CN113129198B - 一种零水印生成方法、系统及版权的侵权比对方法、系统 - Google Patents

一种零水印生成方法、系统及版权的侵权比对方法、系统 Download PDF

Info

Publication number
CN113129198B
CN113129198B CN202110472285.9A CN202110472285A CN113129198B CN 113129198 B CN113129198 B CN 113129198B CN 202110472285 A CN202110472285 A CN 202110472285A CN 113129198 B CN113129198 B CN 113129198B
Authority
CN
China
Prior art keywords
sequence
characteristic
zero watermark
characteristic point
feature point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110472285.9A
Other languages
English (en)
Other versions
CN113129198A (zh
Inventor
任娜
赵亚宙
朱长青
徐鼎捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Normal University
Original Assignee
Nanjing Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Normal University filed Critical Nanjing Normal University
Priority to CN202110472285.9A priority Critical patent/CN113129198B/zh
Publication of CN113129198A publication Critical patent/CN113129198A/zh
Application granted granted Critical
Publication of CN113129198B publication Critical patent/CN113129198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/16—Program or content traceability, e.g. by watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/008—Vector quantisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种零水印生成方法及系统，基于矢量线和面要素中丰富的角度信息构建零水印，对于常见的水印攻击具有较高的鲁棒性，所用的零水印生成方法本身便能够抵抗所有常见水印攻击。本发明还涉及一种版权的侵权比对方法及系统，将零水印存储到区块链中，能够实现零水印的权威认证和安全管理，进而避免了传统版权注册审核周期长且注册费用高，难以实际应用的问题，摆脱零水印在传统版权注册应用中的困境。还可以利用Hash凭证在区块链中获取零水印序列，并根据零水印序列判断待确认矢量地图是否侵权，利用Hash凭证读取数据接收单位的凭证信息，能够对版权进行溯源，版权信息不易丢失且归属确认精准无误。

Description

一种零水印生成方法、系统及版权的侵权比对方法、系统
技术领域
本发明涉及信息安全技术领域，特别是涉及一种零水印生成方法、系统及版权的侵权比对方法、系统。
背景技术
数字水印技术作为一种解决矢量地图版权保护问题的方法得到了广泛的研究。传统的水印构建方法都是直接或间接地将水印嵌入到矢量地图的顶点坐标中。然而，由于这些传统的水印构建方法通常会给宿主带来永久性的失真，因此不适用于对数据精度要求很高的矢量地图。因此，人们提出了一种称为零水印的特殊水印技术，它不将水印物理地嵌入到宿主数据中，并且只通过用于版权认证的矢量地图的固有特性来构造零水印信息。
虽然现有的零水印构建方法解决了传统水印鲁棒性和不可感知性之间的矛盾，但存在两个关键问题导致零水印构建方法在实际应用时具有极大的局限性。首先，零水印构建方法本身鲁棒性欠佳，难以完全抵抗常见的水印攻击。其次，相对于“嵌入式”水印而言，“构造式”水印并算不上真正的水印，任何人都可以使用相同的零水印构建方法提取出零水印，因此现有技术全部选择将零水印送往版权中心注册，但是传统版权注册不仅审核周期长而且注册费用高，难以实际应用。
发明内容
本发明的目的是提供一种零水印生成方法、系统及版权的侵权比对方法、系统，所生成的零水印具有很高的鲁棒性，能够抵抗常见的水印攻击，并且能够摆脱零水印在传统版权注册应用中的困境。
为实现上述目的，本发明提供了如下方案：
一种零水印生成方法，所述生成方法包括如下步骤：
对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列。
一种零水印生成系统，所述生成系统包括：
版权序列获取模块，用于对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
特征点集合获取模块，用于利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
特征点序列获取模块，用于根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
角度序列生成模块，用于对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
零水印序列生成模块，用于将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列。
一种版权的侵权比对方法，所述比对方法包括如下步骤：
在区块链服务端注册认证数据分发单位和数据接收单位；
分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；
将利用上述零水印生成方法所生成的零水印序列存入所述待上链区块中；
将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
将区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
利用所述Hash凭证在区块链中获取零水印序列；
根据所述零水印序列判断待确认矢量地图是否侵权。
一种版权的侵权比对系统，所述比对系统包括：
认证模块，用于在区块链服务端注册认证数据分发单位和数据接收单位；
待上链区块填充模块，用于分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；将利用上述零水印生成方法所生成的零水印序列存入所述待上链区块中；
上链模块，用于将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
接收模块，用于将区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
获取模块，用于利用所述Hash凭证在区块链中获取零水印序列；
侵权比对模块，用于根据所述零水印序列判断待确认矢量地图是否侵权。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种零水印生成方法及系统，先对矢量地图对应的版权图进行二值化，得到版权图对应的版权序列。然后利用道格拉斯普克算法提取矢量地图中的特征点，得到特征点集合，并根据版权序列的元素个数和特征点集合的平均点，将特征点集合划分为多个特征点序列，对于每一特征点序列，根据矢量地图的原始数据结构，计算以每一特征点为顶点的向量夹角，得到角度序列。最后将版权序列和角度序列进行异或，得到每一特征点序列对应的零水印序列。本发明所采用的零水印生成方法基于矢量线和面要素中丰富的角度信息构建零水印，对于常见的水印攻击具有较高的鲁棒性，所用的零水印生成方法本身便能够抵抗所有常见水印攻击。
本发明还提供了一种版权的侵权比对方法及系统，先在区块链服务端注册认证数据分发单位和数据接收单位，并分别将数据分发单位和数据接收单位的凭证信息存入待上链区块中，同时将利用本发明提供的零水印生成方法所生成的零水印序列存入待上链区块中，然后将数据分发单位的矢量地图传输至数据接收单位，并将待上链区块上传区块链，将区块链返回的Hash凭证分别传输至数据接收单位和数据分发单位。通过将零水印存储到区块链中，能够实现零水印的权威认证和安全管理，进而避免了传统版权注册审核周期长且注册费用高，难以实际应用的问题，摆脱零水印在传统版权注册应用中的困境。还可以利用Hash凭证在区块链中获取零水印序列，并根据零水印序列判断待确认矢量地图是否侵权，利用Hash凭证读取数据接收单位的凭证信息，能够对版权进行溯源，版权信息不易丢失且归属确认精准无误。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，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为本发明实施例1所提供的零水印生成方法的方法流程图。
图2为本发明实施例1所提供的零水印生成原理图。
图3为本发明实施例1所提供的矢量地图的示意图。
图4为本发明实施例1所提供的版权图的示意图。
图5为本发明实施例1所提供的特征点集合划分的方法流程图。
图6为本发明实施例1所提供的角度序列计算的示意图。
图7为本发明实施例2所提供的零水印生成系统的结构框图。
图8为本发明实施例3所提供的版权的侵权比对方法的方法流程图。
图9为本发明实施例3所提供的零水印存证原理图。
图10为本发明实施例3所提供的得到原始版权序列的方法流程图。
图11为本发明实施例3所提供的原始版权序列的获取原理图。
图12为本发明实施例3所提供的在矢量地图受到攻击之后，利用零水印所得到的版权图。(a)为受到平移攻击，(b)为受到缩放攻击，(c)为受到旋转攻击，(d)为受到数据压缩攻击，(e)为受到数据增加攻击，(f)为受到数据删除攻击。
图13为本发明实施例3所提供的侵权比对的方法流程图。
图14为本发明实施例3所提供的侵权比对原理图。
图15为本发明实施例4所提供的侵权比对系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种零水印生成方法、系统及版权的侵权比对方法、系统，所生成的零水印具有很高的鲁棒性，能够抵抗常见的水印攻击，并且能够摆脱零水印在传统版权注册应用中的困境。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1：
本实施例用于提供一种零水印生成方法，如图1和图2所示，所述生成方法包括如下步骤：
S1：对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
对矢量地图对应的版权图进行二值化，得到版权图对应的二值图像矩阵，二值图像矩阵记为I，行数和列数均为N；I(i，j)＝{0，1}，i∈{1，2，3，...N}，j∈{1，2，3，...N}。将二值图像矩阵从第一行开始逐行进行排列，得到版权图对应的版权序列，进而将二维二值图像矩阵转换为一维版权序列，记一维版权序列为I*，版权序列的长度为N×N。图3给出了矢量地图的示意图，图4给出了版权图的示意图。
S2：利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
S3：根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
具体的，如图5所示，S3可以包括：
S31：根据所述版权序列的元素个数确定特征点序列所包含的特征点个数；
考虑到每个特征点需要分配8个比特位来存储二进制角度，记每一特征点序列所包含的特征点个数均为n，则特征点个数n的计算公式为：
式1中，n为特征点序列所包含的特征点个数。
记特征点集合中的特征点个数为H，则根据每一特征点序列所包含的特征点个数可确定特征点序列的个数，
式2中，K为特征点序列的个数。
S32：确定所述特征点集合的平均点；
利用道格拉斯普克算法对矢量地图中的特征点进行提取后，每一特征点均有自己的横坐标和纵坐标，故对特征点集合中的所有特征点的横、纵坐标分别求解平均值，得到平均点的横、纵坐标，从而确定平均点。
S33：根据所述特征点个数，以所述平均点为圆心画多个同心圆；任意两个相邻同心圆组成的圆环内和半径最小的同心圆内所包含的特征点分别组成一所述特征点序列。
由于每一特征点都有自己的横纵坐标，那么，每一特征点都有自己的位置，在对特征点集合进行划分时，以平均点作为圆心画多个同心圆，半径最小的同心圆的半径确定方法为使半径最小的同心圆内存在n个特征点，其他同心圆的半径确定方法为使其与其相邻同心圆组成的圆环内存在n个特征点，进而利用画同心圆的方式将特征点集合划分为均包含n个特征点的K个特征点序列。
S4：对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
以矢量地图的原始数据结构为一条线为例，如图6所示，这条线上包括端点a、e和特征点b、c、d，以计算以特征点b为顶点的向量夹角为例，线段ab和线段bc组成的夹角即为以特征点b为顶点的向量夹角。以计算以特征点c为顶点的向量夹角为例，线段bc和线段cd组成的夹角即为以特征点c为顶点的向量夹角。
将角度序列记为M，M＝(m1，m2，...，mk，...mn)；其中mk∈[0°，180°]，k＝1，2，...n；
S5：将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列。
具体的，将角度序列中的每一角度均进行二值化，每一角度二值化后均令其为8位，则可得到长度为N×N的二值化角度序列，将该二值化角度序列记为M*。然后将版权序列和二值化角度序列按位进行异或，即可得到每一特征点序列对应的零水印序列。
式3中，W为零水印序列；W＝(w1，w2，...wf，...wN×N)；wf∈{0，1}，f＝1，2，...N×N。每一特征点序列均可得到一个零水印序列，进而可得到K个零水印序列，将这K个零水印序列记为S，S＝(W1，W2，...Wg，...WK)；g＝1，2，...K。
本实施例所提供的零水印生成方法，由于矢量地图中的矢量线要素和面要素中的线段都是由若干节点连接而成的，故将线要素和面要素皆视为节点集合，将节点集合中能够反映矢量地图数据整体特征的点视为特征点。为了使算法具有抗简化攻击的能力，采用道格拉斯普克算法对矢量地图进行压缩来选取特征点，得到特征点集合，计算特征点集合的平均点，以平均点为圆心画同心圆，利用同心圆将特征点集合划分为多个特征点序列后，对于每一个特征点序列均计算出以每一特征点为顶点的角度值，得到角度序列，将角度序列二值化后与版权图序列进行异或来构造零水印。本实施例的方法基于矢量线和面要素中丰富的角度信息来构造，对于常见的水印攻击具有较高的鲁棒性，另外，保证了水印特征在空间上的均匀分布，只要不改变节点间相对位置关系以及角度值，那么零水印信息就会被完整的提取出来。
实施例2：
本实施例用于提供一种零水印生成系统，如图7所示，所述生成系统包括：
版权序列获取模块M01，用于对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
特征点集合获取模块M02，用于利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
特征点序列获取模块M03，用于根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
角度序列生成模块M04，用于对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
零水印序列生成模块M05，用于将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列。
实施例3：
本实施例用于提供一种版权的侵权比对方法，如图8和图9所示，所述比对方法包括如下步骤：
步骤101：在区块链服务端注册认证数据分发单位和数据接收单位；
数据分发单位为矢量地图的分发单位，其生产矢量地图。数据接收单位为使用该矢量地图的单位。数据分发单位和数据接收单位均在区块链服务端进行注册认证。
步骤102：分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；
数据分发单位和数据接收单位均将各自的凭证信息存入待上链区块中，凭证信息可为单位的身份信息。
步骤103：将利用实施例1所述的零水印生成方法所生成的零水印序列S存入所述待上链区块中；
步骤104：将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
步骤105：将区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
Hash凭证即为查询该区块的索引值。将数据分发单位和数据接收单位的凭证信息存入待上链区块并上传到区块链中，可利用Hash凭证从区块链中提取两个单位的凭证信息，能够对矢量地图的版权进行溯源，便于确认版权归属。
步骤106：利用所述Hash凭证在区块链中获取零水印序列；
本实施例利用区块链技术实现对零水印序列信息的注册、存储和认证，由于区块链技术具有去中心化、不可篡改和可追溯的特征，从技术上避免了零水印管理的混乱和漏洞而导致的版权失效或争议的问题，避免在第三方存储零水印序列信息而导致信息易被损坏的问题，能够实现零水印的权威认证和安全管理，解决了传统零水印序列版权注册耗时长、费用高、版权归属公信力弱等问题，摆脱零水印在传统版权注册应用中的困境，从根本上解决零水印将版权信息存储在第三方机构存在的问题，让矢量地图的零水印真正走向应用。
步骤107：根据所述零水印序列判断待确认矢量地图是否侵权。
作为一种可选的实施方式，本实施例还可将零水印序列和特征点集合的平均点存入待上链区块中。在确定原始版权序列时，如图10和图11所示，所用方法具体包括：
步骤201：根据矢量地图受到的攻击方式确定所述矢量地图所对应的特征点集合的平均点；
利用实施例1中的S2得到矢量地图对应的特征点集合，在确定特征点集合的平均点时，由于矢量地图受到裁剪、增加等攻击会使平均点发生变化，故如果矢量地图受到裁剪和增加攻击，则利用存在区块链上的特征点集合的平均点，如果矢量地图受到其他方式的攻击，则利用实施例1中的S32确定特征点集合的平均点。
步骤202：根据所述矢量地图对应的版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
步骤202与实施例1中的S3所用方法相同，但需要注意的是，不再需要S3中的S32步骤，而是利用步骤201得到特征点集合的平均点。
步骤203：在多个所述特征点序列随机选取一所述特征点序列，根据所述矢量地图的原始数据结构，计算以所述特征点序列中每一所述特征点为顶点的向量夹角，得到所述特征点序列对应的角度序列；
在得到原始版权序列时，无论采用哪一特征点序列来计算，均可以得到相同的版权序列结果，故本实施例直接在所得到的多个特征点序列中随机选取一特征点序列，再利用实施例1中的S4得到这一特征点序列对应的角度序列。
步骤204：对所述特征点序列对应的角度序列和所述零水印序列进行异或，得到原始版权序列。
如图12所示，矢量地图的修改攻击是指其被有意或无意的修改，包括为局部平移、整体平移、整体旋转、数据压缩、数据增加、数据删除等。利用实施例1所用的零水印生成方法所得到的零水印序列，由于其充分利用矢量地图线(面)数据中的角度信息构造强鲁棒性的零水印，水印方法本身能够抵抗几乎所有常见水印攻击，利用该零水印序列确定原始版权图，对于经过不同类型攻击的矢量地图数据，都能够准确的提取出原始的版权图像，有效地保护数据的版权信息。
在此，对本实施例中根据零水印序列判断待确认矢量地图是否侵权进行具体说明，如图13和图14所示，步骤107可以包括：
步骤301：利用道格拉斯普克算法提取待确认矢量地图中的特征点，得到待确认特征点集合；
步骤302：根据所述矢量地图对应的版权序列的元素个数和所述待确认特征点集合的平均点，将所述待确认特征点集合划分为多个待确认特征点序列；
在确定待确认特征点集合的平均点时，同样会根据待确认矢量地图受到的攻击方式来确定。如果待确认矢量地图受到裁剪和增加攻击，则利用存在区块链上的特征点集合的平均点作为待确认特征点集合的平均点，如果待确认矢量地图受到其他方式的攻击，则利用实施例1中的S32确定待确认特征点集合的平均点。
步骤303：对于每一所述待确认特征点序列，根据所述待确认矢量地图的原始数据结构，计算以每一所述待确认特征点为顶点的向量夹角，得到待确认角度序列；
步骤304：将多个所述待确认角度序列和所述零水印序列分别进行异或，得到多个待确认版权序列；
步骤304中的零水印序列是指存储在区块链中的零水印序列。
步骤305：利用相似度计算公式计算每一所述待确认版权序列与原始版权序列的相似度，将相似度的最大值与预设阈值进行比较，若所述相似度的最大值大于所述预设阈值，则所述待确认矢量地图为侵权数据。
在进行相似度计算时，分别将待确认版权序列和原始版权序列转换为二维待确认二值图像矩阵I′和二值图像矩阵I，然后利用下述公式计算相似度。
所述相似度计算公式为：
式4中，NC为相似度；I(i，j)为原始版权序列对应的二值图像矩阵中第i行第j列的元素值；I′(i，j)为待确认版权序列对应的待确认二值图像矩阵中第i行第j列的元素值；i＝1，2，......N；j＝1，2，......N；XNOR为异或非运算符号。
本实施例所提供的版权的侵权比对方法，利用区块链存储零水印序列，在进行侵权比对时，相较于传统将零水印序列存储到版权中心的方式，能够更加高效的获取零水印序列，从而更高效的进行侵权比对，还能够在不改变矢量地图数据精度的情况下完成数据的版权保护，且该框架还能应用于其他数据类型，如图像、音视频和遥感影像等数据，将图像、音视频和遥感影像等数据的零水印存储在区块链中，对其进行版权保护。
实施例4：
本实施例用于提供一种版权的侵权比对系统，如图15所示，所述比对系统包括：
认证模块M11，用于在区块链服务端注册认证数据分发单位和数据接收单位；
待上链区块填充模块M12，用于分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；将利用实施例1所述的生成方法所生成的零水印序列存入所述待上链区块中；
上链模块M13，用于将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
接收模块M14，用于将区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
获取模块M15，用于利用所述Hash凭证在区块链中获取零水印序列；
侵权比对模块M16，用于根据所述零水印序列判断待确认矢量地图是否侵权。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种零水印生成方法，其特征在于，所述生成方法包括如下步骤：
对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列；
所述根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列具体包括：
根据所述版权序列的元素个数确定特征点序列所包含的特征点个数；每个特征点需要分配8个比特位来存储二进制角度，记每一特征点序列所包含的特征点个数均为n，则特征点个数n的计算公式为：
其中，N×N为版权序列的元素个数；
记特征点集合中的特征点个数为H，则根据每一特征点序列所包含的特征点个数确定特征点序列的个数，
其中，K为特征点序列的个数；
确定所述特征点集合的平均点；利用道格拉斯普克算法对矢量地图中的特征点进行提取后，每一特征点均有自己的横坐标和纵坐标，对特征点集合中的所有特征点的横、纵坐标分别求解平均值，得到平均点的横、纵坐标，确定平均点；
根据所述特征点个数，以所述平均点为圆心画多个同心圆；任意两个相邻同心圆组成的圆环内和半径最小的同心圆内所包含的特征点分别组成一所述特征点序列；在对特征点集合进行划分时，以平均点作为圆心画多个同心圆，半径最小的同心圆的半径确定方法为使半径最小的同心圆内存在n个特征点，其他同心圆的半径确定方法为使其与其相邻同心圆组成的圆环内存在n个特征点，利用画同心圆的方式将特征点集合划分为均包含n个特征点的K个特征点序列。
2.如权利要求1所述的一种零水印生成方法，其特征在于，所述对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列具体包括：
对矢量地图对应的版权图进行二值化，得到所述版权图对应的二值图像矩阵；
将所述二值图像矩阵从第一行开始逐行进行排列，得到所述版权图对应的版权序列。
3.如权利要求1所述的一种零水印生成方法，其特征在于，所述将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列具体包括：
将所述角度序列中的每一角度均进行二值化，得到二值化角度序列；
将所述版权序列和所述二值化角度序列按位进行异或，得到每一所述特征点序列对应的零水印序列。
4.一种零水印生成系统，其特征在于，所述生成系统包括：
版权序列获取模块，用于对矢量地图对应的版权图进行二值化，得到所述版权图对应的版权序列；
特征点集合获取模块，用于利用道格拉斯普克算法提取所述矢量地图中的特征点，得到特征点集合；
特征点序列获取模块，用于根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
角度序列生成模块，用于对于每一所述特征点序列，根据所述矢量地图的原始数据结构，计算以每一所述特征点为顶点的向量夹角，得到角度序列；
零水印序列生成模块，用于将所述版权序列和所述角度序列进行异或，得到每一所述特征点序列对应的零水印序列；
所述根据所述版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列具体包括：
根据所述版权序列的元素个数确定特征点序列所包含的特征点个数；每个特征点需要分配8个比特位来存储二进制角度，记每一特征点序列所包含的特征点个数均为n，则特征点个数n的计算公式为：
其中，N×N为版权序列的元素个数；
记特征点集合中的特征点个数为H，则根据每一特征点序列所包含的特征点个数确定特征点序列的个数，
其中，K为特征点序列的个数；
确定所述特征点集合的平均点；利用道格拉斯普克算法对矢量地图中的特征点进行提取后，每一特征点均有自己的横坐标和纵坐标，对特征点集合中的所有特征点的横、纵坐标分别求解平均值，得到平均点的横、纵坐标，确定平均点；
根据所述特征点个数，以所述平均点为圆心画多个同心圆；任意两个相邻同心圆组成的圆环内和半径最小的同心圆内所包含的特征点分别组成一所述特征点序列；在对特征点集合进行划分时，以平均点作为圆心画多个同心圆，半径最小的同心圆的半径确定方法为使半径最小的同心圆内存在n个特征点，其他同心圆的半径确定方法为使其与其相邻同心圆组成的圆环内存在n个特征点，利用画同心圆的方式将特征点集合划分为均包含n个特征点的K个特征点序列。
5.一种版权的侵权比对方法，其特征在于，所述比对方法包括如下步骤：
在区块链服务端注册认证数据分发单位和数据接收单位；
分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；
将利用权利要求1-3任一项所述的生成方法所生成的零水印序列存入所述待上链区块中；
将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
将所述区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
利用所述Hash凭证在所述区块链中获取所述零水印序列；
根据所述零水印序列判断待确认矢量地图是否侵权。
6.如权利要求5所述的一种版权的侵权比对方法，其特征在于，所述比对方法还包括：将所述零水印序列和特征点集合的平均点存入所述待上链区块中。
7.如权利要求6所述的一种版权的侵权比对方法，其特征在于，所述比对方法还包括确定原始版权序列，具体包括：
根据矢量地图受到的攻击方式确定所述矢量地图所对应的特征点集合的平均点；
根据所述矢量地图对应的版权序列的元素个数和所述特征点集合的平均点，将所述特征点集合划分为多个特征点序列；
在多个所述特征点序列随机选取一所述特征点序列，根据所述矢量地图的原始数据结构，计算以所述特征点序列中每一所述特征点为顶点的向量夹角，得到所述特征点序列对应的角度序列；
对所述特征点序列对应的角度序列和所述零水印序列进行异或，得到原始版权序列。
8.如权利要求5所述的一种版权的侵权比对方法，其特征在于，所述根据所述零水印序列判断待确认矢量地图是否侵权具体包括：
利用道格拉斯普克算法提取待确认矢量地图中的特征点，得到待确认特征点集合；
根据所述矢量地图对应的版权序列的元素个数和所述待确认特征点集合的平均点，将所述待确认特征点集合划分为多个待确认特征点序列；
对于每一所述待确认特征点序列，根据所述待确认矢量地图的原始数据结构，计算以每一所述待确认特征点为顶点的向量夹角，得到待确认角度序列；
将多个所述待确认角度序列和所述零水印序列分别进行异或，得到多个待确认版权序列；
利用相似度计算公式计算每一所述待确认版权序列与原始版权序列的相似度，将相似度的最大值与预设阈值进行比较，若所述相似度的最大值大于所述预设阈值，则所述待确认矢量地图为侵权数据。
9.一种版权的侵权比对系统，其特征在于，所述比对系统包括：
认证模块，用于在区块链服务端注册认证数据分发单位和数据接收单位；
待上链区块填充模块，用于分别将所述数据分发单位和所述数据接收单位的凭证信息存入待上链区块中；将利用权利要求1-3任一项所述的生成方法所生成的零水印序列存入所述待上链区块中；
上链模块，用于将所述数据分发单位的矢量地图传输至所述数据接收单位，并将所述待上链区块上传区块链；
接收模块，用于将所述区块链返回的Hash凭证分别传输至所述数据接收单位和所述数据分发单位；
获取模块，用于利用所述Hash凭证在所述区块链中获取所述零水印序列；
侵权比对模块，用于根据所述零水印序列判断待确认矢量地图是否侵权。
CN202110472285.9A 2021-04-29 2021-04-29 一种零水印生成方法、系统及版权的侵权比对方法、系统 Active CN113129198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110472285.9A CN113129198B (zh) 2021-04-29 2021-04-29 一种零水印生成方法、系统及版权的侵权比对方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110472285.9A CN113129198B (zh) 2021-04-29 2021-04-29 一种零水印生成方法、系统及版权的侵权比对方法、系统

Publications (2)

Publication Number Publication Date
CN113129198A CN113129198A (zh) 2021-07-16
CN113129198B true CN113129198B (zh) 2024-01-12

Family

ID=76780877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110472285.9A Active CN113129198B (zh) 2021-04-29 2021-04-29 一种零水印生成方法、系统及版权的侵权比对方法、系统

Country Status (1)

Country Link
CN (1) CN113129198B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116522289B (zh) * 2023-01-17 2024-03-08 山东青橙数字科技有限公司 一种基于区块链的多视角图像版权保护方法、设备及介质
CN116883226B (zh) * 2023-07-21 2024-01-02 中国国土勘测规划院 Dem零水印嵌入与提取方法、装置及介质
CN117972652A (zh) * 2023-08-24 2024-05-03 南京师范大学 一种基于矢量地理数据的交易方法
CN117557441B (zh) * 2023-11-22 2024-05-17 南京财经大学 图像版权保护与交易认证方法、装置及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010102892A (ko) * 2001-10-18 2001-11-17 최종욱 벡터 이미지 워터마킹 방법
JP2002152486A (ja) * 2000-11-07 2002-05-24 Zenrin Co Ltd ベクトル型画像データのための電子透かし処理方法及び電子透かし情報管理システム
CN101458810A (zh) * 2008-12-08 2009-06-17 哈尔滨工程大学 一种基于对象属性特征的矢量地图水印方法
CN103810407A (zh) * 2014-02-20 2014-05-21 南京师范大学 一种gis矢量数据线面图层版权认证方法
CN104700346A (zh) * 2015-03-01 2015-06-10 江西科技学院 一种基于极角扩展的可逆盲数据库水印算法
CN107507122A (zh) * 2017-08-22 2017-12-22 吉林大学 基于nsct和sift的立体图像零水印方法
CN108961141A (zh) * 2018-07-04 2018-12-07 张新长 矢量地图的双重零水印方法、系统、存储介质及服务器
CN110288505A (zh) * 2019-06-30 2019-09-27 湖南科技大学 抗几何变换攻击的空域矢量地理空间数据数字水印方法
CN111667395A (zh) * 2020-06-03 2020-09-15 南京师范大学 一种三维模型版权认证方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002152486A (ja) * 2000-11-07 2002-05-24 Zenrin Co Ltd ベクトル型画像データのための電子透かし処理方法及び電子透かし情報管理システム
KR20010102892A (ko) * 2001-10-18 2001-11-17 최종욱 벡터 이미지 워터마킹 방법
CN101458810A (zh) * 2008-12-08 2009-06-17 哈尔滨工程大学 一种基于对象属性特征的矢量地图水印方法
CN103810407A (zh) * 2014-02-20 2014-05-21 南京师范大学 一种gis矢量数据线面图层版权认证方法
CN104700346A (zh) * 2015-03-01 2015-06-10 江西科技学院 一种基于极角扩展的可逆盲数据库水印算法
CN107507122A (zh) * 2017-08-22 2017-12-22 吉林大学 基于nsct和sift的立体图像零水印方法
CN108961141A (zh) * 2018-07-04 2018-12-07 张新长 矢量地图的双重零水印方法、系统、存储介质及服务器
CN110288505A (zh) * 2019-06-30 2019-09-27 湖南科技大学 抗几何变换攻击的空域矢量地理空间数据数字水印方法
CN111667395A (zh) * 2020-06-03 2020-09-15 南京师范大学 一种三维模型版权认证方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A robust intelligent audio watermarking scheme using support vector machine;Mohammad MOSLEH等;信息与电子工程前沿(英文版);全文 *
一种基于矢量地图特征点和分块的零水印算法;孙鸿睿;朱建军;尹鹏程;施永胜;;地理与地理信息科学(04);全文 *
二维矢量地图双重零水印算法;曹刘娟;门朝光;孙建国;;哈尔滨工程大学学报(03);全文 *
二维矢量数字地图的零水印算法;张佐理;孙树森;汪亚明;郑可飚;;计算机工程与设计(06);全文 *
基于节点特征的矢量地图零水印算法;孙俞超;李德;;地理与地理信息科学(03);全文 *
小数据量矢量地理数据水印算法;佟德宇;朱长青;任娜;;测绘学报(11);全文 *

Also Published As

Publication number Publication date
CN113129198A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN113129198B (zh) 一种零水印生成方法、系统及版权的侵权比对方法、系统
US6266429B1 (en) Method for confirming the integrity of an image transmitted with a loss
Eswaraiah et al. Medical image watermarking technique for accurate tamper detection in ROI and exact recovery of ROI
Zhang et al. A novel encryption frame for medical image with watermark based on hyperchaotic system
Xu et al. Separable reversible data hiding in encrypted images based on two‐dimensional histogram modification
CN113613073A (zh) 一种端到端的视频数字水印系统及方法
CN107846530A (zh) 数字水印算法
Horng et al. Blockchain‐based reversible data hiding for securing medical images
CN113065149A (zh) 基于区块链和抗合谋攻击指纹码的数据版权保护方法
Gao et al. An authenticatable (2, 3) secret sharing scheme using meaningful share images based on hybrid fractal matrix
CN102270336A (zh) 一种基于多块依赖结构的安全脆弱水印方法
US11983789B1 (en) Generation method, detection method, generation device, and detection device of zero watermarking for trajectory data, and storage medium
Cao et al. Using image sensor PUF as root of trust for birthmarking of perceptual image hash
Wang et al. RST invariant fragile watermarking for 2D vector map authentication
CN117454442A (zh) 匿名安全和可追溯的分布式数字取证方法与系统
Kumar et al. A reversible high embedding capacity data hiding technique for hiding secret data in images
CN112926087B (zh) 基于二维码具有验证功能与高嵌入容量的秘密共享方法
CN109064375B (zh) 一种基于零水印的大数据产权辨识方法及系统
Abu-Alhaija Crypto-Steganographic LSB-based System for AES-Encrypted Data
Isnanto et al. Robustness of steganography image method using dynamic management position of least significant bit (LSB)
CN107169913A (zh) 一种基于搜索最佳密钥的数字图像隐写方法
Hsu et al. A visual cryptography and statistics based method for ownership identification of digital images
Sumalatha et al. Local content based image authentication for tamper localization
Rupa Privacy preservation of ROI of medical image using squint pixel and PLSB hiding technique
Bhadra et al. A novel piracy protection scheme for videos using force-induced pixels

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant