CN111274550A - 基于混沌随机序列的多媒体流文件数字版权的保护方法 - Google Patents

Abstract

本发明提供一种基于混沌随机序列的多媒体流文件数字版权的保护方法，步骤为：S1、利用二维混沌方程生成数字证书，初始化指纹森林；S2、提取多媒体流文件的文件结构和每帧画面，记录帧的总数；S3、对每帧画面进行分割，设定每帧画面中的保护区域；S4、通过指纹森林提取保护区域的像素值；S5、利用数字证书对指纹森林进行二进制归化，生成指纹序列；S6、对指纹序列进行压缩生成多媒体文件的摘要文件。本发明设计了新型的数据结构指纹森林，对多媒体视频中的区域进行了划分以及利用混沌随机序列生成数字证书，有效防止利用深度伪造技术等方法篡改数字版权文件，保证数字版权文件的合法性、完整性、一致性，使数字版权文件更加安全。

Description

基于混沌随机序列的多媒体流文件数字版权的保护方法

技术领域

本发明涉及信息安全，密码学和数字版权等领域，尤其涉及一种基于混沌随机序列的多媒体流文件数字版权的保护方法。

背景技术

《变脸》是一部派拉蒙公司出品的动作剧情电影，由华裔导演吴宇森执导，著名美国演员尼古拉斯.凯奇、约翰.特拉沃塔等出演。影片于1997年在美国上映，电影剧情大致是：杀手凯斯特曾杀害FBI探员亚瑟的家人，于是两人结下不共戴天之仇。为了调查一起致命炸弹的放置地点，亚瑟自愿通过医学手段换掉自己的脸皮，换上杀手凯斯特的脸，混入监狱以套取凯斯特同伙信任，获得炸弹的放置地点。

时隔20多年，2019年6月，一份有关马克.扎克伯格的假视频在国外社交媒体上引起了广泛关注。马克.扎克伯格生于美国，是著名社交网站Facebook(脸书)的创始人兼首席执行官。这段视频中的人，无论从相貌、声音，还是衣着，都与真的扎克伯格一模一样，他能眨眼，会用手势，嘴和脸部动作与语音高度吻合，外人几乎找不到破绽。如果不是马克.扎克伯格本人澄清事实，人们对视频中的人物深信不疑。

20年前电影中通过医学手段实现的“变脸”，在20年后的今天通过计算机技术变成了现实，而这样的“变脸”除了本人，蒙骗了所有的人，让人们难以置信。

2019年9月，中央电视台也报道了一篇“变脸”的新闻，主要的内容是：一款名为ZAO的人工智能变脸软件在国内推出。用户只要上传一张本人正面照片，就可以把一些影视剧片段中演员的脸换成自己的，就如在《变脸》的电影中所看到的画面。这一款变脸软件很快引起有关部门的注意，工信部就网络数据安全问题约谈了相关公司；因为，这样的行为严重侵犯了原作品的数字版权。

数字版权是对计算机中的数字文件进行数字签名，并获得作者本人授权可以传播、使用的电子文件。数字文件不能像纸质文件一样，由作者白纸黑字的签名画押；因此，数字文件的保护需要利用数字证书等计算机技术进行数字化处理，以保护作者的权益。

“变脸”软件所依托的这项人工智能技术，引起了人们的广泛关注，它被称为“DeepFake”，译为深度伪造。2017年底出现的DeepFake技术，虽然不是第一个实现变脸的技术；但却是将人工智能假视频带入大众视野的成功者。这是一种基于深度学习的伪造技术，适用于修改图片和影像，能够实现人脸的“移植”，在原有的视频环境不改变的情况下，把视频中的人物替换成另一个人。为了进一步解释这种技术的应用场景，下面举例说明。

例子1：试想，当一位著名的人去世之后，存世的珍贵视频影像被别有用心的人进行了深度伪造的特殊处理，而其本人不能再去澄清视频的真实性，技术的手段也很难去鉴别真伪；那么，通过数字版权保护的方法对于保护他们的珍贵作品、文献资料是多么的重要，因此，对多媒体流文件数字版权的保护方法是维护个人权益和尊严的有效方法。

例子2：目前的各大媒体和社交网站使用了大量的短视频等多媒体资料，在没有证实真实性的情况下，贸然去传播可能会造成非常严重的后果；因此，对数字版权的保护，对于净化网络空间，保护个人隐私和名誉有着重要的作用，用户可以通过个人的数字证书或者数字授权文件，授权媒体等发布个人的作品等电子资料，以保证数字版权的合法性和真实性，避免被别有用心的人所设计、陷害，造成不必要的损失。

深度伪造技术给多媒体流文件的数字版权保护带来了前所未有的挑战，一些别有用心的人通过这项技术把正版视频中的人物伪造为某个人而混淆视听，恶意传播等，造成恶劣的影响，也会带来严重的社会问题。

原有的基于水印和条码等的数字版权保护难以应对深度伪造技术对视频的修改。一方面，深度伪造技术只是修改视频中的局部甚至是视频中的很小的部分，而图片和视频中的水印和条码等仅仅是固定在图像的一定位置，难以检测或者会漏掉局部的变化，因此，难以验证被修改后的图像是否为正版；另一个方面，如果视频的画面很多或者数量巨大，大量的使用加密/解密等技术势必造成速度下降，影响播放的效果。

多媒体流文件的特点是当视频很长时连续的画面数量巨大，因此，对每个画面的保护就会存在一定的疏漏，而当这样的疏漏恰恰是需要保护的画面时，就会影响版权的验证。混沌序列具有周期长、难以预测，强随机性的特点。多维混沌方程在计算机中容易实现，对硬件要求不高，因此，能够满足大部分用户生成随机序列的需求。混沌随机序列生成的数字证书在一些数字版权的电子出版物中已有使用，因此，利用混沌随机序列生成数字证书保护多媒体流文件是一种有效的方法。

发明内容

(一)要解决的技术问题

本发明的目的是提出一种基于混沌随机序列的多媒体流文件数字版权的保护方法，主要针对深度伪造技术对多媒体流文件视频中篡改需要保护的版权内容进行甄别，保证具有版权的数字文件的完整性、一致性和安全性。

(二)技术方案

为了解决上述技术问题，本发明提供一种基于混沌随机序列的多媒体流文件数字版权的保护方法，所述特征为：

Step_1：利用二维混沌方程生成数字证书，初始化指纹森林；

Step_2：提取多媒体流文件的文件结构，提取每帧画面，记录多媒体流文件帧的总数；

Step_3：对每帧画面进行分割，设定每帧画面中的保护区域；

Step_4：通过指纹森林提取保护区域的像素值；

Step_5：利用数字证书对指纹森林进行二进制归化，生成指纹序列；

Step_6：对指纹序列进行压缩生成多媒体文件的摘要文件。

所述方法使用的数据结构、函数和过程定义如下：

(1)多媒体流文件的每帧的图像、画面被分为区域AreaPart，定义如下：

AreaPart＝{ap_1，ap_2，...，ap_i，...，ap_n}

其中，ap_i是图像、画面的第i个区域，n代表画面、图像被分割的部分的总数。

这样做的主要目的在于：针对深度伪造技术修改画面中的特殊的部分，这些部分往往是需要特殊保护的版权部分，因此，重点对这些部分的修改进行甄别。

(2)每一个区域AreaPart由一个矩阵MatrixSegment表示，定义如下：

MatrixSegment＝{

(ms_11，ms_12，...，ms_1n)，

(ms_21，ms_22，...，ms_2n)，

...，

(ms_n1，ms_n2，...，ms_nn)}

其中，矩阵MatrixSegment是n行n列的方阵。

(3)数字证书DigitalLicense，定义如下：

DigitalLicense＝{dl_1，dl_2，...，dl_i，...，dl_n}

其中，dl_i是十进制整数，n代表数字证书的长度。

(4)指纹森林FingerprintTree，定义如下：

结点Node的数据结构{

Data：结点值

Link：指向Node的链接指针，初始值为空}

树Tree的数据结构，定义如下：

Tree{

root：树的根结点，代表一颗树

brotherLink：兄弟链表结点

childLink：孩子链表结点}

指纹森林FingerprintTree是由一个或者多个树组成，定义如下：

FingerprintTree＝{root_1，root_2，...，root_i，...，root_n}

其中，root_i是指纹森林中第i个树，每个树至少包含一个结点，不能是空树，每个树的结点的总数不超过数字证书的长度。

(5)指纹序列FingerprintSequence，定义如下：

FingerprintSequence＝{fs_1，fs_2，...，fs_i，...，fs_n}

其中，fs_i是指纹序列的第i个元素，值为0或者1。

(6)混沌方程Logistic，定义如下：

t[n+1]＝cp*t[n]*(1-t[n])

其中，t是Logistic混沌方程的时间序列，cp是Logistic混沌方程的控制参数，t[0]是初始条件，n是正整数。

(7)二维混沌生成数字证书的过程记为ProLicence(LicenceLen)，定义如下：

其中，参数LicenceLen代表生成数字证书的长度，具体为：

设定第一个混沌方程为Logstic_1，第二个混沌方程为Logstic_2，二维混沌方程生成的混沌时间序列记为t[m]，m的数值为正整数，InitIterNum是初始迭代次数，由用户初始化，用户初始化Logstic_1的控制参数cp_1和初始条件t_1[0]，用户初始化Logstic_2的控制参数cp_2和初始条件t_2[0]，

混沌方程Logstic_1：t_1[n+1]＝cp_1*t_1[n]*(1-t_1[n])。

混沌方程Logstic_2：t_2[n+1]＝cp_2*t_2[n]*(1-t_2[n])。

混沌方程Logstic_1和Logstic_2需要进行InitIterNum的初始迭代。

二维混沌方程t[m]的迭代过程为：

当m为奇数时，执行混沌方程Logstic_1迭代，取Logstic_1的时间序列值t_1[InitIterNum+m]赋值给t[m]，并整数量化赋值给数字证书DigitalLicense的dl_m。

当m为偶数时，执行混沌方程Logstic_2迭代，取Logstic_2的时间序列值t_2[InitIterNum+m]赋值给t[m]，并整数量化赋值给数字证书DigitalLicense的dl_m。

二维混沌方程迭代次数为LicenceLen，生成数字证书。

一种基于混沌随机序列的多媒体流文件数字版权的保护方法，所述特征为

Step_1：利用二维混沌方程生成数字证书，初始化指纹森林，具体为：

初始化二维混沌方程，设定数字证书的长度LicenceLen，调用系统过程ProLicence(LicenceLen)生成数字证书。新建树Tree的根结点root，初始化兄弟链表结点brotherLink，初始化孩子链表结点childLink，当添加树的结点个数超过数字证书的长度LicenceLen时，提示新建树结点数量已满，将新建树Tree的根结点root添加到指纹森林FingerprintTree中，继续添加新的树到指纹森林中，直到用户选择结束添加过程。

Step_2：提取多媒体流文件的文件结构，提取每帧画面，记录多媒体流文件帧的总数，具体为：

分析多媒体流文件的文件结构，确定多媒体流文件的开始位置和结束位置，提取出每帧画面，多媒体流文件FileStruct

FileStruct＝{FSection_1，FSection_2，...，FSection_i，...，FSection_n}

其中，FSection__i为提取的不包含开始位置和结束位置的第i帧画面，n代表多媒体流文件帧的总数。

Step_3：对每帧画面进行分割，设定每帧画面中的保护区域，具体为：

对帧画面进行分割，划分为区域AreaPart

AreaPart＝{ap_1，ap_2，...，ap_i，...，ap_n}

本发明主要针对深度伪造技术对面面内容的修改，因此，用户选择的区域应该是需要保护的敏感区或者版权区域。选定的区域被表示为矩阵的形式，定义如下：

MatrixSegment＝{

(ms_11，ms_12，...，ms_1n)，

(ms_21，ms_22，...，ms_2n)，

...，

(ms_n1，ms_n2，...，ms_nn)}

其中，矩阵MatrixSegment是n行n列的方阵。

用户选定需要保护的区域应包含在矩阵内。

Step_4：通过指纹森林提取保护区域的像素值，具体为：

在选定的保护区域内，依据指纹森林中每个树，提取保护区域内像素的值Pixel(ms_ij)赋值给Data，其中，Pixel(ms_ij)代表保护区域内矩阵位置ms_ij的像素值。

Step_5：利用数字证书对指纹森林进行二进制归化，生成指纹序列，具体为：

首先，取出指纹森林FingerprintTree的第1棵树，对树进行层次遍历，遍历的序列记为

TreeData＝{td_1，td_2，...，td_i，...，td_m}

数字证书DigitalLicense＝{dl_1，dl_2，...，dl_i，...，dl_n}

归化序列ConvertData，记为

ConvertData＝{cd_1，cd_2，...，cd_i，...，cd_n}

cd_i是归化序列的第i个元素，cd_i的初始值设置为0。

归化过程op记为：cd_i＝op(td_i，dl_i)

当dl_i的数值大于等于td_i时，返回值为1，否则，返回值为0。

对指纹森林FingerprintTree的第2棵树，进行二进制归化，直到指纹森林中所有的树归化完成。将每个树的归化序列按顺序添加到指纹序列中，获得的画面帧的保护区域的指纹序列为

FingerprintSequence＝{fs_1，fs_2，...，fs_i，...，fs_r}

其中，r是指纹序列的总数。

Step_6：对指纹序列进行压缩生成多媒体文件的摘要文件，具体为：

对指纹序列FingerprintSequence进行分组Group，

Group＝{g_1，g_2，...，g_i，...，g_n}

其中，n代表分组的长度。

分组后的指纹序列FingerprintSequence记为

FingerprintSequence＝{Group_1，Group_2，...，Group_i，...，Group_r}

将分组后的指纹序列进行合并，生成多媒体文件的摘要文件。

(三)有益效果

本发明的有益效果是：

(1)对多媒体视频中的区域进行了划分，对需要保护的区域进行了提取，这样做的目的在于：有效防止利用深度伪造技术等方法破坏、篡改文件，特别是画面中一些特殊的部分，例如：人脸、嘴唇、眼睛等部位。

(2)设计了新型的数据结构，通过指纹森林和数字证书，对于多媒体文件的授权分发和甄别进行了改进，有效解决深度伪造等技术对画面修改后难于鉴别的问题。

(3)本发明利用混沌随机序列生成数字证书，进行归化后生成指纹序列，形成文件摘要，有利于数字版权文件的保护，能够有效防止攻击，保证数字版权文件的合法性、完整性、一致性，使数字版权文件更加安全。

附图说明

为了更清楚地说明本发明的技术方案，下面将对本发明中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是利用新的数据结构指纹森林对画面的重点区域进行保护的示意图。

具体实施方式

下面结合附图和实施例对本发明的实施方式做进一步详细描述，以下实施例用于说明本发明，但不能用来限制本发明的范围。

例子1：假设多媒体流文件只有一个画面，对画面中的人脸区域进行版权保护。

Step_1：利用二维混沌方程生成数字证书，初始化指纹森林。

假设生成的数字证书DigitalLicense＝{12，20，97，80}。

指纹森林初始化为

树Tree{

root：root1

brotherLink：6

childLink：9-＞11}

指纹森林FingerprintTree＝{root1}。

Step_2：提取多媒体流文件的文件结构，提取每帧画面，记录多媒体流文件帧的总数。

FileStruct＝{FSection_1}，多媒体流文件帧的总数是1。

Step_3：对每帧画面进行分割，设定每帧画面中的保护区域。

对画面进行划分，设定区域AreaPart

AreaPart＝{ap_1，ap_2，ap_3，ap_4}

画面中的人脸区域处于第1个分区，即ap_1。

对选定的区域ap_1表示为矩阵MatrixSegment＝{

(1，2，3，4)，

(5，6，7，8)，

(9，10，11，12)，

(13，14，15，16)}。

Step_4：通过指纹森林提取保护区域的像素值。

Tree{

root：root1

brotherLink：Pixe1(6)＝27

childLink：Pixel(9)＝7-＞Pixel(11)＝50}。

Step_5：利用数字证书对指纹森林进行二进制归化，生成指纹序列。

首先，取出指纹森林FingerprintTree的第1棵树，对树进行层次遍历，遍历的序列记为

TreeData＝{21，7，50}。

数字证书DigitalLicense＝{12，20，97，80}。

归化序列ConvertData＝{0，1，1}。

获得的画面帧的保护区域的指纹序列为

FingerprintSequence＝{0，1，1}

Step_6：对指纹序列进行压缩生成多媒体文件的摘要文件，具体为：

对指纹序列FingerprintSequence进行分组Group，

Group＝{0，1，1}

分组后的指纹序列FingerprintSequence记为

FingerprintSequence＝{Group_1}＝{03}

将分组后的指纹序列进行合并，生成多媒体文件的摘要文件。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.一种基于混沌随机序列的多媒体流文件数字版权的保护方法，其特征在于，包括：

Step_1：利用二维混沌方程生成数字证书，初始化指纹森林，

Step_2：提取多媒体流文件的文件结构，提取每帧画面，记录多媒体流文件帧的总数，

Step_3：对每帧画面进行分割，设定每帧画面中的保护区域，

Step_4：通过指纹森林提取保护区域的像素值，

Step_5：利用数字证书对指纹森林进行二进制归化，生成指纹序列，

Step_6：对指纹序列进行压缩生成多媒体文件的摘要文件；

一种基于混沌随机序列的多媒体流文件数字版权的保护方法，所述方法使用的数据结构、函数和过程定义如下

(1)多媒体流文件的每帧的图像、画面被分为区域AreaPart，定义如下

AreaPart＝{ap_1，ap_2，...，ap_i，...，ap_n}

其中，ap_i是图像、画面的第i个区域，n代表画面、图像被分割部分的总数；

(2)每个区域AreaPart由一个矩阵MatrixSegment表示，定义如下

MatrixSegment＝{

(ms_11，ms_12，...，ms_1n)，

(ms_21，ms_22，...，ms_2n)，

...，

(ms_n1，ms_n2，...，ms_nn)}

其中，矩阵MatrixSegment是n行n列的方阵；

(3)数字证书DigitalLicense，定义如下

DigitalLicense＝{dl_1，dl_2，...，dl_i，...，dl_n}

其中，dl_i是十进制整数，n代表数字证书的长度；

(4)指纹森林FingerprintTree，定义如下

结点Node的数据结构{

Data：结点值

Link：指向Node的链接指针，初始值为空}

树Tree的数据结构，定义如下

Tree{

root：树的根结点

brotherLink：兄弟链表结点

childLink：孩子链表结点}

指纹森林FingerprintTree由树组成，定义如下

FingerprintTree＝{root_1，root_2，...，root_i，...，root_n}

其中，root_i是指纹森林中第i个树，每个树所包含结点的总数大于等于1，小于等于数字证书的长度；

(5)指纹序列FingerprintSequence，定义如下

FingerprintSequence＝{fs_1，fs_2，...，fs_i，...，fs_n}

其中，fs_i是指纹序列的第i个元素，值为0，1；

(6)混沌方程Logistic，定义如下

t[n+1]＝cp*t[n]*(1-t[n])

其中，t是Logistic混沌方程的时间序列，cp是Logistic混沌方程的控制参数，t[0]是初始条件，n是正整数；

(7)二维混沌生成数字证书的过程记为ProLicence(LicenceLen)，定义如下

其中，参数LicenceLen代表生成数字证书的长度，具体为

设定第一个混沌方程为Logstic_1，第二个混沌方程为Logstic_2，二维混沌方程生成的混沌时间序列记为t[m]，m的数值为正整数，由用户初始化的参数包括：初始迭代次数InitIterNum，Logstic_1的控制参数cp_1和初始条件t_1[0]，Logstic_2的控制参数cp_2和初始条件t_2[0]，

混沌方程Logstic_1形式如下

t_1[n+1]＝cp_1*t_1[n]*(1-t_1[n])

需要进行InitIterNum的初始迭代，

混沌方程Logstic_2形式如下

t_2[n+1]＝cp_2*t_2[n]*(1-t_2[n])

需要进行InitIterNum的初始迭代，

二维混沌方程t[m]的迭代过程为

当m为奇数时，执行混沌方程Logstic_1迭代，取Logstic_1的时间序列值t_1[InitIterNum+m]赋值给t[m]，并整数量化赋值给数字证书DigitalLicense的dl_m，

当m为偶数时，执行混沌方程Logstic_2迭代，取Logstic_2的时间序列值t_2[InitIterNum+m]赋值给t[m]，并整数量化赋值给数字证书DigitalLicense的dl_m，

二维混沌方程迭代次数为LicenceLen，生成数字证书，

所述方法使用的数据结构、函数和过程描述完毕；

一种基于混沌随机序列的多媒体流文件数字版权的保护方法，其特征在于

Step_1，利用二维混沌方程生成数字证书，初始化指纹森林，具体为

初始化二维混沌方程，设定数字证书的长度LicenceLen，调用系统过程ProLicence(LicenceLen)生成数字证书，

新建树Tree的根结点root，初始化兄弟链表结点brotherLink，初始化孩子链表结点childLink，当添加树的结点个数超过数字证书的长度LicenceLen时，提示新建树结点数量已满，将新建树Tree的根结点root添加到指纹森林FingerprintTree中，继续添加新的树到指纹森林中，直到用户选择结束添加过程；

Step_2，提取多媒体流文件的文件结构，提取每帧画面，记录多媒体流文件帧的总数，具体为

分析多媒体流文件的文件结构，确定多媒体流文件的开始位置和结束位置，提取出每帧画面，多媒体流文件FileStruct

FileStruct＝{FSection_1，FSection_2，...，FSection_i，...，FSection_n}

其中，FSection_i为提取的不包含开始位置和结束位置的第i帧画面，n代表多媒体流文件帧的总数；

Step_3，对每帧画面进行分割，设定每帧画面中的保护区域，具体为

对帧画面进行分割，划分为区域AreaPart

AreaPart＝{ap_1，ap_2，...，ap_i，...，ap_n}

选定的区域被表示为矩阵的形式，定义如下

MatrixSegment＝{

(ms_11，ms_12，...，ms_1n)，

(ms_21，ms_22，...，ms_2n)，

...，

(ms_n1，ms_n2，...，ms_nn)}

其中，矩阵MatrixSegment是n行n列的方阵，用户选定需要保护的区域包含在矩阵内；

Step_4，通过指纹森林提取保护区域的像素值，具体为

在选定的保护区域内，依据指纹森林中每个树，提取保护区域内像素的值Pixel(ms_ij)赋值给Data，其中，Pixel(ms_ij)代表保护区域内矩阵位置ms_ij的像素值；

Step_5，利用数字证书对指纹森林进行二进制归化，生成指纹序列，具体为

首先，取出指纹森林FingerprintTree的第1棵树，对树进行层次遍历，遍历的序列记为

TreeData＝{td_1，td_2，...，td_i，...，td_m}

数字证书DigitalLicense，记为

DigitalLicense＝{dl_1，dl_2，...，dl_i，...，dl_n}

归化序列ConvertData，记为

ConvertData＝{cd_1，cd_2，...，cd_i，...，cd_n}

cd_i是归化序列的第i个元素，cd_i的初始值为0，

归化过程op记为：cd_i＝op(td_i，dl_i)

当dl_i的数值大于等于td_i时，返回值为1，否则，返回值为0，

对指纹森林的树进行二进制归化，直到指纹森林中所有的树归化完成，将每个树的归化序列按顺序添加到指纹序列中，获得的画面帧的保护区域的指纹序列为

FingerprintSequence＝{fs_1，fs_2，...，fs_i，...，fs_r}

其中，r是指纹序列的总数；

Step_6，对指纹序列进行压缩生成多媒体文件的摘要文件，具体为

对指纹序列FingerprintSequence进行分组Group

Group＝{g_1，g_2，...，g_i，...，g_n}

其中，n代表分组的长度，

分组后的指纹序列FingerprintSequence记为

FingerprintSequence＝{Group_1，Group_2，...，Group_i，...，Group_r}

将分组后的指纹序列进行合并，生成多媒体文件的摘要文件。

Images