CN113190806A - 数据处理方法 - Google Patents
数据处理方法 Download PDFInfo
- Publication number
- CN113190806A CN113190806A CN202110450130.5A CN202110450130A CN113190806A CN 113190806 A CN113190806 A CN 113190806A CN 202110450130 A CN202110450130 A CN 202110450130A CN 113190806 A CN113190806 A CN 113190806A
- Authority
- CN
- China
- Prior art keywords
- data
- watermark
- target object
- determining
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims description 62
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Bioethics (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种数据处理方法,包括:根据目标对象的特征信息以及训练好的神经网络,确定目标对象的密钥;对待传输的原始数据执行数字水印处理,得到目标对象对应的水印数据,其中,水印数据嵌入有与目标对象对应的水印信息;通过目标对象的密钥加密对应的水印数据,确定目标对象对应的加密数据;根据神经网络的参数以及加密数据,确定用于传输至目标对象的数据包,向目标对象发送所述数据包。本公开实施例的数据处理方法,生成的数据包不易被破解,能够有效提高数据的安全性。
Description
技术领域
本公开涉及网络安全领域,尤其涉及一种数据处理方法。
背景技术
随着科技的快速发展,数据泄露已经成为最为严峻的信息安全问题之一。如何提高数据的安全性已经成为亟待解决的问题。
发明内容
有鉴于此,本公开提出了一种数据处理方法,能够提高数据的安全性。
根据本公开的一方面,提供了一种数据处理方法,所述方法包括:
根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;
对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息;
通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据;
根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,
向所述目标对象发送所述数据包。
在一种可能的实现方式中,所述对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,包括:
生成水印密钥以及所述目标对象对应的水印信息;
根据所述原始数据,确定水印载体;
根据所述水印载体、所述水印密钥以及所述目标对象对应的水印信息,生成所述目标对象对应的水印数据。
在一种可能的实现方式中,所述根据所述原始数据,确定水印载体,包括:
将所述原始数据分割为多个子数据;
分别对每个所述子数据执行变换处理,得到多个目标数据,所述目标数据与所述子数据一一对应;
根据所述多个目标数据,确定所述水印载体。
在一种可能的实现方式中,所述根据所述多个目标数据,确定水印载体,包括:
拆分每个目标数据,得到每个目标数据中的载体数据以及剩余子数据;
将所有载体数据之和确定为所述水印载体;
所述方法还包括:将所有剩余子数据之和确定为剩余数据,
其中,所述根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,包括:
根据所述神经网络的参数、所述加密数据以及所述剩余数据,生成用于传输至所述目标对象的数据包。
在一种可能的实现方式中,所述变换处理包括离散余弦DCT变换,所述目标数据包括中频数据以及低频数据,
其中,所述拆分每个目标数据,得到每个目标数据中的载体数据,包括以下方式中的至少一种:
将所述目标数据中,至少一个中频数据确定为所述载体数据;
将所述目标数据中,至少一个中频数据以及至少一个低频数据确定为所述载体数据。
在一种可能的实现方式中,所述根据多个目标数据,确定所述水印载体,包括:
在包括多个级别的目标对象时,从所述多个目标数据中,分别确定每个级别对应的目标数据;
根据所述每个级别对应的目标数据,确定所述每个级别的目标对象的水印载体。
在一种可能的实现方式中,所述根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥,包括:
将目标对象的特征信息输入所述神经网络,得到目标对象对应的特征码;
将所述特征码或根据所述特征码进行变换处理得到的信息,确定为所述密钥。
在一种可能的实现方式中,所述方法还包括:
在确定存在被泄漏的数据时,从所述被泄露的数据中提取所述水印信息;
根据所述水印信息以及水印信息与目标对象的对应关系,确定泄漏数据的目标对象。
根据本公开的另一方面,提供了一种数据处理方法,所述方法包括:
接收数据包,其中,所述数据包包括神经网络的参数以及加密数据;
获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥;
根据所述密钥,解密所述加密数据;
在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
在一种可能的实现方式中,所述数据包还包括剩余数据,所述水印数据以及所述剩余数据是根据所述原始数据执行变换处理后拆分确定的,
其中,所述根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据,包括:
拼接所述水印数据以及所述剩余数据;
对拼接后的数据执行逆变换处理,得到所述嵌入有与所述目标对象对应的水印信息的原始数据。
根据本公开的另一方面,提供了一种数据处理装置,所述装置包括:
第一确定模块,用于根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;
第二确定模块,用于对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息;
第三确定模块,用于通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据;
第四确定模块,用于根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,
发送模块,用于向所述目标对象发送所述数据包。
根据本公开的另一方面,提供了一种数据处理装置,所述装置包括:
接收模块,用于接收数据包,其中,所述数据包包括神经网络的参数以及加密数据;
第五确定模块,用于获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥;
解密模块,用于根据所述密钥,解密所述加密数据;
第六确定模块,用于在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
根据本公开的另一方面,提供了一种数据处理装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述数据处理方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述数据处理方法。
在本公开实施例中,根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据,并根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,利用神经网络的黑盒特性,使得传输的数据不易被逆向破解,有效提高数据的安全性。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开实施例的一种数据处理方法的流程图。
图2示出根据本公开实施例的一种数据处理方法的流程图。
图3示出根据本公开实施例的一种数据处理装置的框图。
图4示出根据本公开实施例的一种数据处理装置的框图。
图5示出根据本公开实施例的一种数据处理装置的框图。
图6示出根据本公开实施例的一种数据处理装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
随着科技的发展,各类数据交互越来越频繁。例如,数据的发送端可以将视频数据、音频数据、文本数据以及图像数据等各类数据发送给数据的接收端。其中,有一些数据为需要保密的数据,此类数据若被泄露,则会给信息安全带来很大的威胁。在数据泄漏后,数据泄露溯源可以用于确定泄漏者的身份,应理解,数据泄露溯源的关键工作是如何准确地识别泄露者的身份。
相关技术中,数据的安全性仍然较低,攻击者可以通过逆向攻击等手段非法获取保密数据,数据泄露事件屡次发生。并且,数据泄露溯源方法也存在较多的不足,例如,相关技术中的数据泄露溯源方法具有受限于使用场景、需要借助其他设备以及对泄露者的识别率较低等缺点。
近年,数据泄露已经成为最为严峻的信息安全问题之一,如何提高数据的安全性以及如何提高对泄露者的识别准确率均成为亟待解决的问题。
图1示出根据本公开实施例的一种数据处理方法的流程图。该方法可以由终端设备或服务器等电子设备执行,本公开对此不作限制。例如,终端设备可以为用户终端、终端、计算设备等,该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现,或者,可通过服务器执行该方法。如图1所示,该方法可以包括:
在步骤S11中,根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;
在步骤S12中,对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息;
在步骤S13中,通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据;
在步骤S14中,根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,
在步骤S15中,向所述目标对象发送所述数据包。
其中,目标对象可以为一个或多个。目标对象可以理解为数据的合法接受端。
在本公开实施例中,通过神经网络生成目标对象的密钥,并通过目标对象的密钥加密对应的水印数据,得到加密数据,由于神经网络的黑盒特性,使得经过神经网络生成的密钥加密得到的加密数据不易被逆向破解,能够有效提高数据的安全性。并且,每个合法的目标对象能够获取到载有其本身水印信息的原始数据,无法获取载有其他目标对象水印信息的原始数据,这样,在发生数据泄露时,可以根据泄露数据中的水印信息,精准定位出泄露者,以提高对泄露者的识别率。
本公开实施例的数据处理方法可以根据待适用的场景,训练相应的神经网络,具有普适性,例如,适用于任意数据传输环境,不限于特定场景。并且,本公开实施例的数据处理方法将确定的数据包发送至数据的接收端即可,无需数据的发送端和接收端之间频繁交互,也不需要借助其他设备进行加密等处理。
其中,原始数据可以是各种类型的数据,例如,可以为音频数据、视频数据、图像数据、文本数据等,只要可以添加水印即可,本公开对原始数据的类型不做限制。
其中,目标对象可以是指数据的接收端,例如,可以为用户、用户群体或者一种渠道等,本公开对目标对象的类别不做限制。目标对象的特征信息可以包括根据目标对象提取的各类信息,例如,可以是与神经网络训练样本同类型的信息,例如,神经网络是通过人脸图像训练得到,目标对象的特征信息可以包括人脸图像,神经网络是通过音频数据训练得到,目标对象的特征信息可以包括音频数据。
在一种可能的实现方式中,所述训练好的神经网络可以是通过训练样本训练得到的,其中,训练样本可以包括所述目标对象的特征信息和/或与目标对象的特征信息同类型的其他数据。
举例来说,可以通过收集待接收数据的目标对象的特征信息并训练神经网络,也可以通过收集与目标对象的特征信息同类型的其他数据训练神经网络,还可以根据所述目标对象的特征信息以及与目标对象的特征信息同类型的其他数据共同训练神经网络。
这样,能够训练得到神经网络,并通过训练得到的神经网络确定目标对象的密钥。通过神经网络生成密钥,以通过密钥加密得到加密数据,克服相关技术中,受限于特定场景和环境的缺点,能够扩展到任意环境下使用。本公开实施例的数据处理方法,可以根据目标环境选择合适的特征信息,提供适用的广泛性,例如,可以通过不同的训练数据训练神经网络,从而普适地应用于多种场景。
其中,密钥与目标对象可以为一一对应的。密钥可以具有多种形式,例如,可以是将目标对象的特征信息输入训练得到神经网络,将神经网络的输出信息确定为目标对象的密钥,也可以将输出信息进行各类变换,将变换后的信息确定为密钥,本公开对此不作限制。
在一种可能的实现方式中,根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥,可以包括:
将目标对象的特征信息输入所述神经网络,得到目标对象对应的特征码;
将所述特征码或根据所述特征码进行变换处理得到的信息,确定为所述密钥。
其中,特征码可以是将目标对象的特征信息输入所述神经网络的输出信息。变换处理可以包括哈希处理,只要是能够增加特征码的随机性或分散性的处理即可,本公开对变换处理的类型不做限制。
通过这种方式,能够生成目标对象的密钥。将哈希处理等各类处理后的信息确定为密钥,能够进一步增加密钥的强度。
在步骤S12中,对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息。
其中,数字水印处理可以理解为指把与目标对象对应的水印信息嵌入水印载体中,水印载体可以是根据原始数据确定的,例如,可以是原始数据本身或者部分原始数据,还可以是原始数据进行变换后的全部或部分数据。例如,当原始数据为音频数据时,可以是将水印信息嵌入全部或部分音频数据。本公开对数字水印处理的方式不做限制。
其中,目标对象对应的水印信息可以包括多种形式,例如,当目标对象为用户时,水印信息可以是用户的指纹信息,水印信息还可以是数字串或者字符串,其中,水印信息为数字串或者字符串时可以是随机生成的,不同目标对象的水印信息不同。本公开对水印信息的形式、数量均不做限制。
在一种可能的实现方式中,所述方法还包括:根据目标对象对应的水印信息,可以确定目标对象与水印信息的对应关系。
如前所述,目标对象与密钥可以为一一对应的,还可以确定目标对象、水印信息以及密钥的对应关系,可以存储上述对应关系,例如,存储在发送端,以用于数据泄露后的数据泄露溯源。
在一种可能的实现方式中,所述对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,包括:
生成水印密钥以及所述目标对象对应的水印信息;
根据所述原始数据,确定水印载体;
根据所述水印载体、所述水印密钥以及所述目标对象对应的水印信息,生成所述目标对象对应的水印数据。
如前所述,可以生成目标对象对应的水印信息,还可以生成水印密钥,其中,水印密钥可以用于确定以何种方式将水印信息嵌入所述水印载体,本公开对水印密钥的形式不做限制。
其中,根据所述原始数据,确定水印载体,如前所述,可以原始数据本身或者部分原始数据,还可以是原始数据进行变换后的全部或部分数据作为水印载体,本公开对水印载体的确定方式不做限制。应理解,不同类型的原始数据可以对应不同的水印载体确定方式。
进一步地,可以根据水印密钥,为目标对象在水印载体上添加对应的水印信息。例如,可以根据目标对象的参考数量,复制参考数量个水印载体,针对每个目标对象,可以使用水印密钥、目标对象的水印信息和一份水印载体,通过数字水印技术添加数字水印,得到载有目标对象对应的水印信息的水印数据,其中,目标对象可以对应一个水印数据,该水印数据上载有标识该目标对象的水印信息。
通过这种方式,可以生成目标对象对应的水印数据。本公开对对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据的方式不做限制。
在一种可能的实现方式中,所述根据所述原始数据,确定水印载体,包括:
将所述原始数据分割为多个子数据;
分别对每个所述子数据执行变换处理,得到多个目标数据,所述目标数据与所述子数据一一对应;
根据所述多个目标数据,确定所述水印载体。
为便于理解,下文将以原始数据为图像数据为例进行示例性说明,应理解,原始数据还可以为其他数据类型,本公开对此不作限制。
举例来说,可以将所述原始数据分割为多个子数据,例如,将原始图像数据分割为8*8像素的子数据。可以分别对每个所述子数据执行变换处理,得到多个目标数据,所述目标数据与所述子数据一一对应。
其中,变换处理可以为各类处理,例如,可以为离散余弦变换(Discrete CosineTransform,DCT)、傅立叶变换、小波变换等,本公开对变换处理的类型不做限制。为便于理解,下文以DCT变换为例进行示例性说明。例如,原始图像分割得到1000个8*8像素的子数据,可以分别对1000个子数据执行DCT变换,得到1000个目标数据。
在一种可能的实现方式中,可以根据多个目标数据,确定所述水印载体。
举例来说,可以将1000个目标数据作为水印载体,也可以将1000个目标数据中的部分数据作为水印载体,例如,拆分每个目标数据,以目标数据中的部分像素作为载体数据,将1000个目标数据的载体数据之和确定为水印载体,本公开对根据目标数据确定水印载体的方式不做限制。
通过这种方式,对原始数据进行分割处理、对于每个子数据进行变换处理得到目标数据,并根据目标数据确定水印载体,能够提高水印处理的鲁棒性,提高数据的安全性。
在一种可能的实现方式中,所述根据所述多个目标数据,确定水印载体,包括:
拆分每个目标数据,得到每个目标数据中的载体数据以及剩余子数据;
将所有载体数据之和确定为所述水印载体;
所述方法还包括:将所有剩余子数据之和确定为剩余数据,
其中,所述根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,包括:
根据所述神经网络的参数、所述加密数据以及所述剩余数据,生成用于传输至所述目标对象的数据包。
举例来说,每个8*8像素块的目标数据,可以从8*8=64个像素中确定部分像素作为该目标数据的载体数据,其余数据为剩余子数据。将1000个目标数据的载体数据之和确定为水印载体,将所有剩余子数据之和确定为剩余数据。
通过这种方式,将所有目标数据划分为载体数据以及剩余数据,通过对目标数据进行拆分,并根据拆分后的部分目标数据确定水印载体,可以减小目标对象对应的水印数据的体积,从而减少发送给目标对象的数据包的体积,能够减少传输带宽需求,提高传输速率。这样,便于实现程序轻量化,使得处理后的待发送的数据包体积增量较小。
在一种可能的实现方式中,所述变换处理包括离散余弦DCT变换,所述目标数据包括中频数据以及低频数据,
其中,所述拆分每个目标数据,得到每个目标数据中的载体数据,包括以下方式中的至少一种:
将所述目标数据中,至少一个中频数据确定为所述载体数据;
将所述目标数据中,至少一个中频数据以及至少一个低频数据确定为所述载体数据。
需要说明的是,DCT变换可以将数据从时域转换到频率域,DCT变换后的目标数据中可以包括高频区域的高频数据、中频区域的中频数据以及低频区域的低频数据。其中,以图像为例,高频数据为图像压缩的主要对象,包括较多的细节信息,低频数据包括较多的基本信息,对视觉最为敏感,中频数据介于高频数据与低频数据之间。本公开对DCT变换高、中、低频区域的划分方式不做限制。
在一些可选的实施例中,可以将至少一个中频数据确定为所述载体数据。例如,对于每个8*8块的目标数据,可以将目标对象中,中频区域中的8个中频数据(像素块)确定为载体数据,这样,将1000个目标对象的中频区域中的8000个中频数据确定为水印载体。其中,对于多个目标数据,选取作为载体数据的中频数据的像素位置可以相同。如前所述,中频数据对视觉的影响较小,可以提高水印信息在水印数据中的隐蔽性。
在一些可选的实施例中,可以至少一个中频数据以及至少一个低频数据确定为所述载体数据。
举例来说,除了上述1000个目标对象的中频区域中的8000个中频数据,还可以将每个目标数据中的低频区域中的一个或多个低频数据确定为载体数据,这样,可以进一步得到包括中频数据以及低频数据的载体数据。其中,中频数据的数量可以大于低频数据的数量。例如,可以为8个中频数据和1个最低频数据作为载体数据。
需要说明的是,部分数据泄漏者以及攻击者会尝试去除水印载体对应的数据,以获取到无水印信息的数据。通过至少一个中频数据以及至少一个低频数据确定为所述载体数据,可以结合中频数据和低频数据的特点,即可以保证水印信息嵌入并隐藏在原始数据中,对视觉影响较小,还可以进一步提高去除水印载体数据后的剩余数据的不可读性。举例来说,当攻击者或者数据泄漏者去除水印载体时,因为低频数据的特点,例如,存储有较多基本信息,则去除水印载体后的数据将明显失真,与原始图像不符。这样,可以保证即使水印载体是原始数据中部分数据确定的,攻击者或者数据泄漏者也无法通过去除水印载体,来获取与原始数据相似度较高的数据,进一步保证了数据的安全性,并且实现了水印载体的轻量级。
在一种可能的实现方式中,所述根据多个目标数据,确定所述水印载体,包括:
在包括多个级别的目标对象时,从所述多个目标数据中,分别确定每个级别对应的目标数据;
根据所述每个级别对应的目标数据,确定所述每个级别的目标对象的水印载体。
举例来说,当接收端的目标对象包括多个级别时,例如,包括2级目标对象,可以从所述多个目标数据中,分别确定每个级别对应的目标数据。例如,1000个目标数据,可以将1000个目标数据划分为两组目标数据,每组包括500个目标数据,将两组目标数据分别确定为2级目标对象的目标数据,并根据所述每个级别对应的目标数据,确定所述每个级别的目标对象的水印载体。其中,分别确定每个级别对应的目标数据可以是随机抽取并确定每个级别对应的目标数据,还可以是按照预设的方式划分每个级别对应的目标数据。
在一种可能的实现方式中,同一目标数据可以同时属于多个级别对应的目标数据。例如,2个级别对应的目标数据包括部分共同的目标数据。其中,确定每个级别的目标对象的水印载体的方式如前所述,在此不再赘述。
在一种可能的实现方式中,所述多个目标数据中,序号相邻的目标数据分别属于不同级别目标对象对应的目标数据,其中,目标数据的序号可以是根据原始图像分割成子数据步骤确定的。
举例来说,在将原始图像分割成子数据时,可以确定子数据的序号,也即子数据对应目标数据的序号。例如,原始图像分割成10*10个子数据,其中,两个10分别表示行和列。例如,第一行10个子数据的序号自左向右依次为1到10。第二行10个子数据的序号自左向右依次为11到20,以此类推,得到100个子数据的序号,也即对应目标数据的序号。
在确定不同级别目标对象对应的目标数据时,序号相邻的目标数据可以分别属于不同级别目标对象对应的目标数据。例如,序号为1的目标数据属于第一级别,序号为2的目标数据属于第二级别,序号为3的目标数据属于第一级别,以此类推,分别确定每个级别对应的目标数据。
通过这种方式,可以提高水印数据的抗逆向性以及分散性,不易被破解。
在步骤S13中,通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据。
举例来说,可以使用密钥加密对应的目标对象的水印数据,得到加密数据。其中,每个目标对象可以对应一个加密数据。
在一种可能的实现方式中,通过所述目标对象的密钥加密对应的所述水印数据,还可以是对前文所述的至少一个低频数据与水印数据进行加密,以进一步提高去除水印载体数据后的数据的不可读性。其中,至少一个低频数据可以包括最低频的数据。
在步骤S14中,根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包。
举例来说,可以根据前文所述训练好的神经网络的参数,以及每个加密数据,确定用于传输至所述目标对象的数据包。其中,神经网络的参数可以包括权重参数等。神经网络的参数可以单独封装在一个数据包里,也可以与每个加密数据封装在一个数据包里,本公开对此不做限制。
其中,如前文所述,在将根据特征码进行变换处理得到的信息确定为密钥时,所述神经网络的参数中还可以包括变换处理对应的参数,例如,可以包括哈希处理对应的参数。
在包括剩余数据时,可以将神经网络的参数、每个加密数据以及一份剩余数据进行封装,得到用于传输至所述目标对象的数据包。例如,包括3个目标对象,则可以将神经网络的参数、三份加密数据以及以及一份剩余数据进行封装,得到数据包。
通过这种方式,便于实现程序轻量化,使得处理后的待发送的数据包体积增量较小。
在一种可能的实现方式中,所述方法还包括:
在确定存在被泄漏的数据时,从所述被泄露的数据中提取所述水印信息;
根据所述水印信息以及水印信息与目标对象的对应关系,确定泄漏数据的目标对象。
举例来说,可以从所述被泄露的数据中提取所述水印信息,应理解,每个水印信息对应一个特定的目标对象,该目标对象为泄漏数据的对象。其中,可以根据所述水印信息以及水印信息与目标对象的对应关系,确定泄漏数据的目标对象。
通过基于数字水印和神经网络的数据处理方法,在数据泄露时,需要数据泄露溯源时,可以实现多种使用场景下,对遭到泄露的音频、图像、视频等各类原始数据的溯源工作。
图2示出根据本公开实施例的一种数据处理方法的流程图。该方法可以由终端设备或服务器等电子设备执行,本公开对此不作限制。例如,终端设备可以为用户终端、终端、计算设备等,该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现,或者,可通过服务器执行该方法。如图2所示,所述方法包括:
在步骤S21中,接收数据包,其中,所述数据包包括神经网络的参数以及加密数据;
在步骤S22中,获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥;
在步骤S23中,根据所述密钥,解密所述加密数据;
在步骤S24中,在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
在本公开实施例中,接收数据包,获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥,根据所述密钥,解密所述加密数据,并在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
这样,在接收端为合法的数据接收端时,可以较容易地得到嵌入有与所述目标对象对应的水印信息的原始数据。数据的接收端无需与数据的发送端进行复杂的交互,就可以完成身份验证并获取数据,能够提高效率。
其中,接收到的数据包可以是前文所述生成的数据包,其中,所述数据包包括神经网络的参数以及加密数据。
在一种可能的实现方式中,获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥,可以是指对目标对象的特征信息进行采集,例如,神经网络是根据人脸图像训练得到的,则可以采集目标对象的人脸图像,并输入到神经网络中,确定密钥。
应理解,在前文所述的数据发送端,输入神经网络的该目标对象的特征信息与当前获取的该目标对象的特征信息为同类信息,例如,为同一个用户的人脸图像,当前神经网络为数据发送端打包发送的神经网络参数确定,则当前确定的密钥与前文所述数据发送端生成数据包过程中该目标对象的密钥相同。
在一种可能的实现方式中,可以根据所述密钥,解密所述加密数据。例如,在数据包包括多份加密数据时,可以依次尝试解密。
在一种可能的实现方式中,在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
举例来说,当解密得到水印数据时,该水印数据为当前目标对象对应的水印数据,可以根据该水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
在一种可能的实现方式中,在无法解密得到水印数据时,无法获取原始数据。
应理解,使用密钥尝试解密加密数据时,若数据的接收端是合法的目标对象之一,则可以解密出其对应的那份水印数据,并确定嵌入有与所述目标对象对应的水印信息的原始数据;若数据的接收端是非法的,则无法解密任何加密数据,也无法得到水印数据以及原始数据。
这样,能够有效提高数据的安全性。
在一种可能的实现方式中,所述数据包还包括剩余数据,所述水印数据以及所述剩余数据是根据所述原始数据执行变换处理后拆分确定的,
其中,所述根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据,包括:
拼接所述水印数据以及所述剩余数据;
对拼接后的数据执行逆变换处理,得到所述嵌入有与所述目标对象对应的水印信息的原始数据。
如前所述,所述数据包还包括剩余数据,所述水印数据以及所述剩余数据是根据所述原始数据执行变换处理后拆分确定的。例如,是原始数据经过DCT变换后的多个目标数据确定的水印数据以及剩余数据。可以拼接所述水印数据以及所述剩余数据,得到根据原始数据执行变换处理后的多个目标数据,对拼接后的数据执行逆变换处理,得到所述嵌入有与所述目标对象对应的水印信息的原始数据。
通过这种方式,能够获取嵌入有与所述目标对象对应的水印信息的原始数据。
图3示出根据本公开实施例的一种数据处理装置的框图。如图3所示,所述装置包括:
第一确定模块31,用于根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;
第二确定模块32,用于对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息;
第三确定模块33,用于通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据;
第四确定模块34,用于根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,
发送模块35,用于向所述目标对象发送所述数据包。
在一种可能的实现方式中,第二确定模块,用于:
生成水印密钥以及所述目标对象对应的水印信息;
根据所述原始数据,确定水印载体;
根据所述水印载体、所述水印密钥以及所述目标对象对应的水印信息,生成所述目标对象对应的水印数据。
在一种可能的实现方式中,第二确定模块,用于:
将所述原始数据分割为多个子数据;
分别对每个所述子数据执行变换处理,得到多个目标数据,所述目标数据与所述子数据一一对应;
根据所述多个目标数据,确定所述水印载体。
在一种可能的实现方式中,第二确定模块,用于:所述根据所述多个目标数据,确定水印载体,包括:
拆分每个目标数据,得到每个目标数据中的载体数据以及剩余子数据;
将所有载体数据之和确定为所述水印载体;
所述装置还包括剩余数据确定模块,用于将所有剩余子数据之和确定为剩余数据,
所述第四确定模块,用于:根据所述神经网络的参数、所述加密数据以及所述剩余数据,生成用于传输至所述目标对象的数据包。
在一种可能的实现方式中,所述变换处理包括离散余弦DCT变换,所述目标数据包括中频数据以及低频数据,
其中,第二确定模块,用于执行以下方式中的至少一种:
将所述目标数据中,至少一个中频数据确定为所述载体数据;
将所述目标数据中,至少一个中频数据以及至少一个低频数据确定为所述载体数据。
在一种可能的实现方式中,第二确定模块,用于:在包括多个级别的目标对象时,从所述多个目标数据中,分别确定每个级别对应的目标数据;
根据所述每个级别对应的目标数据,确定所述每个级别的目标对象的水印载体。
在一种可能的实现方式中,第一确定模块,用于:将目标对象的特征信息输入所述神经网络,得到目标对象对应的特征码;
将所述特征码或根据所述特征码进行变换处理得到的信息,确定为所述密钥。
在一种可能的实现方式中,所述装置还包括:
信息提取模块,用于在确定存在被泄漏的数据时,从所述被泄露的数据中提取所述水印信息;
目标对象确定模块,用于根据所述水印信息以及水印信息与目标对象的对应关系,确定泄漏数据的目标对象。
图4示出根据本公开实施例的一种数据处理装置的框图。如图4所示,所述装置包括:
接收模块41,用于接收数据包,其中,所述数据包包括神经网络的参数以及加密数据;
第五确定模块42,用于获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥;
解密模块43,用于根据所述密钥,解密所述加密数据;
第六确定模块44,用于在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
在一种可能的实现方式中,所述数据包还包括剩余数据,所述水印数据以及所述剩余数据是根据所述原始数据执行变换处理后拆分确定的,
第六确定模块,用于:
拼接所述水印数据以及所述剩余数据;
对拼接后的数据执行逆变换处理,得到所述嵌入有与所述目标对象对应的水印信息的原始数据。
需要说明的是,尽管示例性介绍了数据处理方法如上,但本领域技术人员能够理解,本公开应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定。
图5示出根据本公开实施例的一种数据处理装置的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种数据处理装置的框图。例如,装置1900可以被提供为一服务器。参照图6,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥;
对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,其中,所述水印数据嵌入有与所述目标对象对应的水印信息;
通过所述目标对象的密钥加密对应的所述水印数据,确定所述目标对象对应的加密数据;
根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包;
向所述目标对象发送所述数据包。
2.根据权利要求1所述的方法,其特征在于,所述对待传输的原始数据执行数字水印处理,得到所述目标对象对应的水印数据,包括:
生成水印密钥以及所述目标对象对应的水印信息;
根据所述原始数据,确定水印载体;
根据所述水印载体、所述水印密钥以及所述目标对象对应的水印信息,生成所述目标对象对应的水印数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述原始数据,确定水印载体,包括:
将所述原始数据分割为多个子数据;
分别对每个所述子数据执行变换处理,得到多个目标数据,所述目标数据与所述子数据一一对应;
根据所述多个目标数据,确定所述水印载体。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多个目标数据,确定水印载体,包括:
拆分每个目标数据,得到每个目标数据中的载体数据以及剩余子数据;
将所有载体数据之和确定为所述水印载体;
所述方法还包括:将所有剩余子数据之和确定为剩余数据,
其中,所述根据所述神经网络的参数以及所述加密数据,确定用于传输至所述目标对象的数据包,包括:
根据所述神经网络的参数、所述加密数据以及所述剩余数据,生成用于传输至所述目标对象的数据包。
5.根据权利要求4所述的方法,其特征在于,所述变换处理包括离散余弦DCT变换,所述目标数据包括中频数据以及低频数据,
其中,所述拆分每个目标数据,得到每个目标数据中的载体数据,包括以下方式中的至少一种:
将所述目标数据中,至少一个中频数据确定为所述载体数据;
将所述目标数据中,至少一个中频数据以及至少一个低频数据确定为所述载体数据。
6.根据权利要求3所述的方法,其特征在于,所述根据多个目标数据,确定所述水印载体,包括:
在包括多个级别的目标对象时,从所述多个目标数据中,分别确定每个级别对应的目标数据;
根据所述每个级别对应的目标数据,确定所述每个级别的目标对象的水印载体。
7.根据权利要求1所述的方法,其特征在于,所述根据目标对象的特征信息以及训练好的神经网络,确定所述目标对象的密钥,包括:
将目标对象的特征信息输入所述神经网络,得到目标对象对应的特征码;
将所述特征码或根据所述特征码进行变换处理得到的信息,确定为所述密钥。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定存在被泄漏的数据时,从所述被泄露的数据中提取所述水印信息;
根据所述水印信息以及水印信息与目标对象的对应关系,确定泄漏数据的目标对象。
9.一种数据处理方法,其特征在于,所述方法包括:
接收数据包,其中,所述数据包包括神经网络的参数以及加密数据;
获取目标对象的特征信息,根据所述特征信息以及所述神经网络,确定密钥;
根据所述密钥,解密所述加密数据;
在解密得到水印数据时,根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据。
10.根据权利要求9所述的方法,其特征在于,所述数据包还包括剩余数据,所述水印数据以及所述剩余数据是根据所述原始数据执行变换处理后拆分确定的,
其中,所述根据所述水印数据,确定嵌入有与所述目标对象对应的水印信息的原始数据,包括:
拼接所述水印数据以及所述剩余数据;
对拼接后的数据执行逆变换处理,得到所述嵌入有与所述目标对象对应的水印信息的原始数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450130.5A CN113190806A (zh) | 2021-04-25 | 2021-04-25 | 数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450130.5A CN113190806A (zh) | 2021-04-25 | 2021-04-25 | 数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113190806A true CN113190806A (zh) | 2021-07-30 |
Family
ID=76978740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110450130.5A Pending CN113190806A (zh) | 2021-04-25 | 2021-04-25 | 数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190806A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122385A (zh) * | 2011-02-28 | 2011-07-13 | 北京工业大学 | 一种能同时抵抗多种攻击的数字水印方法 |
CN102880997A (zh) * | 2011-05-26 | 2013-01-16 | 江苏技术师范学院 | 水印图像的嵌入方法 |
CN103533371A (zh) * | 2013-09-30 | 2014-01-22 | 西安空间无线电技术研究所 | 一种基于图像变换和图像水印的数据压缩传输方法 |
CN105389770A (zh) * | 2015-11-09 | 2016-03-09 | 河南师范大学 | 基于bp和rbf神经网络的图像水印嵌入、提取方法与装置 |
CN108665403A (zh) * | 2017-03-29 | 2018-10-16 | 腾讯科技(深圳)有限公司 | 数字水印嵌入方法、提取方法、装置及数字水印系统 |
CN109274644A (zh) * | 2018-08-21 | 2019-01-25 | 华为技术有限公司 | 一种数据处理方法、终端和水印服务器 |
CN111382455A (zh) * | 2020-03-18 | 2020-07-07 | 北京丁牛科技有限公司 | 一种文件保护方法及装置 |
CN111404676A (zh) * | 2020-03-02 | 2020-07-10 | 北京丁牛科技有限公司 | 安全隐秘的密钥与密文的生成、存储与传递方法和装置 |
CN111737662A (zh) * | 2020-06-16 | 2020-10-02 | 北京达佳互联信息技术有限公司 | 水印添加方法、水印提取方法、装置、电子设备 |
US20210067842A1 (en) * | 2019-08-27 | 2021-03-04 | Synamedia Limited | Systems and methods for providing watermarked content |
-
2021
- 2021-04-25 CN CN202110450130.5A patent/CN113190806A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122385A (zh) * | 2011-02-28 | 2011-07-13 | 北京工业大学 | 一种能同时抵抗多种攻击的数字水印方法 |
CN102880997A (zh) * | 2011-05-26 | 2013-01-16 | 江苏技术师范学院 | 水印图像的嵌入方法 |
CN103533371A (zh) * | 2013-09-30 | 2014-01-22 | 西安空间无线电技术研究所 | 一种基于图像变换和图像水印的数据压缩传输方法 |
CN105389770A (zh) * | 2015-11-09 | 2016-03-09 | 河南师范大学 | 基于bp和rbf神经网络的图像水印嵌入、提取方法与装置 |
CN108665403A (zh) * | 2017-03-29 | 2018-10-16 | 腾讯科技(深圳)有限公司 | 数字水印嵌入方法、提取方法、装置及数字水印系统 |
CN109274644A (zh) * | 2018-08-21 | 2019-01-25 | 华为技术有限公司 | 一种数据处理方法、终端和水印服务器 |
US20210067842A1 (en) * | 2019-08-27 | 2021-03-04 | Synamedia Limited | Systems and methods for providing watermarked content |
CN111404676A (zh) * | 2020-03-02 | 2020-07-10 | 北京丁牛科技有限公司 | 安全隐秘的密钥与密文的生成、存储与传递方法和装置 |
CN111382455A (zh) * | 2020-03-18 | 2020-07-07 | 北京丁牛科技有限公司 | 一种文件保护方法及装置 |
CN111737662A (zh) * | 2020-06-16 | 2020-10-02 | 北京达佳互联信息技术有限公司 | 水印添加方法、水印提取方法、装置、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10339283B2 (en) | System and method for creating, processing, and distributing images that serve as portals enabling communication with persons who have interacted with the images | |
US8712047B2 (en) | Visual universal decryption apparatus and methods | |
CN110765434A (zh) | 身份验证方法、装置、电子设备和存储介质 | |
CN111737662A (zh) | 水印添加方法、水印提取方法、装置、电子设备 | |
Apau et al. | Design of image steganography based on RSA algorithm and LSB insertion for android smartphones | |
CN109246110B (zh) | 数据共享方法、装置及计算机可读存储介质 | |
CN113301431A (zh) | 视频数据的加解密方法、装置、电子设备及系统 | |
CN110677551B (zh) | 图像加密方法、装置、设备及存储介质 | |
CN111177748A (zh) | 指纹存储加密方法、装置及系统 | |
CN112243000B (zh) | 应用数据的处理方法,装置、计算机设备及存储介质 | |
Koh et al. | Encrypted cloud photo storage using Google photos | |
CN116756750A (zh) | 医疗敏感数据采集脱敏方法 | |
CN108696355B (zh) | 一种防止用户头像盗用的方法及系统 | |
CN113190806A (zh) | 数据处理方法 | |
CN107302519B (zh) | 一种终端设备的身份认证方法、装置和终端设备、服务器 | |
CN113868505A (zh) | 数据处理方法、装置、电子设备、服务器及存储介质 | |
CN113591120A (zh) | 信息发布方法及装置、电子设备和存储介质 | |
CN113052044A (zh) | 识别虹膜图像的方法、装置、计算设备和介质 | |
CN113052045A (zh) | 识别指静脉图像的方法、装置、计算设备和介质 | |
Bucerzan et al. | Contributions to steganographic techniques on mobile devices | |
CN111371563A (zh) | 口令验证方法、装置、电子设备及存储介质 | |
Kumar et al. | Hiding the text messages of variable size using encryption and decryption algorithms in image steganography | |
Naqash et al. | Review on safe reversible image data hiding | |
CN113596016B (zh) | 恶意域名检测方法及装置、电子设备和存储介质 | |
CN115242453B (zh) | 一种数据加密方法、数据解密方法及装置 |
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 |