CN116933222B - 基于零水印的三维模型版权认证方法及系统 - Google Patents
基于零水印的三维模型版权认证方法及系统 Download PDFInfo
- Publication number
- CN116933222B CN116933222B CN202311176207.XA CN202311176207A CN116933222B CN 116933222 B CN116933222 B CN 116933222B CN 202311176207 A CN202311176207 A CN 202311176207A CN 116933222 B CN116933222 B CN 116933222B
- Authority
- CN
- China
- Prior art keywords
- slice
- model
- partition
- watermark
- dimensional printing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005192 partition Methods 0.000 claims abstract description 132
- 238000010146 3D printing Methods 0.000 claims abstract description 65
- 230000008859 change Effects 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Technology Law (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于零水印的三维模型版权认证方法及系统，该方法包括：根据预设的切片分区模型，确定第一三维打印模型对应的多个第一分区切片组合；对于每一所述第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据；获取待认证的第二三维打印模型和第二密钥，根据所述切片分区模型和所述零水印生成算法，确定所述第二三维打印模型对应的第二水印数据；根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证。可见，本发明能够实现基于模型数据本身的特性来生成认证水印，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。
Description
技术领域
本发明涉及水印数据处理技术领域，尤其涉及一种基于零水印的三维模型版权认证方法及系统。
背景技术
随着3D打印技术的发展，越来越多的3D模型文件需要利用传输技术传输至不同的设备终端，而如何有效实现这些传输中3D模型文件的安全性成为了研究重点之一。
但现有技术在实现3D模型文件的安全传输时，一般仅采用普通的加密算法和加密密钥来处理，没有考虑到模型的用途或处理设备终端的设备特性来有效调整加密的相关操作参数。可见，现有技术存在缺陷，亟需解决。
发明内容
本发明所要解决的技术问题在于，提供一种基于零水印的三维模型版权认证方法及系统，能够实现基于模型数据本身的特性来生成认证水印，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。
为了解决上述技术问题，本发明第一方面公开了一种基于零水印的三维模型版权认证方法，所述方法包括：
获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定所述第一三维打印模型对应的多个第一分区切片组合；
对于每一所述第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据；
获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据所述切片分区模型和所述零水印生成算法，确定所述第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据；
根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证。
作为一种可选的实施方式，在本发明第一方面中，所述切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型。
作为一种可选的实施方式，在本发明第一方面中，所述切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一所述随机序号对应的切片文件，以得到多个待处理切片文件。
作为一种可选的实施方式，在本发明第一方面中，所述切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将所述基准度预测值最高的切片文件确定为基准切片文件；所述基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一所述待处理切片文件，基于图像相似度算法，计算该待处理切片文件和所述基准切片文件之间的图像变化度参数；
根据所述图像变化度参数从大到小对所有所述待处理切片文件进行排序，得到切片文件序列。
作为一种可选的实施方式，在本发明第一方面中，所述切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于所述单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的所述图像变化度参数的平均值不大于所述单组切片图像变化阈值；
根据所述目标函数和所述限制条件，基于动态规划算法，对所述切片文件序列进行分区迭代演算，最终得到最优的多个分区切片组合。
作为一种可选的实施方式，在本发明第一方面中，所述根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据，包括：
根据零水印生成算法对每一所述分区切片组合生成对应的水印数据；
根据预设的密钥和加密算法对每一水印数据进行加密，得到每一所述第一分区切片组合对应的加密水印数据；
其中，所述零水印生成算法包括小波变换算法模型；所述小波变换算法模型用于对每一分区切片组合中的每一切片文件进行离散小波变换，并将变换后的文件的低频逼近子带进行分块奇异值分解，对每两个相邻子块的最大奇异值的大小关系进行判断以产生每一切片文件对应的零水印，将每一分区切片组合中所有切片文件对应的零水印确定为该分区切片组合对应的水印数据。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证，包括：
根据所述第二密钥对所述加密水印数据进行解密，得到第一水印数据；
计算每一所述第二水印数据和相对应的所述第一水印数据之间的相似度；
判断所有所述第二水印数据对应的所述相似度的平均值，得到水印相似度；
判断所述水印相似度是否大于预设的相似度阈值，若是，则判断所述第二三维打印模型为真，否则判断所述第二三维打印模型为假。
本发明第二方面公开了一种基于零水印的三维模型版权认证系统，所述系统包括：
分区模块，用于获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定所述第一三维打印模型对应的多个第一分区切片组合；
生成模块，用于对于每一所述第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据；
获取模块，用于获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据所述切片分区模型和所述零水印生成算法，确定所述第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据；
认证模块，用于根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证。
作为一种可选的实施方式，在本发明第二方面中，所述切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型。
作为一种可选的实施方式，在本发明第二方面中，所述切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一所述随机序号对应的切片文件，以得到多个待处理切片文件。
作为一种可选的实施方式，在本发明第二方面中，所述切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将所述基准度预测值最高的切片文件确定为基准切片文件；所述基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一所述待处理切片文件，基于图像相似度算法，计算该待处理切片文件和所述基准切片文件之间的图像变化度参数；
根据所述图像变化度参数从大到小对所有所述待处理切片文件进行排序，得到切片文件序列。
作为一种可选的实施方式，在本发明第二方面中，所述切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于所述单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的所述图像变化度参数的平均值不大于所述单组切片图像变化阈值；
根据所述目标函数和所述限制条件，基于动态规划算法，对所述切片文件序列进行分区迭代演算，最终得到最优的多个分区切片组合。
作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据的具体方式，包括：
根据零水印生成算法对每一所述分区切片组合生成对应的水印数据；
根据预设的密钥和加密算法对每一水印数据进行加密，得到每一所述第一分区切片组合对应的加密水印数据；
其中，所述零水印生成算法包括小波变换算法模型；所述小波变换算法模型用于对每一分区切片组合中的每一切片文件进行离散小波变换，并将变换后的文件的低频逼近子带进行分块奇异值分解，对每两个相邻子块的最大奇异值的大小关系进行判断以产生每一切片文件对应的零水印，将每一分区切片组合中所有切片文件对应的零水印确定为该分区切片组合对应的水印数据。
作为一种可选的实施方式，在本发明第二方面中，所述认证模块根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证的具体方式，包括：
根据所述第二密钥对所述加密水印数据进行解密，得到第一水印数据；
计算每一所述第二水印数据和相对应的所述第一水印数据之间的相似度；
判断所有所述第二水印数据对应的所述相似度的平均值，得到水印相似度；
判断所述水印相似度是否大于预设的相似度阈值，若是，则判断所述第二三维打印模型为真，否则判断所述第二三维打印模型为假。
本发明第三方面公开了另一种基于零水印的三维模型版权认证系统，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于零水印的三维模型版权认证方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于零水印的三维模型版权认证方法中的部分或全部步骤。
与现有技术相比，本发明具有以下有益效果：
本发明通过对模型中的切片进行分区得到多个分区组合，并对每一分区组合进行水印生成和加密，以用于后续的认证，从而能够实现基于模型数据本身的特性来生成认证水印，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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是本发明实施例公开的一种基于零水印的三维模型版权认证方法的流程示意图；
图2是本发明实施例公开的一种基于零水印的三维模型版权认证系统的结构示意图；
图3是本发明实施例公开的另一种基于零水印的三维模型版权认证系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于零水印的三维模型版权认证方法及系统，通过对模型中的切片进行分区得到多个分区组合，并对每一分区组合进行水印生成和加密，以用于后续的认证，从而能够实现基于模型数据本身的特性来生成认证水印，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于零水印的三维模型版权认证方法的流程示意图。其中，图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定如图1所示，该基于零水印的三维模型版权认证方法可以包括以下操作：
101、获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定第一三维打印模型对应的多个第一分区切片组合。
具体的，切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型，可以用于随机选取切片后进行图像变化度计算以及根据计算出图像变化度进行动态规划分区，以得到多个分区切片组合。
102、对于每一第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一第一分区切片组合对应的加密水印数据。
可选的，可以将加密水印数据和三维打印模型一同发送至版权保护中心设备进行保存，并由版权保护中心设备来执行后续的认证步骤103和104。
103、获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据切片分区模型和零水印生成算法，确定第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据。
具体的，第二水印数据是通过与第一分区切片组合对应的同样的切片分区模型和零水印生成算法来生成的。
104、根据第二密钥、第二水印数据和加密水印数据，对第二三维打印模型进行真伪认证。
可见，实施本发明实施例所描述的方法通过对模型中的切片进行分区得到多个分区组合，并对每一分区组合进行水印生成和加密，以用于后续的认证，从而能够实现基于模型数据本身的特性来生成认证水印，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。
作为一种可选的实施例，上述步骤中的，切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一随机序号对应的切片文件，以得到多个待处理切片文件。
通过上述实施例，可以基于预设的随机数生成算法，确定三维打印模型中每一随机序号对应的切片文件，以得到多个待处理切片文件，以保证选取的水印处理文件的随机性，提高水印生成的安全性。
作为一种可选的实施例，上述步骤中的，切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将基准度预测值最高的切片文件确定为基准切片文件；基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一待处理切片文件，基于图像相似度算法，计算该待处理切片文件和基准切片文件之间的图像变化度参数；
根据图像变化度参数从大到小对所有待处理切片文件进行排序，得到切片文件序列。
可选的，基准度标注或是基准度预测值用于表征切片文件的数据内容例如图像，在整个模型中的基准程度，一般以内容最丰富或内容最少的切片文件作为基准度最高的基准切片文件，以便于后续计算出的图像变化度参数具备一定的可量化性。
通过上述实施例，可以基于神经网络算法确定基准切片文件，并计算每一待处理切片文件和基准切片文件的图像变化度以排序得到文件序列，便于后续根据文件序列生成更加合理的分区切片组合。
作为一种可选的实施例，上述步骤中的，切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的图像变化度参数的平均值不大于单组切片图像变化阈值；
根据目标函数和限制条件，基于动态规划算法，对切片文件序列进行分区迭代演算，最终得到最优的多个分区切片组合。
通过上述实施例，可以根据目标函数和限制条件，基于动态规划算法，对切片文件序列进行分区迭代演算，最终得到最优的多个分区切片组合，以提高生成的分区切片组合的合理性。
作为一种可选的实施例，上述步骤中的，根据零水印生成算法以及预设的密钥和加密算法，生成每一第一分区切片组合对应的加密水印数据，包括：
根据零水印生成算法对每一分区切片组合生成对应的水印数据；
根据预设的密钥和加密算法对每一水印数据进行加密，得到每一第一分区切片组合对应的加密水印数据；
其中，零水印生成算法包括小波变换算法模型；小波变换算法模型用于对每一分区切片组合中的每一切片文件进行离散小波变换，并将变换后的文件的低频逼近子带进行分块奇异值分解，对每两个相邻子块的最大奇异值的大小关系进行判断以产生每一切片文件对应的零水印，将每一分区切片组合中所有切片文件对应的零水印确定为该分区切片组合对应的水印数据。
通过上述实施例，可以根据零水印生成算法以及预设的密钥和加密算法，生成每一第一分区切片组合对应的加密水印数据，以提高安全性。
作为一种可选的实施例，上述步骤中的，根据第二密钥、第二水印数据和加密水印数据，对第二三维打印模型进行真伪认证，包括：
根据第二密钥对加密水印数据进行解密，得到第一水印数据；
计算每一第二水印数据和相对应的第一水印数据之间的相似度；
判断所有第二水印数据对应的相似度的平均值，得到水印相似度；
判断水印相似度是否大于预设的相似度阈值，若是，则判断第二三维打印模型为真，否则判断第二三维打印模型为假。
通过上述实施例，可以通过水印相似度的计算来判断第二三维打印模型的真伪，提高模型认证的安全性和准确性，且具备较高的抗干扰特性。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于零水印的三维模型版权认证系统的结构示意图。其中，图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该系统可以包括：
分区模块201，用于获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定第一三维打印模型对应的多个第一分区切片组合；
生成模块202，用于对于每一第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一第一分区切片组合对应的加密水印数据；
获取模块203，用于获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据切片分区模型和零水印生成算法，确定第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据；
认证模块204，用于根据第二密钥、第二水印数据和加密水印数据，对第二三维打印模型进行真伪认证。
作为一种可选的实施例，切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型。
作为一种可选的实施例，切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一随机序号对应的切片文件，以得到多个待处理切片文件。
作为一种可选的实施例，切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将基准度预测值最高的切片文件确定为基准切片文件；基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一待处理切片文件，基于图像相似度算法，计算该待处理切片文件和基准切片文件之间的图像变化度参数；
根据图像变化度参数从大到小对所有待处理切片文件进行排序，得到切片文件序列。
作为一种可选的实施例，切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的图像变化度参数的平均值不大于单组切片图像变化阈值；
根据目标函数和限制条件，基于动态规划算法，对切片文件序列进行分区迭代演算，最终得到最优的多个分区切片组合。
作为一种可选的实施例，生成模块202根据零水印生成算法以及预设的密钥和加密算法，生成每一第一分区切片组合对应的加密水印数据的具体方式，包括：
根据零水印生成算法对每一分区切片组合生成对应的水印数据；
根据预设的密钥和加密算法对每一水印数据进行加密，得到每一第一分区切片组合对应的加密水印数据；
其中，零水印生成算法包括小波变换算法模型；小波变换算法模型用于对每一分区切片组合中的每一切片文件进行离散小波变换，并将变换后的文件的低频逼近子带进行分块奇异值分解，对每两个相邻子块的最大奇异值的大小关系进行判断以产生每一切片文件对应的零水印，将每一分区切片组合中所有切片文件对应的零水印确定为该分区切片组合对应的水印数据。
作为一种可选的实施例，认证模块204根据第二密钥、第二水印数据和加密水印数据，对第二三维打印模型进行真伪认证的具体方式，包括：
根据第二密钥对加密水印数据进行解密，得到第一水印数据；
计算每一第二水印数据和相对应的第一水印数据之间的相似度；
判断所有第二水印数据对应的相似度的平均值，得到水印相似度；
判断水印相似度是否大于预设的相似度阈值，若是，则判断第二三维打印模型为真，否则判断第二三维打印模型为假。
本实施例中的上述模块的具体技术细节和技术效果，可以参照实施例一中的表述，在此不再赘述。
实施例三
请参阅图3，图3是本发明实施例公开的另一种基于零水印的三维模型版权认证系统的结构示意图。如图3所示，该系统可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的基于零水印的三维模型版权认证方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的基于零水印的三维模型版权认证方法中的部分或全部步骤。
以上所描述的系统实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于零水印的三维模型版权认证方法及系统所揭露的仅为本发明较佳实施例而已，仅用于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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (6)
1.一种基于零水印的三维模型版权认证方法，其特征在于，所述方法包括：
获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定所述第一三维打印模型对应的多个第一分区切片组合；所述切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型；所述切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一所述随机序号对应的切片文件，以得到多个待处理切片文件；
所述切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将所述基准度预测值最高的切片文件确定为基准切片文件；所述基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一所述待处理切片文件，基于图像相似度算法，计算该待处理切片文件和所述基准切片文件之间的图像变化度参数；
根据所述图像变化度参数从大到小对所有所述待处理切片文件进行排序，得到切片文件序列；所述切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于所述单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的所述图像变化度参数的平均值不大于所述单组切片图像变化阈值；
根据所述目标函数和所述限制条件，基于动态规划算法，对所述切片文件序列进行分区迭代演算，最终得到最优的多个第一分区切片组合；
对于每一所述第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据；
获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据所述切片分区模型和所述零水印生成算法，确定所述第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据；
根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证。
2.根据权利要求1所述的基于零水印的三维模型版权认证方法，其特征在于，所述根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据，包括：
根据零水印生成算法对每一所述分区切片组合生成对应的水印数据；
根据预设的密钥和加密算法对每一水印数据进行加密，得到每一所述第一分区切片组合对应的加密水印数据；
其中，所述零水印生成算法包括小波变换算法模型；所述小波变换算法模型用于对每一分区切片组合中的每一切片文件进行离散小波变换，并将变换后的文件的低频逼近子带进行分块奇异值分解，对每两个相邻子块的最大奇异值的大小关系进行判断以产生每一切片文件对应的零水印，将每一分区切片组合中所有切片文件对应的零水印确定为该分区切片组合对应的水印数据。
3.根据权利要求1所述的基于零水印的三维模型版权认证方法，其特征在于，所述根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证，包括：
根据所述第二密钥对所述加密水印数据进行解密，得到第一水印数据；
计算每一所述第二水印数据和相对应的所述第一水印数据之间的相似度；
判断所有所述第二水印数据对应的所述相似度的平均值，得到水印相似度；
判断所述水印相似度是否大于预设的相似度阈值，若是，则判断所述第二三维打印模型为真，否则判断所述第二三维打印模型为假。
4.一种基于零水印的三维模型版权认证系统，其特征在于，所述系统包括：
分区模块，用于获取包括有多个切片文件的第一三维打印模型，根据预设的切片分区模型，确定所述第一三维打印模型对应的多个第一分区切片组合；所述切片分区模型包括切片随机选取模型、切片图像变化度计算模型和切片分区动态规划模型；所述切片随机选取模型用于执行以下步骤：
基于预设的随机数生成算法，在所有切片文件的序号范围内生成多个随机序号；
获取三维打印模型中每一所述随机序号对应的切片文件，以得到多个待处理切片文件；
所述切片图像变化度计算模型用于执行以下步骤：
将三维打印模型的所有切片文件输入至基准度预测神经网络模型中，以得到每一切片文件对应的基准度预测值，将所述基准度预测值最高的切片文件确定为基准切片文件；所述基准度预测神经网络模型通过多个训练切片文件和对应的基准度标注的训练数据集训练得到；
对任一所述待处理切片文件，基于图像相似度算法，计算该待处理切片文件和所述基准切片文件之间的图像变化度参数；
根据所述图像变化度参数从大到小对所有所述待处理切片文件进行排序，得到切片文件序列；所述切片分区动态规划模型用于执行以下步骤：
根据三维打印模型对应的认证设备的设备性能参数，确定单组切片数据量阈值和单组切片图像变化阈值；
确定目标函数为所有分区切片组合的组合总数量最小；
确定限制条件为每一分区切片组合中的数据量不大于所述单组切片数据量阈值以及每一分区切片组合中的所有切片文件对应的所述图像变化度参数的平均值不大于所述单组切片图像变化阈值；
根据所述目标函数和所述限制条件，基于动态规划算法，对所述切片文件序列进行分区迭代演算，最终得到最优的多个第一分区切片组合；生成模块，用于对于每一所述第一分区切片组合，根据零水印生成算法以及预设的密钥和加密算法，生成每一所述第一分区切片组合对应的加密水印数据；
获取模块，用于获取来自设备发送的待认证的第二三维打印模型和第二密钥，根据所述切片分区模型和所述零水印生成算法，确定所述第二三维打印模型对应的多个第二分区切片组合对应的第二水印数据；
认证模块，用于根据所述第二密钥、所述第二水印数据和所述加密水印数据，对所述第二三维打印模型进行真伪认证。
5.一种基于零水印的三维模型版权认证系统，其特征在于，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-3任一项所述的基于零水印的三维模型版权认证方法。
6.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-3任一项所述的基于零水印的三维模型版权认证方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176207.XA CN116933222B (zh) | 2023-09-13 | 2023-09-13 | 基于零水印的三维模型版权认证方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176207.XA CN116933222B (zh) | 2023-09-13 | 2023-09-13 | 基于零水印的三维模型版权认证方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116933222A CN116933222A (zh) | 2023-10-24 |
| CN116933222B true CN116933222B (zh) | 2023-12-22 |
Family
ID=88380943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311176207.XA Active CN116933222B (zh) | 2023-09-13 | 2023-09-13 | 基于零水印的三维模型版权认证方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933222B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117349869B (zh) * | 2023-12-05 | 2024-04-09 | 深圳市智能派科技有限公司 | 基于模型用途的切片数据加密处理方法及系统 |
| CN117390684B (zh) * | 2023-12-06 | 2024-04-09 | 深圳市智能派科技有限公司 | 基于切片层级关联的数据加密处理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111800257A (zh) * | 2020-06-01 | 2020-10-20 | 青岛海尔智能技术研发有限公司 | 一种3d模型加密传输方法、解密方法 |
| CN113297565A (zh) * | 2021-04-12 | 2021-08-24 | 深圳市创必得科技有限公司 | 3d打印模型切片文件的加密方法、解密打印方法及3d打印装置 |
| CN116503232A (zh) * | 2023-03-28 | 2023-07-28 | 北京理工大学长三角研究院(嘉兴) | 一种基于鲁棒统计特征的遥感图像零水印处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506650A (zh) * | 2016-06-14 | 2017-12-22 | 索尼公司 | 信息处理设备和信息处理方法 |
-
2023
- 2023-09-13 CN CN202311176207.XA patent/CN116933222B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111800257A (zh) * | 2020-06-01 | 2020-10-20 | 青岛海尔智能技术研发有限公司 | 一种3d模型加密传输方法、解密方法 |
| 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 |
| CN113297565A (zh) * | 2021-04-12 | 2021-08-24 | 深圳市创必得科技有限公司 | 3d打印模型切片文件的加密方法、解密打印方法及3d打印装置 |
| CN116503232A (zh) * | 2023-03-28 | 2023-07-28 | 北京理工大学长三角研究院(嘉兴) | 一种基于鲁棒统计特征的遥感图像零水印处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| DIGITAL WATERMARKING OF 3D MEDICAL VISUAL OBJECTS;M. N. Favorskaya 等;ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences;第61-67页 * |
| 基于改进MC算法和分数阶混沌的CT图像三维重建和加密方案;曾萍 等;计算机应用研究;第40卷(第1期);第263-267页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116933222A (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116933222B (zh) | 基于零水印的三维模型版权认证方法及系统 | |
| CN110781433B (zh) | 数据类型的确定方法和装置、存储介质及电子装置 | |
| Maiorana et al. | Template protection for HMM-based on-line signature authentication | |
| CN110740128B (zh) | 一种离线数据加密方法及装置 | |
| CN116910707B (zh) | 基于设备历史记录的模型版权管理方法及系统 | |
| CN107491674A (zh) | 基于特征信息进行用户验证的方法及装置 | |
| CN115208628B (zh) | 基于区块链的数据完整性验证方法 | |
| CN114359011A (zh) | 一种神经网络水印嵌入方法、装置、电子设备及存储介质 | |
| CN113472537B (zh) | 数据加密方法、系统及计算机可读存储介质 | |
| CN111563273A (zh) | 一种信息验证方法及相关设备 | |
| CN114386058A (zh) | 一种模型文件加密与解密方法及装置 | |
| CN106599841A (zh) | 一种基于全脸匹配的身份验证方法及装置 | |
| CN113965322B (zh) | 大数据安全管理方法及系统 | |
| CN114780932A (zh) | 管理三化平台的跨区块链数据交互验证方法、系统及设备 | |
| Campisi et al. | On-line signature based authentication: Template security issues and countermeasures | |
| CN112100657A (zh) | 一种基于区块链的数据处理方法 | |
| CN117436879B (zh) | 一种基于区块链技术的农村产权交易云签约方法 | |
| CN114547565B (zh) | 一种用于水电站监控系统的双因子认证登录方法及系统 | |
| CN111444815B (zh) | 变电站身份认证方法、系统、装置和计算机设备 | |
| CN117094012B (zh) | 一种电子授权委托书的智能核验方法及系统 | |
| CN110717157B (zh) | 用户验证方法、装置、计算机设备和存储介质 | |
| Di Crescenzo et al. | Modeling cryptographic properties of voice and voice-based entity authentication | |
| CN117272342A (zh) | 一种加密方法、装置、设备及介质 | |
| CN106973044B (zh) | 一种实现大数据交易中数据属主的识别方法 | |
| CN118153115A (zh) | 一种基于联盟链的档案管理方法、存储介质及设备 |
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 |