地物分组数据；

根据每个地物的标识，利用安全哈希函数计算每个地物的消息验证码（MAC）。然后根据每个地物的消息验证码对分组数m取模的结果，将所有可疑数据集中的所有地物分配到m个数据子集{S ₁ , S ₂ ,…, S _m }中，每个数据子集中平均包含|D’|/m个地物。

步骤1.6，根据步骤1.4和步骤1.5获取的鲁棒的地物标识数据和地物分组数据进行水印信息提取；

由水印嵌入过程可知，每个数据子集中嵌入一个水印位，分别重复隐藏在该数据子集中所有地物中。下面介绍如何从某个地物P _i 中提取水印信息。与嵌入水印时的量化调制对应，本文采用量化解调技术提取水印信息，具体过程如下：(a)计算地物P _i 的平均特征距离mfd _i ；(b)用地物P _i 的标识Pid _i 和水印密钥K作为种子生成伪随机数发生器G，利用公式(8)计算出与P _i 对应的局部量化步长调谐因子lf，并通过公式(7)计算出量化步长d；(c)根据步长d对mfd _i 进行量化处理，构造0-量化子和1-量化子集合。然后计算平均特征距离mfd _i 与最近的0-量化子或1-量化子的距离。如果平均特征距离mfd _i 离0-量化子近，则提取出的水印位bit _i 为’0’，否则bit _i 为’1’。然后取伪随机数发生器G生成的第一个整数，与2取模，得到b _temp ，将bit _i 和b _temp 进行异或操作，得到地物上P _i 隐藏的水印信息b。整个水印检测过程如图5所示。

通过重复量化解调过程，提取出隐藏在每个地物上的水印位，用集合W表示，W={W ₁ , W ₂ ,…, W _m }，其中W _i 表示从数据子集S _i 中提取出的水印集合。

步骤1.7，根据提取的水印信息进行水印投票，决定嵌入的水印信息，给定重复嵌入在某个数据子集S _i 中所有水印位W _i 来确定与该数据子集对应的水印信息w _i 。采用投票决定该数据子集嵌入的水印信息。

应当具体说明的是：本发明具有以下主要有益效果：

第一.本发明中提出的地理数据库水印方法具有良好的鲁棒性，具体说明如下：

(1)本发明为每个Polygon类型地物计算出一个鲁棒的地物标识。鲁棒的地物表示不受平移、旋转和元组删除操作的影响，而且化简操作、噪音附加和顶点插值操作对该地物标识影响很小。因此，本发明中的水印算法能有效抵抗平移、旋转、化简、噪音附加、顶点插值和元组删除攻击。

(2)由于本文依据地物的鲁棒标识将地物划分为若干子集，在某个子集中的不同地物上重复嵌入相同水印位，水印检测时采用投票机制来确定某个子集中嵌入的水印信息。重复嵌入水印位使本发明中的水印算法具有一定的抗元组增加和元组修改能力。

第二.本发明中提出的算法具有良好的安全性，具体说明如下：

(1)本发明使用数据划分算法将所有地物划分到若干分组中，某个地物的分组结果受该地物标识、分组数和分组密钥控制。在没有分组数和分组密钥相关知识的情况下，攻击者就很难计算出算法中地物与分组之间的对应关系，所以数据划分算法是安全的。

(2)本发明在嵌入水印时运用可变步长量化调制技术，其中可变步长由全局调谐因子和局部调谐因子控制，其中全局调谐因子作为密钥由用户保存，局部调谐因子由地物标识和水印嵌入密钥共同确定。可变步长的使用提高了水印算法的安全性。

第三.本发明中提出的算法具有良好的数据保真性，具体说明如下：

(1) 本发明通过参数全局调谐因子和局部调谐因子控制可变步长的大小，可将水印嵌入引起的顶点坐标修改限制在空间精度范围内，从而确保水印化数据的可用性。

(2) 本发明通过轻微缩放地物来体现水印的嵌入。缩放操作不改变地物的形状，因此本发明中提出的算法能很好的保持原地物的形状。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种适合于polygon类型、高鲁棒的地理数据库水印方法，其特征在于，包括由水印嵌入执行模块进行的水印嵌入步骤和由水印检测执行模块进行的水印检测步骤，基于定义：地理数据集D={R,P}，其中R表示参考坐标系, P ={P ₁ , P ₂ ,…, P _n }，表示n个Polygon类型地物的集合，地物P _i 由一系列的顶点组成，P _i = {p _i1 , p _i2 ,…, p _m , p _m+1  = p _i1 }, i ?{1,2,…,n}，每个地物对应关系模式中的一个元组；具体操作如下：

由水印嵌入执行模块进行的水印嵌入步骤：

步骤1.1，获取鲁棒的地物标识数据：

步骤1.2，获取地物分组数据；

步骤1.3，根据步骤1.1和步骤1.2获取的鲁棒的地物标识数据和地物分组数据计算地物P _ij 平均特征距离mfd _ij , mfd _ij 即为水印载体数据；然后采用可变步长量化调制，修改mfd _ij 值嵌入水印信息；

由水印检测执行模块进行的水印检测步骤：

步骤1.4，获取鲁棒的地物标识数据：

步骤1.5，获取地物分组数据；

步骤1.6，根据步骤1.4和步骤1.5获取的鲁棒的地物标识数据和地物分组数据进行水印信息提取；

步骤1.7，根据提取的水印信息进行水印投票，决定嵌入的水印信息。

2.根据权利要求1所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.1中，获取鲁棒的地物标识数据的具体操作方法为：定义地物的平均特征距离最高h有效位来标识地物，对于P={P ₁ ,P ₂ ,…,P _n }中任意地物P _i ，运用道格拉斯-普克算法对其进行特征点标识，设化简阈值为dist，求解地物P _i 的特征点F _i = {f  _i 1 , f  _i 2 ,,…,f  _i m }，计算其特征中心O _i ，并计算每个特征点与特征中心的距离，得到特征距离FD _i ={ fd  _i 1 , fd  _i 2 ,,…,fd  _i m  }，对FD _i 中所有特征距离求平均值得到地物P _i 的平均特征距离mdf _i ，所有地物的平均特征距离构成载体数据MDF={ mdf ₁ ,mdf ₂ ,…, mdf _n }，对于地物P _i ，其平均特征距离为mdf _i ，取其最高h位作为地物标识，计算公式如下：

       ；

其中，h值的选取，定义启发式，其中

和

分别表示所有地物的平均特征距离的均值和方差。

3.根据权利要求1所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.2中，基于定义n为地物个数，将数据集D划分为m个互不相交的子集{S ₁ , S ₂ ,…, S _m }，每个子集中平均包含n/m个地物，获取地物分组数据的具体操作方法为：

步骤3.1，获取消息验证码：

对于每个地物P _i ，基于如下公式计算其消息验证码MAC：

    

其中Pid _i 是地物P _i 的标识，H()是一种安全hash函数，||是连接操作符，K _p 是数据划分密钥；

步骤3.2，进行地物分组：

利用每个地物对应的消息验证码MAC，将每个地物分配到某个分组中，基于如下公式计算：

         

其中，K和m是私密的，由数据所用者保存用于水印提取。

4.根据权利要求1所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.3中没具体的嵌入过程如下：

步骤4.1，定义地物P _ij 的标识为Pid _ij ，以Pid _ij 和密钥K为种子，生成伪随机数发生器G, 用于产生随机数序列；

步骤4.2，生成可变步长d：基于可变步长d计算方法公式： 

d = (gf _lower +(gf _upper  -gf _lower  )* lf )* τ   ；

其中，gf _upper 表示全局量化步长上界，gf _lower 表示全局量化步长下界，lf表示局部量化步长调谐因子，τ表示地理数据空间精度误差，gf _upper 和gf _lower 是常量，满足0≤gf  _lower  ≤gf _lower  ≤1,由数据所有者作为秘密参数保存，lf是一个局部变量，其值随着地物的不同发生变化, 计算方法基于公式：

lf = nextFloat(G)        ；

所述步长d随着地物不同而变化，其范围为

gf  _lower  * τ ≤ d ≤ gf  _upper  * τ   

其中，参数gf _upper 和gf _lower 限制了步长的上界和下界；

步骤4.3，生成水印：取步骤4.1中G产生的随机数列中第一个整数，对2取模得到b _temp ，然后对b _temp 与w _i 实施异或操作，得到拟嵌入的水印位b，然后生成一个与目标地物相关的临时二进制位，对w _i 实施扰动，定义w _i 和W为有效水印位和有效水印信息；

步骤4.4，量化调制： 给定量化参数mfd _ij 和量化步长d，首先定义0-量化子集合(q ₀ (k)=k*d, k∈Z)和1-量化子集合(q ₁ (k)=k*d+d/2, k∈Z)，其中0(1)-量化子集合分别用来对水印比特位’0’(’1’)进行编码；然后根据水印比特b是’0’(’1’)，将量化参数mfd _ij 调制到离mfd _ij 最近的0(1)-量化子上，调制后的量化参数记为mfd _ij ’；

步骤4.5，以地物P _ij 特征中心为中心，对地物P _ij 实施放大或缩小操作，缩放因子a=mfd _ij ’/mfd _ij ，从而得到水印化的地物。

5.根据权利要求1所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.4的具体操作步骤如下：使用道格拉斯-普克算法对D’进行化简操作，用于标识特征点，化简距离为dist，然后计算每个地物的特征中心点、特征距离和平均特征距离，并取平均特征距离的最高h有效位作为每个地物的标识。

6.根据权利要求1所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.5的具体操作步骤如下：根据每个地物的标识，利用安全哈希函数计算每个地物的消息验证码MAC，然后根据每个地物的消息验证码对分组数m取模的结果，将所有可疑数据集中的所有地物分配到m个数据子集{S ₁ , S ₂ ,…, S _m }中，每个数据子集中平均包含|D’|/m个地物。

7.根据权利要求4所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.6的具体操作步骤如下：由水印嵌入过程可知，每个数据子集中嵌入一个水印位，分别重复隐藏在该数据子集中所有地物中：

步骤7.1，计算地物P _i 的平均特征距离mfd _ij ；

步骤7.2，用地物P _i 的标识Pid _i 和水印密钥K作为种子生成伪随机数发生器G，利用步骤4.2所述lf计算公式计算出与P _i 对应的局部量化步长调谐因子lf，并通过步骤4.2所述d计算公式计算出量化步长d；

步骤7.3，根据步长d对mfd _i 进行量化处理，构造0-量化子和1-量化子集合，然后计算平均特征距离mfd _i 与最近的0-量化子或1-量化子的距离，如果平均特征距离mfd _i 离0-量化子近，则提取出的水印位bit _i 为’0’，否则bit _i 为’1’，然后取伪随机数发生器G生成的第一个整数，与2取模，得到b _temp ，将bit _i 和b _temp 进行异或操作，得到地物上P _i 隐藏的水印信息b，

通过重复量化解调过程，提取出隐藏在每个地物上的水印位，用集合W表示，W={W ₁ , W ₂ ,…, W _m }，其中W _i 表示从数据子集S _i 中提取出的水印集合。

8.根据权利要求5所述的一种适合于polygon类型、高鲁棒的地理数据库水印方法, 其特征在于，所述的步骤1.7的具体操作步骤如下：给定重复嵌入在某个数据子集S _i 中所有水印位W _i 来确定与该数据子集对应的水印信息w _i ，如果该数据子集中检测出的’0’比特位数大于’1’比特位数目，则判定该数据子集中嵌入的水印信息为’0’，反之为’1’。

Images