CN103853946B - 一种基于fcm聚类特征的gis矢量数据版权认证方法 - Google Patents

Abstract

本发明公开了一种基于FCM聚类特征的GIS矢量数据版权认证方法。本发明主要针对GIS矢量数据中地理要素空间聚类特征稳定的优势，以及零水印利用原始作品的重要特征来构造原始水印信号的特点，通过地理要素FCM聚类特征构建用于GIS矢量数据版权认证的零水印，较好地解决了GIS矢量数据水印的不可感知性和鲁棒性之间的矛盾。本发明的版权认证方法不会影响数据质量，能有效抵抗数据编辑、裁剪等多种攻击，具有较高的鲁棒性。

Description

一种基于FCM聚类特征的GIS矢量数据版权认证方法

技术领域

本发明属于地理信息安全领域，具体涉及一种基于模糊C均值(Fuzzy c-means，简称FCM)聚类算法提取数据聚类特征，并基于零水印版权认证原理，进行GIS矢量数据版权认证的方法。

背景技术

面向GIS矢量数据的海量特点与高保真要求，基于传统版权标记算法的版权认证越来越无能为力。相关数字水印技术虽可用于GIS矢量数据的版权认证，并得到一定应用，但仍存在着以下两方面不足：1)嵌入在地理空间数据产品中的版权标记，易被其操纵软件--GIS软件的坐标变换、投影变换等操作所擦除，算法的鲁棒性难以满足版权保护的需要；2)版权标记的嵌入会对原始载体数据造成一定的干扰和失真。

零水印作为一种新型的数字水印系统，由于是利用原始作品的重要特征来构造原始水印信号，而不是修改这些特征，可以很好地解决数字水印的不可感知性和鲁棒性之间的矛盾，并是一种天然的盲水印系统。此外，由于FCM空间聚类特征的稳定性和不变性，基于FCM聚类特征构建的零水印具有较高的鲁棒性。为此，本发明主要在基于FCM聚类算法提取地理要素的空间聚类特征信息的基础上，构建零水印版权标识来进行GIS矢量数据的版权认证。

发明内容

本发明的目的在于：基于模糊C均值(FCM)聚类算法构建零水印，实现具无数据失真、高鲁棒性特点的GIS矢量数据版权认证。

为了实现上述目的，本发明所采取的技术方案主要包括以下过程：

(1)版权标记生成过程

步骤一：设定聚类数目c和权值参数m(m∈[1,∞))。一般来讲聚类数目c要远远小于聚类样本的总个数，同时要保证c>1；

步骤二：打开一个GIS矢量数据文件；将文件中每个要素中各节点的横坐标和纵坐标信息读取到二维数组D中,二维数组D的格式为D[n][2]，n为节点个数；

步骤三：用值在0-1间的随机数初始化隶属矩阵U＝{u_ij|i＝1,…,c；j＝1,…,n}，使其满足式(1)中的约束条件；

且

步骤四：用式(2)计算聚类中心点向量c_i，i＝1,…,c，其中：D_j为数组D中存贮的n个向量，j＝1,2…,n；m为权值参数；

$c_i=\frac{\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m{D}_j}{\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m}---\left(2\right)$

步骤五：根据式(3)计算价值函数值；如果价值函数值小于某个确定的阀值T₁，或价值函数值相对上次价值函数值的改变量小于某个阀值T₂，则转至步骤七；否则，继续执行；其中：u_ij介于0-1间；c_i为聚类中心，d_ij＝||c_i-x_j||为第i个聚类中心与第j个数据点间的欧几里德距离；m为权值参数；

$J(U,c_1,...,c_c)=\underset{i=1}{\overset{c}{\Σ}}{J}_i=\underset{i=1}{\overset{c}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m{d}_{ij}^2,---\left(3\right)$

步骤六：根据式(4)计算新的矩阵；计算完毕后，返回步骤四；

$u_{ij}=\frac{1}{\underset{k=1}{\overset{c}{\Σ}}{\left(\frac{d_{ij}}{d_{kj}}\right)}^{2/(m-1)}}---\left(4\right)$

步骤七：遍历c个聚类中心点向量c_i的取值，由于向量维数为2，按式(5)依次求取各相邻中心点向量间的距离r_i，i＝1,…,c-1；

$r_i=\sqrt{{(c_{i,x}-c_{i-1,x})}^2+{(e_{i,y}-c_{i-1,y})}^2}---\left(5\right)$

步骤八：遍历c-1个距离r_i，查找到其中的最大值Max，并依据下式(6)对r_i进行归一化处理，其中，i＝2,…,c，r_i小数点前保留1位，小数点后保留9位，不足的补0；

$r_i=\frac{r_i}{Max}---\left(6\right)$

步骤九：依次取出上一步距离r_i中的10位数字，按序数先后依次排列在一起，形成特征认证信息W；

步骤十：在特征认证信息W前面加上8位当前日期字符串后，根据用户设置密钥信息Key，基于RSA加密算法对认证信息W进行加密，生成带时间戳的版权标识加密信息We；将信息We、密钥信息Key、聚类数目c和权值参数m信息存档，以供版权认证使用；

(二)版权认证过程

步骤一：当发现可疑产品时，提供信息We、密钥信息Key、聚类数目c、权值参数m和可疑GIS矢量数据文件用于版权认证；

步骤二：按照前述版权标记生成过程中步骤二至步骤八，计算各聚类中心点向量c_i间距离比值r_i并存入数组R中，i＝2,…,c；

步骤三：根据数据生产商提供密钥Key，对存档的版权标识加密信息We进行解密，生成8位时间戳信息和特征认证信息W；

步骤四：将特征认证信息W每10位分为一组，在每组第一位数字后加入小数点，并写入数组OriginR中；

步骤五：读取数组R和数组OriginR中数据，根据式(7)计算相似度S；

$S=\frac{\underset{i=1}{\overset{c-1}{\Σ}}R\[i\]\×OriginR\[i\]}{\underset{i=1}{\overset{c-1}{\Σ}}\sqrt{R{\[i\]}^2}\×\sqrt{OriginR{\[i\]}^2}}---\left(7\right)$

步骤六：如果相似度S≥阈值参数t,则证明可疑产品为侵权作品；否则，则可疑产品不是侵权作品。

本发明根据GIS矢量数据所表达地理要素的空间聚类分布特点，基于零水印原理，提出了一种针对GIS矢量数据的版权标记与版权认证方法。该版权认证方法不会影响数据质量，能有效抵抗数据编辑、裁剪等多种攻击，具有较高的鲁棒性。

附图说明

图1为本发明实施例选取的实验数据。

图2为实验数据遭受旋转攻击后生成的数据。

图3是本发明方法的版权标记生成流程图。

图4是本发明方法的版权认证流程图。

具体实施方式

下面结合附图和实施例做进一步详细说明。

本实例选择一典型的shp面图层数据，针对数据的读取、版权标记生成、版权标记认证的整个过程，进一步详细说明本发明。本实施例选择美国的水系线状图层数据(如图1)作为实验数据，图2为实验数据遭受旋转攻击后生成的数据。密钥Key值为“10010101”，认取阈值取0.85。

(1)版权标记生成过程。

步骤一：设定聚类数目c＝8和权值参数m＝2。

步骤二：打开美国水系线图层文件F；将文件中各要素节点的横、纵坐标信息读取到二维数组D中,本实施例中节点个数为6473。

步骤三：用值在0，1间的随机数初始化隶属矩阵U，使其满足式(1)中的约束条件。

步骤四：用式(2)计算8个聚类中心点向量c_i。

步骤五：根据式(3)计算价值函数。首次计算，本处不满足跳转条件，则继续执行。当循环至满足跳转条件时，转至步骤七。

步骤六：根据式(4)计算新的U矩阵。返回步骤三。

步骤七：遍历8个聚类中心点向量c_i的取值，按式(5)求取各中心点向量间的距离r_i,经计算，其值分别为：8758443.722,6684817.709,8357220.231,5310817.504,4566008.624,16412342.61,16510309.67。

步骤八：遍历7个距离r_i，查找到其中的最大值Max，并依据公式(6)对r_i进行归一化处理；其值分别为：0.530483310,0.404887482,0.506181919,0.321666741,0.276554996,0.994066310,1.000000000。

步骤九：依次取出r_i中的10位数字，按序数先后依次排列在一起，形成特征认证信息W。本实施例中，其值为：0530483310040488748205061819190321666741027655499609940663101000000000。

步骤十：在特征认证信息W前面加上8位当前日期字符串“20131227”后，字符串为：201312270530483310040488748205061819190321666741027655499609940663101000000000。根据数据生产商用户设置密钥信息“10010101”，基于RSA加密算法对认证信息W进行加密，生成带时间戳的版权标识加密信息We。

(2)版权标记提取和认证过程。

步骤一：当发现可疑产品时，提供We信息、密钥信息Key、聚类数目c、权值参数m和经变换后的可疑GIS矢量数据文件用于版权认证。

步骤二：按照前述版权标记生成过程中步骤二至步骤八，计算各聚类中心间距离值r_i(i＝2,…,8)并存入数组R中。本实施例中，其值依次为：0.530483310,0.404887482,0.506181919,0.321666741,0.276554996,0.994066310,1.000000000。

步骤三：根据数据生产商提供密钥Key，对存档的版权标识加密信息We进行解密，生成8位时间戳信息和特征认证信息W。

步骤四：将特征认证信息W每10位分为一组，在每组第一位数字后加入小数点，并写入数组OriginR中。本实施例中，其取值依次为：0.530483310,0.404887482,0.506181919,0.321666741,0.276554996,0.994066310,1.000000000。

步骤五：根据式(7)计算相似度。本实施例中，其值为：1。

步骤六：本实施例中，相似度S>认证阈值0.85,则证明可疑产品为侵权作品。

本发明实施例中仅以线图层数据进行版权标记生成与认证处理，该方法也可以适用于点图层、面图层数据的版权标记生成与认证。

本发明实施例中仅以shp格式的GIS矢量数据进行版权标记生成与认证处理，该方法也适用于GML、E00、MIF等其它格式GIS矢量数据的版权标记生成与认证处理。

(3)测试分析。

由上述实施例可知：原始数据经一定旋转攻击处理后，仍能正确进行版权认证。说明该算法对于旋转攻击，具有较高的鲁棒性。此外，本方法对数据旋转、放大、缩小等攻击，同样具有较高的鲁棒性。

综上分析，本发明所采用的方法可以成功地应用于GIS矢量数据的版权认证。

Claims (1)

1.一种基于FCM聚类特征的GIS矢量数据版权认证方法，其特征在于，包括如下步骤：

(一)版权标记生成过程

步骤一：设定聚类数目c和权值参数m，m∈[1,∞)，聚类数目c远远小于聚类样本的总个数，同时c>1；

步骤二：打开一个GIS矢量数据文件；将文件中每个要素中各节点的横坐标和纵坐标信息读取到二维数组D中,二维数组D的格式为D[n][2]，n为节点个数；

步骤三：用值在0-1间的随机数初始化隶属矩阵U＝{u_ij|i＝1,…,c；j＝1,…,n}，使其满足式(1)中的约束条件；

且

步骤四：用式(2)计算聚类中心点向量c_i，i＝1,…,c，其中：D_j为数组D中存贮的n个向量，j＝1,2…,n；m为权值参数；

$c_i=\frac{\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m{D}_j}{\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m}---\left(2\right)$

步骤五：根据式(3)计算价值函数值；如果价值函数值小于某个确定的阀值T₁，或价值函数值相对上次价值函数值的改变量小于某个阀值T₂，则转至步骤七；否则，继续执行；其中：u_ij介于0-1间；c_i为聚类中心，d_ij＝||c_i-x_j||为第i个聚类中心与第j个数据点间的欧几里德距离；m为权值参数；

$J(U,c_1,\mathrm{...},c_c)=\underset{i=1}{\overset{c}{\Σ}}{J}_i=\underset{i=1}{\overset{c}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{u}_{ij}^m{d}_{ij}^2,---\left(3\right)$

步骤六：根据式(4)计算新的矩阵；计算完毕后，返回步骤四；

$u_{ij}=\frac{1}{\underset{k=1}{\overset{c}{\Σ}}{\left(\frac{d_{ij}}{d_{kj}}\right)}^{2/(m-1)}}---\left(4\right)$

步骤七：遍历c个聚类中心点向量c_i的取值，由于向量维数为2，按式(5)依次求取各相邻中心点向量间的距离r_i，i＝1,…,c-1；

$r_i=\sqrt{{(c_{i,x}-c_{i-1,x})}^2+{(c_{i,y}-c_{i-1,y})}^2}---\left(5\right)$

步骤八：遍历c-1个距离r_i，查找到其中的最大值Max，并依据下式(6)对r_i进行归一化处理，其中，i＝2,…,c，r_i小数点前保留1位，小数点后保留9位，不足的补0；

$r_i=\frac{r_i}{Max}---\left(6\right)$

步骤九：依次取出上一步距离r_i中的10位数字，按序数先后依次排列在一起，形成特征认证信息W；

步骤十：在特征认证信息W前面加上8位当前日期字符串后，根据用户设置密钥信息Key，基于RSA加密算法对认证信息W进行加密，生成带时间戳的版权标识加密信息We；将信息We、密钥信息Key、聚类数目c和权值参数m信息存档，以供版权认证使用；

(二)版权认证过程

步骤一：当发现可疑产品时，提供信息We、密钥信息Key、聚类数目c、权值参数m和可疑GIS矢量数据文件用于版权认证；

步骤二：按照前述版权标记生成过程中步骤二至步骤八，计算各聚类中心点向量c_i间距离比值r_i并存入数组R中，i＝2,…,c；

步骤三：根据数据生产商提供密钥Key，对存档的版权标识加密信息We进行解密，生成8位时间戳信息和特征认证信息W；

步骤四：将特征认证信息W每10位分为一组，在每组第一位数字后加入小数点，并写入数组OriginR中；

步骤五：读取数组R和数组OriginR中数据，根据式(7)计算相似度S；

$S=\frac{\underset{i=1}{\overset{c-1}{\Σ}}R\[i\]\×OriginR\[i\]}{\underset{i=1}{\overset{c-1}{\Σ}}\sqrt{R{\[i\]}^2}\×\sqrt{OriginR{\[i\]}^2}}---\left(7\right)$

步骤六：如果相似度S≥阈值参数t,则证明可疑产品为侵权作品；否则，则可疑产品不是侵权作品。