CN108614961A - 一种数据库数字水印嵌入和保护方法 - Google Patents

Abstract

本发明公开了一种数据库数字水印嵌入方法，包括：对目标数据库的属性列进行评分，根据评分结果选择进行嵌入的属性；用元组选择算法和基于二叉树的直方图平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置；依据映射矩阵，使用基于二叉树的直方图平移算法的水印算法将数字水印重复数次嵌入目标数据库。本发明还公开了一种数据库的保护方法和一种互联网汽车数据库的水印生成与嵌入方法。其他方法相比，本方法通过算法提升了数字水印的鲁棒性和不可感知性，抵抗攻击的能力更强，可用来鉴权的信息量更高，强化了数字水印在具体应用时的效果。

Description

一种数据库数字水印嵌入和保护方法

技术领域

本文涉及属于数据安全技术领域，具体涉及一种数据库的水印生成与嵌入方法。

背景技术

在21世纪，现代化的企业非常重视信息化，越来越多的企业、机关甚至个人都开始建立起自己的数据库，把各类数据存储在其中。在很多信息化平台中，数据库都扮演着举足轻重的角色。这其中绝大多数的数据库都在网络环境中运转，为用户提供查询、修改等等操作。但接入互联网，就意味着数据库的安全随时受到威胁，因为互联网本身并不具备保护数据库安全的机制。只要数据库没有被物理隔绝，理论上都是不安全的。在数字水印技术被应用在数据库保护的领域之前，数据库安全的主要技术包括：数据库加密、访问控制、入侵检测、用户认证以及数据库审计等技术。

在早期，通常人们通过对数据文件进行加密来保障数据的安全。将数据文件进行加密后再进行传输、发布，如果非法攻击者无法破解加密方法，那么机密信息也就无法被破译，从而保护了版权和信息的安全。但加密方法也存在其弊端。首先，信息在被加密后会对其可读性造成一定的影响，有时甚至会导致其难以被正确的解读，信息在被分享、传播时就会产生偏差或错误；其次，加密后的信息一旦被攻击者得到相应的密钥或破解加密方法，信息就变得完全没有任何安全性可言；最后，当接受者收到数据并将其解密后，数据就不再被保护，给了盗版者以可乘之机。

随着数据库安全问题日益严峻，用户认证技术和数据库访问控制技术先后被提出。这两种技术都是从控制访问权限的角度进行保护，然而一旦访问权限遭到泄露，则数据库就没有安全性可言了。同时，这两种技术也并未对数据的完整性以及可用性进行保护。

数据库入侵检测技术是通过对用户使用模式检查，从而将具有恶意入侵嫌疑的用户筛选出来，进行针对性的控制和补救。但这项技术的检测具有滞后性，准确率也比较低，并且仅仅只能捕捉攻击而无法阻止攻击。同样的，数据库审计技术也是一种只能在攻击发生以后才会预警的事后监督机制。

另一方面，目前在市场上应用比较广泛的数据库系统都是有国外公司开发的，在使用时也无法得到底层的源代码，从这个角度考虑，数据库的安全更加无法得到保障。

基于上文提到的一些数据库安全的问题，为了进一步提升数据的安全性，信息隐藏技术逐渐被应用到了信息安全中。通过信息隐藏的技术，将具有机密性质的信息隐藏在普通的载体中，再进行传播；当有发现侵权行为时，通过提取隐藏的信息从而提供版权证据，申请法律保护。

将版权信息隐藏到数字载体中，为数字产品提供版权保护、完整性鉴别、私密性保护和来源鉴别等功能。伴随着国内外版权保护需求的逐渐大幅增加，数字水印技术作为信息安全的一个重要分支，已经逐渐的成为该方向的一个研究热点。

早年间，国内外数字水印技术研究主要集中在多媒体领域，数字水印技术可以解决版权保护的问题，亦在对多媒体产品进行完整性鉴别时都有良好的效果。但是，数据库作为一种以数据为主要内容的信息载体，与其他的信息载体有着很多的不同之处。因此，直接使用多媒体水印技术将水印嵌入到数据库中是行不通的，必须结合数据库的特点进行有针对性的相关研究。

数据库水印相对多媒体水印的不同之处总结如下：

1)多媒体数据因为需要存储很多像素，冗余空间较大；关系型数据库由元组构成，冗余空间相对比较小。

2)多媒体数据对象各个单位之间存在时间或空间上的关联，更新频率也相对不高；关系型数据库的元组和属性之间较少存在有序关联，更新频率相对更高。

3)多媒体数据某些局部被进行篡改、删除等操作时，在视觉或者听觉上比较容易被察觉；在对关系型数据库中的元组做这类操作时，比较难发现，攻击者可以轻易的攻击，且很难被察觉。

以上这些区别，都使得数据库水印在被研究和应用时有一定的困难和局限性。不难发现，数据库水印技术研究的难点一个是数据库的冗余空间非常有限，使得水印的嵌入容量小，有时甚至无法将完整的水印嵌入其中；另外一个是因为数据库的操作相对可能会比较频繁，数据库水印算法的鲁棒性必须很足够强。因此，未来的研究重点是在保障足够的不可感知性和保留数据库使用性的基础上，开拓冗余空间，提高水数据库水印的鲁棒性。

迄今为止，国内外数字水印技术在图像、视频和声音等多媒体载体上开展的研究比较广泛和深入。近年来，由于人们对版权保护越来越重视，各类信息载体如：数据库、文本、软件等也越来越多的被尝试嵌入水印，数字水印技术的研究也取得了很多突破。然而，现阶段的数字水印技术研究仍然有许多尚未顾及到的领域，现在应用的算法也有许多可以提升的地方。

随着互联网汽车开始在市场上出现，汽车行驶数据的数据量和应用范围也越来越广，汽车数据的价值越来越重要。但同时，互联网汽车的数据库入口也越来越多，对于汽车信息进行滥用、窃取、非法传播、恶意篡改等问题也随之产生。

发明内容：

为了克服上述背景技术的缺陷，本发明提供。本文公开一种数据库的水印生成与嵌入方法，可以在不影响数据使用的前提下，提供数据库的版权鉴别、版权跟踪和完整性鉴别等功能。

为了解决上述技术问题本发明的所采用的技术方案为：

一种数据库数字水印嵌入方法，包括：

步骤1，对目标数据库的属性列进行评分，根据评分结果选择进行嵌入的属性；

步骤2，用元组选择算法和基于二叉树的直方图平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置；

步骤3，依据映射矩阵，使用基于二叉树的直方图平移算法的水印算法将数字水印重复数次嵌入目标数据库。

较佳地，步骤1具体包括：

步骤11，计算数字水印嵌入容量

其中WME(W_k)的计算方法为，若dis_k＜2^L，则WME(W_k)＝1；若 dis_k≥2^L，则WME(W_k)＝0。

其中dis_k的计算方法为，若k＝0，则dis_k＝2^Lev；若k≠0，则 dis_k＝|m_k-1-m_k|。

其中，Lev为二叉树的层数，m_k为属性中第K个元组的原始值， j为元组的序号，maxj即为最大元组序号。

步骤12，计算待嵌入属性中的数据相对自身的失真率

判断|m_k-m_k-1|＜2^Lev是否成立，若是，则dis_k＝|m_k-n_k|，若否，则dis_k＝0，其中，n_k为属性中第K个元组被嵌入水印后的值；

步骤13，计算待嵌入属性中的数据相对相邻属性数据的失真率

其中，若|m_k-m_k-1|＜2^Lev，则若|m_k-m_k-1|≥2^Lev，则

其中，是m_k的上边相邻的元素数值，是m_k下边相邻的元素数值；是dis_k的上边相邻的元素dis数值，是dis_k下边相邻的元素dis数值；

步骤14，计算该属性中的数据相对相邻一行元组行数据的失真率

其中，是m_k的左边相邻元素的数值，是m_k右边的邻居数值；dis的计算方法为，若|m_k-m_k-1|＜2^Lev，则若 |m_k-m_k-1|≥2^Lev，则

步骤15，评分结果计算方法为，若EC＜len(H)，则G_i,Lev值无效；若EC≥len(H)，则G_i，Lev＝EC/[(W₁×S-dis)+(W₂×T-dis)+(W₃×A-dis)]；

其中，W1、W2和W3代表数据相对自身失真率S-dis、数据相对相邻属性数据失真率T-dis和数据相对相邻行元组数据失真率A-dis 的权重，i为属性的序号，而Lev代表二叉树的层数。

较佳地，步骤2具体包括：

步骤21，将目标数据库主键Primary Key和各个属性的ID通过映射存在映射矩阵M中；

步骤22，遍历目标数据库中每个属性的元组A₁，A₂……A_i，，其中i 为数据库中属性总数，将所有将要被嵌入的水印的数值位标记为M_ij＝ 1。计算方法为，若|m_j-1-m_j|＜2^Lev，则M_ij＝1；若 |m_j-1-m_j|≥2^Lev，则M_ij＝0。其中，Lev为水印嵌入时二叉树的层数，i为属性的序号，j为元组的序号。

步骤23，目标数据库遍历完成后，使用游程编码算法对映射矩阵M进行无损压缩。

较佳地，步骤3具体包括：

步骤31，计算相邻元组数据之间的差值，计算方法为，若j＝0，则dis_j＝2^Lev；若j≠0，则dis_j＝|m_j-1-m_j|。其中，Lev为二叉树的层数，m_j为属性中第j个元组的数据。

步骤32，根据属性选择和元组选择的结果，将水印位嵌入数据库中，若M_ij＝1，则将水印位h嵌入。计算方法为，若m_j≥m_j-1，则n_j＝m_j+(dis_j+h)；若m_j＜m_j-1；则 n_j＝m_j-(dis_j+h)。其中，n_j为m_j嵌入水印位后的数值；

步骤33，根据属性选择和元组选择的结果，对不进行水印位嵌入的值保持其原始状态；。

较佳地，步骤33是指，若M_ij＝0，不对元组的数据值进行修改。

本发明还提供一种数据库的保护方法，包括：

步骤一，获取待保护用户和对象的数据信息；

步骤二，将数据通过哈希函数将数据信息生成数字水印；

步骤三，应用如上数字水印嵌入方法将数字水印嵌入待保护的目标数据库；

步骤四，将经步骤三嵌入数字水印的所述目标数据库信息(位置信息矩阵、原始水印和用来生成水印的信息)进行加密，并存储到信息数据库。

较佳地，数据信息包括用户ID和与用户ID一一对应的用户声纹信息，用户声纹信息的提取方法包括：

从语音云端后台提取用户语音口令的音频信息，通过对音频信息进行梅尔倒谱系数特征提取(MFCC),得到其声纹特征向量，即为所述用户声纹信息。

本发明还提供一种互联网汽车数据库的水印生成与嵌入方法，数据信息还包括车辆信息。

较佳地，步骤二通过哈希函数将数据信息生成的数字水印为

H＝hash(CarInfo||VoiceInfo||CustomerID||CompanyID||DatabaseInfo)

其中，CarInfo为车辆信息，VoiceInfo为用户声纹信息， CustomerID为用户ID，CompanyID为车辆公司信息，DatabaseInfo 为目标数据库信息。

本发明的有益效果在于：与其他方法相比，本方法通过算法提升了数字水印的鲁棒性和不可感知性，抵抗攻击的能力更强，可用来鉴权的信息量更高，强化了数字水印在具体应用时的效果。本方法支持的数据类型更多，可应用的数据库范围也更广。通过数字水印方法对互联网汽车数据库进行版权保护、版权跟踪、完整性鉴别、来源鉴别、拷贝控制。

附图说明

图1为本发明具体实施方式实施例三的流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步的说明。

实施例一

一种数据库数字水印嵌入方法，包括：

步骤1，对目标数据库的属性列进行评分，根据评分结果选择进行嵌入的属性，具体包括：

步骤11，计算数字水印嵌入容量

其中WME(W_k)的计算方法为，若dis_k＜2^L，则 WME(W_k)＝1；若dis_k≥2^L，则WME(W_k)＝0。

其中dis_k的计算方法为，若k＝0，则dis_k＝2^Lev；若k≠0，则 dis_k＝|m_k-1-m_k|。

其中，Lev为二叉树的层数，m_k为属性中第K个元组的原始值,j 为元组序号，max j即为最大元组序号。

步骤12，计算待嵌入属性中的数据相对自身的失真率

判断|m_k-m_k-1|＜2^Lev是否成立，若是，则dis_k＝|m_k-n_k|，若否，则dis_k＝0，其中，n_k为属性中第K个元组被嵌入水印后的值；

步骤13，计算待嵌入属性中的数据相对相邻属性数据的失真率

其中，若|m_k-m_k-1|＜2^Lev，则若|m_k-m_k-1|≥2^Lev，则

其中，是m_k的上边相邻的元素数值，是m_k下边相邻的元素数值；是dis_k的上边相邻的元素dis数值，是dis_k下边相邻的元素dis数值；

步骤14，计算该属性中的数据相对相邻一行元组行数据的失真率

其中，是m_k的左边相邻元素的数值，是m_k右边的邻居数值；dis的计算方法为，若|m_k-m_k-1|＜2^Lev，则若 |m_k-m_k-1|≥2^Lev|，则

步骤15，评分结果计算方法为，若EC＜len(H)，则G_i,Lev值无效；若EC≥len(H)，

则G_i，Lev＝EC/[(W₁×S-dis)+(W₂×T-dis)+(W₃×A-dis)]；

其中，W1、W2和W3代表数据相对自身失真率S-dis、数据相对相邻属性数据失真率T-dis和数据相对相邻行元组数据失真率A-dis 的权重，i为属性的序号，而Lev代表二叉树的层数。

步骤2，用元组选择算法和基于二叉树的直方图平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置，具体包括：

步骤21，将目标数据库主键Primary Key和各个属性的ID通过映射存在映射矩阵M中；

步骤22，遍历目标数据库中每个属性的元组A₁，A₂……A_i，，其中i 为数据库中属性总数，将所有将要被嵌入的水印的数值位标记为M_ij＝ 1。计算方法为，若|m_j-1-m_j|≥2^Lev，则M_ij＝1；若 |m_j-1-m_j|≥2^Lev，则M_ij＝0。其中，Lev为水印嵌入时二叉树的层数，i为属性的序号，j为元组的序号。

步骤23，目标数据库遍历完成后，使用游程编码算法对映射矩阵M进行无损压缩。

步骤3，依据映射矩阵，使用基于二叉树的直方图平移算法的水印算法将数字水印重复数次嵌入目标数据库，具体包括：

步骤31，计算相邻元组数据之间的差值，计算方法为，若j＝0，则dis_j＝2^Lev；若j≠0，则dis_j＝|m_j-1-m_j|。其中，Lev为二叉树的层数，m_j为属性中第j个元组的数据。

步骤32，根据属性选择和元组选择的结果，将水印位嵌入数据库中，若M_ij＝1，则将水印位h嵌入。计算方法为，若m_j≥m_j-1，则n_j＝m_j+(dis_j+h)；若m_j＜m_j-1；则n_j＝m_j-(dis_j+h)。其中，n_j为m_j嵌入水印位后的数值；

步骤33，根据属性选择和元组选择的结果，对不进行水印位嵌入的值保持其原始状态；若M_ij＝0，则表示没有水印位被嵌入，不对元组的数据值进行修改。

实施例二

一种数据库的保护方法，包括：

步骤一，获取待保护用户和对象的数据信息；

步骤二，将数据信息通过哈希函数将数据信息生成数字水印；

步骤三，应用如实施例一所述数字水印嵌入方法将数字水印嵌入待保护的目标数据库；

步骤四，将经步骤三嵌入数字水印的所述目标数据库信息(位置信息矩阵、原始水印和用来生成水印的信息)进行加密，并存储到信息数据库。

较佳地，数据信息包括用户ID和与用户ID一一对应的用户声纹信息，用户声纹信息的提取方法包括：从语音云端后台提取用户语音口令的音频信息，通过对音频信息进行梅尔倒谱系数特征提取 (MFCC),得到其声纹特征向量，即为所述用户声纹信息。

实施例三

一种互联网汽车数据库的水印生成与嵌入方法，数据信息还包括车辆信息。

本实施例的步骤二通过哈希函数将数据信息生成的数字水印为

H＝hash(CarInfo||VoiceInfo||CustomerID||CompanyID||DatabaseInfo)

其中，CarInfo为车辆信息，VoiceInfo为用户声纹信息， CustomerID为用户ID，CompanyID为车辆公司信息，DatabaseInfo 为目标数据库信息。

一种基于声纹特征和数字水印的方法，用于对互联网版车型后台数据库进行版权鉴别、版权跟踪以及完整性验证等工作，从而达到改善上述问题的目的。

本文的技术方案步骤如下：

1.从语音处理服务器端，获得车辆用户对应的声纹特征。

2.根据版权鉴别信息生成数字水印。

3.将数字水印嵌入互联网汽车的服务器端数据库和互联网汽车的数据库。

4.从数据库中将数字水印的提取。

5.数字水印与声纹特征应用于版权保护。

更详细的来讲，在步骤1中，还包括以下步骤：

在目前的互联网汽车上，用户通过语音口令可唤醒语音识别系统。本方法运用用户的语音口令的声纹特征数据进行版权鉴别。

(1)从语音云端后台提取用户语音口令的音频信息，对唤醒口令的语音加汉明窗函数作重叠性分帧，对于每帧语音，再做傅立叶变换得到其频谱。

(2)对频谱数据变换到mel域，再进行特定的滤波和域变换，提取出其声纹特征向量，通过矩阵保存在服务器端数据库中。该声纹特征与用户ID进行映射绑定，作为鉴别用户的特征之一。

更详细的来讲，在步骤2中，还包括以下步骤：

(1)使用哈希函数，将车辆信息、用户声纹信息、用户ID、公司信息、数据库信息生成数字水印，作为版权拥有者的鉴别信息。

更详细的来讲，在步骤3中，还包括以下步骤：

(1)根据特定的属性选择算法，对数据库的属性进行评分。根据数据库、水印和性能要求对四个参数设定不同的权重，得到最终的评分，根据评分选择进行嵌入的属性。

(2)根据特定的元组选择算法和平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置。

(3)根据映射矩阵，使用平移算法，将数字水印嵌入服务器端和汽车主机端的数据库中。

(4)将整个数据库遍历完成后，使用游程编码算法对映射矩阵进行无损压缩，最后对压缩过的矩阵进行密钥加密，与密钥共同存储在另外的数据库中。

更详细的来讲，在步骤4中，还包括以下步骤：

(1)根据映射矩阵，将服务器端数据库中的水印提取。

(2)根据密钥，对数字水印的信息进行解密，得到标准水印。

同样的方法，可以取得需要对比的样本中的数字水印。

更详细的来讲，在步骤5中，还包括以下内容：

(1)互联网汽车数据版权保护。在可信的第三方监督下，将水印嵌入服务器端和汽车主机端数据库，然后将数据库公开或交给需要使用的公司。在出现版权纠纷时，从侵权数据中可以检测到水印并提取出来，将水印所包含的版权信息作为证据提交给仲裁，从而起到保护版权拥有者利益的作用。

(2)互联网汽车数据库版权跟踪。版权拥有者在将数据库分发给不同的用户时，嵌入带有用户声纹信息的水印，由于用户的声纹信息具有惟一性，便可以达到区分用户的目的。当出现非法拷贝时，可以将水印提取出来与用户声纹信息水印对比，从而追踪盗版源头。

(3)互联网汽车数据库完整性认证。

在对数据库进行水印检测和提取后，如果提取出来的水印时完整的，那么就有很大概率可以认为数据库是未被篡改的，反之，则数据库一定是被篡改了。由于水印嵌入数据库时也不能覆盖到所有数据，因此，通过脆弱性水印进行完整性认证时，尽量要将水印的分布范围扩大，增加认证的可信的。

具体方案包括：

如图1所示，本实施例的具体方法包括：

在目前的互联网汽车上，用户通过语音口令可唤醒语音识别系统。本方法运用用户的语音口令的声纹特征数据进行版权鉴别。

步骤1，将用户的语音转换成一种数字信息，与用户ID一一对应，保存在单独的数据库中。

步骤11，从语音云端后台提取用户语音口令的音频信息，对唤醒口令的语音加汉明窗函数作重叠性分帧，对于每帧语音，再做傅立叶变换得到其频谱。

步骤12，对频谱数据变换到mel域，再进行特定的滤波和域变换，提取出其声纹特征向量，再通过游程编码算法压缩，成为与用户ID (CustomerID)一一对应的用户声音信息(VoiceInfo)，保存在在服务器端数据库中。

步骤2，使用哈希函数，将车辆信息(CarInfo)、用户声纹信息 (VoiceInfo)、用户ID(CustomerID)、公司信息(CompanyID)、数据库信息(DatabaseInfo)进行生成数字水印(H)，作为版权拥有者的鉴别信息：

H＝hash(CarInfo||VoiceInfo||CustomerID||CompanyID||DatabaseInfo)

步骤3，根据特定的属性选择算法，对数据库的属性进行评分。评分的参数包括：数字水印嵌入容量(EC)、数据相对自身的失真率 (S-dis)、数据相对相邻属性数据的失真率(T-dis)、数据相对相邻元组数据的失真率(A-dis)。

参数EC的计算方法如下：

其中，Lev为二叉树的层数，m_k为属性中第K个元组的原始值,j 为元组序号，max j即为最大元组序号。

参数S-dis的计算方法如下：

其中，Lev为二叉树的层数，m_k为属性中第K个元组的原始值， n_k为属性中第K个元组被嵌入水印后的值。

参数T-dis的计算方法如下：

其中，Lev是嵌入时二叉树的层数，是m_k的上边邻居的数值，是m_k下边的邻居数值。

参数A-dis的计算方法如下：

其中，Lev是嵌入时二叉树的层数，是m_k的左边邻居的数值，是m_k右边的邻居数值。

根据数据库、水印和性能要求对四个参数设定不同的权重，得到最终的评分，根据评分选择进行嵌入的属性。评分计算法方法如下：

其中，W1、W2和W3代表S-dis、T-dis和A-dis的权重，可以根据嵌入水印的要求进行调整，i代表属性的序号，而Lev代表二叉树的层数。

根据特定的元组选择算法和基于二叉树的直方图平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置。元组算法具体描述如下：

将数据库的Primary Key和各个属性的ID通过映射存在矩阵M 中。

遍历数据库中每个属性的元组，对于属性Ai,将所有将要被嵌入的水印的数值位标记为M_ij＝1。公式如下：

其中Lev为水印嵌入时二叉树的层数，i为属性的序号，j为元组的序号。

整个数据库遍历完成后，使用游程编码算法对映射M进行无损压缩。为了保证安全性，还需要对压缩过的矩阵M进行密钥加密。

根据映射矩阵，使用基于二叉树的直方图平移算法的水印算法，将数字水印嵌入服务器端和汽车主机端的数据库中。

计算相邻元组数据之间的差值：

其中，Lev为二叉树的层数，m_j为属性中第j个元组的数据。

根据属性选择和元组选择的结果，将水印位嵌入数据库中。若M_ij＝1，将水印位h嵌入：

其中，n_j为m_j嵌入水印位后的数值。

根据属性选择和元组选择的结果，对不进行水印位嵌入的值保持其原始状态。若M_ij＝0，则没有水印位被嵌入，不对元组的数据值进行修改。

将整个数据库遍历完成后，使用游程编码算法对映射矩阵M进行无损压缩，最后对压缩过的矩阵通过PublicKey加密，与PrivateKey 共同存储在另外的数据库中。

上述实施例一至实施例三中的水印可以以下的方法进行提取：

一种数据库数字水印提取方法，其特征在于：遍历待提取水印的目标数据库，提取水印位的位置信息和数据信息，对所述位置信息进行检测和解码得到最终样本序列H’，对所述数据信息进行检测和解码恢复所述水印位的原始信息。

还包括用于标记所述目标数据库中已嵌入水印位位置信息的映射矩阵M，与所述映射矩阵M中标识为1或0的位置相同的数据库属性即为已嵌入水印位的位置。

所述对所述位置信息进行检测和解码得到最终样本序列H’，的方法包括：提取各个水印位，将各个所述水印位组成水印序列W’，将所述水印序列W’分割为数组水印样本，对每组所述水印样本进行投票的结果即为所述最终样本序列H’。

具体的，据映射矩阵中记录的顺序，将每个属性中的每个水印位提取出后，组成了最终提取出的水印序列W’。将提取出的水印序列 W’按照标准水印长度分为水印样本w1,w2,……。将这些水印样本的每一位，进行多数投票计算，选择最终超过半数的值，每一位投票完成后，恢复出一个最终样本序列H’。

多数投票计算的方法为：

在W’分割出的多组水印样本中，统计所有样本的第i位的值，将出现次数最多的值作为最终序列H’第i位的值，依次类推，从i＝1 开始直到i＝水印样本的长度。

所述提取各个水印位的方法包括：

若|n_j-n_j-1|为偶数，则水印位h_j为0，

若|n_j-n_j-1|为奇数，则水印位h_j为1，

其中，n_j为第j个元组的数据，j＝1，2，……J，J为数据库中已嵌入水印位属性元组的个数。对于数据库中的一个属性，第一个元组的数据为n₀，第二个元组数据为n₁，第三个元组数据为n₂，依此类推，第j个元组数据n_j。在进行水印位的恢复时，根据映射矩阵M 的位置信息，如果第j个元组记录了水印嵌入，则进行上述计算提取水印位。

对所述数据信息进行检测和解码恢复所述水印位的原始信息的方法包括：

对于数据库中各个已嵌入水印位的元组数据n_j，进行计算

若n_j＜n_j-1，则与n_j所对应的原始数据m_j的值为

若n_j＞n_j-1，则与n_j所对应的原始数据m_j的值为

其中，j＝1，2，……J，J为数据库中已嵌入水印位属性元组的个数。对于数据库中的一个属性，第一个元组的数据为n₀，第二个元组数据为n₁，第三个元组数据为n₂，依此类推，第j个元组数据n_j。在进行水印位的恢复时，根据映射矩阵M的位置信息，如果第j个元组记录了水印嵌入，则进行上述计算。

还包括将最终样本水印H’与原始水印进行对比，进行数据库完整性验证。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种数据库数字水印嵌入方法，其特征在于，包括：

步骤1，对目标数据库的属性进行评分，根据评分结果选择进行嵌入的属性；

步骤2，用元组选择算法和基于二叉树的直方图平移算法，对将嵌入数字水印的元组进行标记，通过一个映射矩阵来才存储标记的位置；

步骤3，依据所述映射矩阵，使用基于二叉树的直方图平移算法的水印算法将所述数字水印重复数次嵌入所述目标数据库。

2.根据权利要求1所述的一种数据库数字水印嵌入方法，其特征在于，所述步骤1具体包括：

步骤11，计算数字水印嵌入容量

其中WME(W_k)的计算方法为，若dis_k＜2^Lev，则WME(W_k)＝1；若dis_k≥2^Lev，则WME(W_k)＝0；

其中，dis_k的计算方法为，若k＝0，则dis_k＝2^Lev；若k≠0，则dis_k＝|m_k-1-m_k|；

其中，Lev为二叉树的层数，m_k为属性中第K个元组的原始值,j为元组序号，max j即为最大元组序号；

步骤12，计算待嵌入属性中的数据相对自身的失真率

判断|m_k-m_k-1|＜2^Lev是否成立，若是，则dis_k＝|m_k-n_k|，若否，则dis_k＝0，其中，n_k为属性中第K个元组被嵌入水印后的值；

步骤13，计算待嵌入属性中的数据相对相邻属性数据的失真率

其中，若|m_k-m_k-1|≥2^Lev，则若|m_k-m_k-1|≥2^Lev，则

其中，是m_k的上边相邻的元素数值，是m_k下边相邻的元素数值；是dis_k的上边相邻的元素dis数值，是dis_k下边相邻的元素dis数值；

步骤14，计算该属性中的数据相对相邻一行元组行数据的失真率

其中，是m_k的左边相邻元素的数值，是m_k右边的邻居数值；dis的计算方法为，

若|m_k-m_k-1|＜2^Lev，则

若|m_k-m_k-1|≥2^Lev，则

步骤15，所述评分结果计算方法为，

若EC＜len(H)，则G_i，Lev值无效；

若EC≥len(H)，

则

G_i，Lev＝EC/[(W₁×S-dis)+(W₂×T-dis)+(W₃×A-dis)]；

其中，W1、W2和W3代表数据相对自身失真率S-dis、数据相对相邻属性数据失真率T-dis和数据相对相邻行元组数据失真率A-dis的权重，i为属性的序号，而Lev代表二叉树的层数。

3.根据权利要求1所述的一种汽车数据库数字水印嵌入方法，其特征在于，所述步骤2具体包括：

步骤21，将所述目标数据库主键Primary Key和各个属性的ID通过映射存在映射矩阵M中；

步骤22，遍历所述目标数据库中每个属性的元组A₁，A₂……A_i，，其中i为数据库中属性总数，将所有将要被嵌入的水印的数值位标记为M_ij＝1；具体方法为，若|m_j-1-m_j|＜2^Lev，则M_ij＝1；若|m_j-1-m_j|≥2^Lev，则M_ij＝0，其中，Lev为水印嵌入时二叉树的层数，i为属性的序号，j为元组的序号；

步骤23，所述目标数据库遍历完成后，使用游程编码算法对所述映射矩阵M进行无损压缩。

4.根据权利要求1所述的一种汽车数据库数字水印嵌入方法，其特征在于，所述步骤3具体包括：

步骤31，计算相邻元组数据之间的差值，计算方法为，若j＝0，则dis_j＝2^Lev；若j≠0，则dis_j＝|m_j-1-m_j|，其中，Lev为二叉树的层数，m_j为属性中第j个元组的数据；

步骤32，根据属性选择和元组选择的结果，将水印位嵌入数据库中，若M_ij＝1，则将水印位h嵌入，计算方法为，若m_j≥m_j-1，则n_j＝m_j+(dis_j+h)；若m_j＜m_j-1；则n_j＝m_j-(dis_j+h)，其中，n_j为m_j嵌入水印位后的数值；

步骤33，根据属性选择和元组选择的结果，对不进行水印位嵌入的值保持其原始状态。

5.根据权利要求4所述的一种汽车数据库数字水印嵌入方法，其特征在于：所述步骤33是指，若M_ij＝0，不对元组的数据值进行修改。

6.一种数据库的保护方法，其特征在于，包括：

步骤一，获取待保护用户和对象的数据信息；

步骤二，将所述数据信息通过哈希函数将数据信息生成数字水印；

步骤三，应用如权利要求1-4任一项所述数字水印嵌入方法将所述数字水印嵌入待保护的目标数据库；

步骤四，将经步骤三嵌入数字水印的所述目标数据库信息进行加密，并存储到信息数据库。

7.根据权利要求6所述的一种数据库的保护方法，其特征在于：所述数据信息包括用户ID和与所述用户ID一一对应的用户声纹信息，所述用户声纹信息的提取方法包括：

从语音云端后台提取用户语音口令的音频信息，通过对音频信息进行梅尔倒谱系数特征提取，得到其声纹特征向量，即为所述用户声纹信息。

8.根据权利要求7所述的一种互联网汽车数据库的水印生成与嵌入方法，其特征在于：所述数据信息还包括车辆信息。

9.根据权利要求8所述的一种互联网汽车数据库的水印生成与嵌入方法，其特征在于：所述步骤二通过哈希函数将数据信息生成的所述数字水印为

H＝hash(CarInfo||VoiceInfo||Cus to merID||CompanyID||DatabaseInfo)

其中，CarInfo为车辆信息，VoiceInfo为用户声纹信息，CustomerID为用户ID，CompanyID为车辆所述公司信息，DatabaseInfo为目标数据库信息。