CN117235689A - 一种基于几何特征的轨迹数据版权保护方法 - Google Patents
一种基于几何特征的轨迹数据版权保护方法 Download PDFInfo
- Publication number
- CN117235689A CN117235689A CN202311525758.2A CN202311525758A CN117235689A CN 117235689 A CN117235689 A CN 117235689A CN 202311525758 A CN202311525758 A CN 202311525758A CN 117235689 A CN117235689 A CN 117235689A
- Authority
- CN
- China
- Prior art keywords
- track
- watermark
- characteristic
- data
- sub
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 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
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种基于几何特征的轨迹数据版权保护方法,包括:S1,对原始轨迹数据集进行特征点提取和分组;S2,针对S1中的分组中的单条轨迹数据,以非特征轨迹点与相邻两个特征轨迹点的距离比值为几何特征来嵌入水印和构建水印索引,并循环所有轨迹数据完成所有水印的嵌入。
Description
技术领域
本发明涉及数据保护技术领域,更具体地,涉及一种基于几何特征的轨迹数据加密保护与版权保护方法。
背景技术
近年来,卫星定位技术和智能手机的迅猛发展,以及计算机硬件和大数据分析技术的快速突破,已经使得大规模轨迹数据的迅速收集与处理成为可能。这一趋势也促使了海量轨迹数据在智能交通、出行行为分析、数据挖掘等各行各业中的广泛应用。但在其广泛应用的同时,其安全问题日益频发,因此轨迹数据的安全保护一直是研究热点。
现有两种经典的安全保护技术:水印或加密技术,均是在数据共享和使用的单一过程中提供安全保护,已无法满足轨迹数据整体安全保护的需求。而直接将两种安全保护技术相结合,同样会存在加密破坏水印,解密数据暴露给仅需水印信息的机构等问题。诸如此类问题的出现也证明了直接结合灵活性不高。而交换密码水印则是将密码学技术与数字技术有机融合,从原理上保证加密操作与水印操作的无缝耦合、互不影响,为数据保护提供可靠的解决方案。因此,研究适用于轨迹数据保护的交换密码水印算法是目前轨迹数据信息安全领域的热点问题。
Chen等人(Chen Xihui,PangJun.Measuring query privacy in location-basedservices[C]//Proc of the 2nd ACM Conference on Data and Application Securityand Privacy.NewYork:ACM Press,2012:49-60.)在PIR协议的基础上,为二进制数据设计了一种新的加密协议cPIR,其能够在保证计算开销最小的情况下强化位置隐私的保护效果。张峰等人(张峰,倪巍伟.基于伪随机数加密的保护位置隐私近邻查询方法[J].华东师范大学学报:自然科学版,2015(5):128-142.)提出了一种基于PIR的近邻查询方法PRN-KNN,采用空间加密算法使用户能够在本地快速查询出K近邻候选集,引入了伪随机数加密规则,有效地减短算法预处理时间。以上算法均是轨迹数据加密方面的研究。
此外轨迹数据数字水印算法方面也有一些学者研究。Lucchese等人(Lucchese C, Vlachos M , Rajan D , et al. Rights protection of trajectory datasetswithnearest-neighbor preservation[J]. Vldb Journal, 2010, 19(4):531-556.)采用扩频的方法对一条轨迹数据的多个频率嵌入水印,在不影响相邻轨迹数据的情况下提升了水印容量。Pan等人(Pan Z , Bao J , Zhang W , et al. TrajGuard: AComprehensiveTrajectory Copyright Protection Scheme[C]// the 25th ACM SIGKDDInternationalConference. ACM, 2019.)提出轨迹分组算法,通过调整单个轨迹点至轨迹数据质心的距离进而嵌入水印信息,有效增强了轨迹数据水印算法的抗裁剪能力。
虽然上述加密算法和数字水印算法能够较好地实现版权信息的嵌入或轨迹数据加密,但其只能实现单一的版权保护或加密保护,无法同时在数据的使用、存储和共享中进行数据的版权保护和泄密保护。
发明内容
针对轨迹数据在使用、共享和存储过程中可能存在的非法窃取和版权保护问题,本发明提出一种基于几何特征的轨迹数据加密保护与版权追溯方法,实现轨迹数据的加密保护与版权追溯。
本发明选取垂距法压缩轨迹点,并以非特征轨迹点与相邻两个特征轨迹点的距离比值为几何特征并构建为特征不变量嵌入版权信息,同时以相邻特征点及其所包含非特征点为加密基本单元,以此为特征不变量和加密单元能够在保证旋转、缩放、平移的不变性的基础上,满足加密部分与水印部分的互不干扰与有机融合。在本发明中,几何特征体现在:非特征点至特征点连线距离,特征点间距离,两者构成一个几何关系,两个距离的比值作为水印信息嵌入的位置;非特征点至特征点连线的垂足,垂足将特征点连线分割为两段,这两段也是几何关系,将这两段的比值作为水印索引。
具体地,本发明的基于几何特征的轨迹数据版权保护方法,包括:S1,对原始轨迹数据集进行特征点提取和分组;S2,针对S1中的分组中的单条轨迹数据,以非特征轨迹点与相邻两个特征轨迹点的距离比值为几何特征来嵌入水印和构建水印索引,并循环所有轨迹数据完成所有水印的嵌入。
与现有技术相比,本发明弥补了单一水印算法或加密算法无法在共享、使用及存储等流程中同时提供安全保护的不足。
本发明的技术效果包括:以非特征轨迹点与相邻两个特征轨迹点的几何关系为几何特征并构建为特征不变量嵌入版权信息。水印部分对常规的旋转、缩放、平移、压缩等攻击均具有较高的鲁棒性。
在一个优选实施方式中,加密部分是一种通用加密机制可适用于任何能够产生随机序列的算法,具有较高的加密安全性;可同时实现轨迹数据的加密保护与版权追溯;填补了轨迹数据在交换密码水印方面的空缺。
附图说明
为了更容易理解本发明,将通过参照附图中示出的具体实施方式更详细地描述本发明。这些附图只描绘了本发明的典型实施方式,不应认为对本发明保护范围的限制。
图1为本发明的方法的一个实施方式的流程图。
图2是本发明方法的一个实施方式的技术路线图。
图3是本发明方法的一个实施方式的水印生成流程图。
图4是本发明方法的实验数据。
图5是使用本发明方法进行加密后的数据。
图6是使用本发明方法进行水印嵌入后的数据。
图7是对嵌入水印后的数据进行整体旋转攻击后的数据和检测结果。
图8是对嵌入水印后的数据进行整体缩放攻击后的数据和检测结果。
图9是对嵌入水印后的数据进行整体平移攻击后的数据和检测结果。
图10是对嵌入水印后的数据进行数据抽稀攻击后的数据和检测结果。
图11是对嵌入水印后的数据进行数据删除攻击后的数据和检测结果。
具体实施方式
下面参照附图描述本发明的实施方式,以便于本领域的技术人员可以更好的理解本发明并能予以实施,但所列举的实施例不作为本发明的限定,在不冲突的情况下,下述的实施例及实施例中的技术特征可以相互组合,其中相同的部件用相同的附图标记表示。
如图1和图2所示,本发明的方法包括S1-S3。在本发明中,原始轨迹数据集即要保护的数据,可以是交通数据,也可以是轨迹数据。加密后的图像指的是版权信息加密,就是将要嵌入的版权信息加密,防止有人破解水印算法后直接篡改数据中嵌入的版权信息。版权信息可以是文字、图像等所有信息。
S1,对原始轨迹数据集进行特征点提取和分组。
S1.1,利用垂距法对原始轨迹数据集进行特征点提取。
具体地,利用垂距法对第条轨迹数据/>进行压缩,提取轨迹特征点集/>。,其中/>为特征点数量,/>代表第/>个特征点的坐标。
S1.2,针对轨迹特征点集,以相邻特征点及其所覆盖的非特征点为单位,对该单条轨迹数据进行分组,得到子轨迹集/>。
。
S2,针对S1中的分组中的单条轨迹数据,以非特征轨迹点与相邻两个特征轨迹点的距离比值为几何特征来嵌入水印和构建水印索引,并循环所有轨迹数据完成所有水印的嵌入。
S2.1,针对S1.2获得的子轨迹集中的第/>条子轨迹,根据所组成的特征点集合获取所组成子轨迹的非特征点集/>,/>,/>代表第/>个非特征点的坐标。
S2.2,由非特征点向特征点/>连线做垂线,计算垂足在特征点连线的比例,记为非特征点/>在特征点连线的距离比/>。以及,计算非特征点至垂足距离与特征点连线距离的比值/>。
S2.3,使用哈希函数将的若干最高有效位计算为水印映射索引,根据/>获取待嵌入的水印比特/>,之后通过修改非特征点距离比值/>小数位嵌入水印比特。
S2.4,重复步骤S2.1至S2.3完成单条轨迹数据的水印嵌入。
S2.5,重复步骤S1.1至S2.4完成所有轨迹数据的水印嵌入,获得带水印的信息数据。其中,生成水印信息的步骤如下:
1)确定所要嵌入的版权信息或版权图像,将其转化为大小为的二维码图像。
2)使用Logistic加密算法对二维码图像进行加密,生成加密后的水印图像。
3)将水印图像从二维转为一维的二值序列,记作:。其中,/>为水印长度。
S3,进行数据加密:根据当前分组的方向将其后的所有分组沿当前组方向对称加密,并循环所有轨迹数据完成所有数据的加密。具体包括S3.1-S3.4。S3.1,针对S1获得的分组,以每个子轨迹内第一个特征点及其下一个非特征点所构成直线作为当前子轨迹的方向线。
S3.2,以第条轨迹数据内部点数量作为种子值生成与子轨迹数一致的二值随机数序列(加密序列),该加密序列用于控制是否沿相应子轨迹方向线加密。
S3.3,根据加密序列依次按照相应子轨迹的方向线将该子轨迹及后续子轨迹全部沿该直线作对称翻转,以完成单条轨迹数据加密。
S3.4,重复步骤S3.1至S3.3完成所有轨迹数据的加密。
也就是说,本发明中,加密部分以分组为单位,而水印的嵌入以分组内非特征点为单位,以此达到加密与水印的耦合。无论数据是否加密,都可以对数据进行嵌入水印或提取水印,即是否加密不会影响水印算法发挥作用;同时水印是否嵌入也不会影响加密或者解密操作,即使是加密状态下嵌入水印信息,同样可以正确的解密数据。
解密和验证过程如下。
J1,提取轨迹数据水印
J1.1,利用垂距法对轨迹数据的第条轨迹数据/>进行压缩,提取轨迹特征点集。/>,其中/>为特征点数量。
J1.2,以相邻特征点及其所覆盖的非特征点为单位,对单条轨迹数据进行分组,可得子轨迹,/>。
J1.3,对于第条子轨迹,根据所组成的特征点集合/>获取所组成子轨迹的非特征点集/>,/>。
J1.4,由非特征点向特征点/>连线做垂线,将垂足在特征点连线的比例记为非特征点/>在特征点连线的距离比/>,将非特征点至垂足距离与特征点连线距离的比值记为/>。
J1.5,提取非特征点距离比值的特定小数位以获取当前子轨迹所嵌入水印比特/>,之后使用哈希函数将/>的若干最高有效位计算为水印映射索引,根据/>确定当前子轨迹所嵌入的水印比特在最终水印信息中的位置。
J1.6,重复步骤J1.3至J1.5完成单条轨迹数据的水印提取。
J1.7,重复步骤J1.1至J1.6完成所有轨迹数据的水印提取。
J1.8,上述所提取水印信息一个水印位对应多个水印比特,最终根据投票原则选出每一个水印位上最终的水印比特,以得到最终水印信息,。
J2,解密轨迹数据。
J2.1,利用垂距法对第条轨迹数据/>进行压缩,提取轨迹特征点集,其中/>为特征点数量。
J2.2,以相邻特征点及其所覆盖的非特征点为单位,对单条轨迹数据进行分组,可得子轨迹,/>。
J2.3,以每个子轨迹内第一个特征点及其下一个非特征点所构成直线作为当前子轨迹的方向线。
J2.4,以第条轨迹数据内部点数量作为种子值生成与子轨迹数一致的二值随机数序列,该序列用于控制是否沿相应子轨迹方向线解密。
J2.5,根据解密序列依次按照相应子轨迹的方向线将该子轨迹及后续子轨迹全部沿该直线作对称翻转,以完成单条轨迹数据解密。
J2.6,重复步骤J2.1至J2.5完成所有轨迹数据的解密。
经过对比测试,本发明使用方案能够同时实现轨迹数据在使用、存储和共享中对数据的版权保护和泄密保护,且水印抗攻击性和加密安全性较高。
下面选择一份包含216条轨迹的轨迹数据集,针对水印信息的生成、嵌入和检测等整个过程,给出本发明方法的一个实施例,结合附图进一步详细说明本发明过程及其结果。
1.水印信息生成
步骤1:将版权图像二值化,并使用Logistic算法对二值化后的版权图像进行加密,以防止版权图像被识别破坏。如图3所示,待嵌入的版权信息为“CopyRight”。
步骤2:将加密后的版权图像转化为一维的水印序列。
2.数据加密
步骤1:使用垂距法提取单条轨迹数据集内的特征点,以相邻特征点及其所涵盖的非特征点为组对单条轨迹数据分组。
步骤2:获取各分组中特征点的连线并记录为各组的方向线。
步骤3:以当前轨迹的数据点数量作为秘钥生成加密序列,根据加密序列依次将单条轨迹数据的各分组及其后续分组翻转加密,遍历所有轨迹数据完成整体加密。图4显示了待加密的实验数据,图5显示了加密后的数据。
3.水印信息嵌入
步骤1:使用垂距法提取单条轨迹数据集内的特征点,以相邻特征点及其所涵盖的非特征点为组对单条轨迹数据分组。
步骤2:获取各分组内非特征点至相邻特征点连线的垂足及距离,获取特征点连线的距离,并计算两者距离的距离比。
步骤3:以垂足所占特征点连线比例作为水印索引,调整距离比值嵌入水印信息,遍历所有分组和轨迹数据完成数据整体水印嵌入。图6显示了图5所示的数据嵌入水印后的数据。
4.水印信息检测
步骤1:使用垂距法提取单条轨迹数据集内的特征点,以相邻特征点及其所涵盖的非特征点为组对单条轨迹数据分组。
步骤2:获取各分组内非特征点至相邻特征点连线的垂足及距离,获取特征点连线的距离,并计算两者距离的距离比。
步骤3:提取距离比值的水印特征位,获取水印比特,以垂足所占特征点连线比例作为水印索引,记录所提取水印比特,遍历所有数据组和轨迹数据提取水印比特并记录至相应索引,最后根据投票原则确定最终的水印信息,将水印信息解密根据解密后水印信息版权追溯。
轨迹数据的修改攻击是指其被有意或无意的修改,图7-图11显示了抗修改攻击的结果,包括:整体旋转攻击、整体缩放攻击、整体平移攻击、轨迹抽稀攻击、轨迹删除攻击。实验结果表明,本方法对于经过不同类型攻击的含水印轨迹数据集,都能够正确地检测出正确的水印信息,有效地保护数据的版权信息。
以上所述的实施例,只是本发明较优选的具体实施方式,本说明书使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本公开的相同或不同实施例中的一个或多个。本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (9)
1.一种基于几何特征的轨迹数据版权保护方法,其特征在于,包括:
S1,对原始轨迹数据集进行特征点提取和分组;
S2,针对S1中的分组中的单条轨迹数据,以非特征轨迹点与相邻两个特征轨迹点的距离比值为几何特征来嵌入水印和构建水印索引,并循环所有轨迹数据完成所有水印的嵌入。
2.根据权利要求1所述的方法,其特征在于,在步骤S2中,
非特征点至特征点连线距离,特征点间的距离,两个距离的比值作为水印信息嵌入的位置;非特征点至特征点连线的垂足,垂足将特征点连线分割为两段,这两段的比值作为水印索引。
3.根据权利要求2所述的方法,其特征在于,步骤S1还包括:
S1.1,利用垂距法对原始轨迹数据集进行特征点提取;
具体地,利用垂距法对第 条轨迹数据/>进行压缩,提取轨迹特征点集/>,,其中/>为特征点数量,/>代表第/>个特征点的坐标;
S1.2,针对轨迹特征点集,以相邻特征点及其所覆盖的非特征点为单位,对该单条轨迹数据进行分组,得到子轨迹集/>,
。
4.根据权利要求3所述的方法,其特征在于,还包括:
S2.1,针对S1.2获得的子轨迹集中的第/>条子轨迹,根据所组成的特征点集合获取所组成子轨迹的非特征点集/>,/>,/>代表第/>个非特征点的坐标;
S2.2,由非特征点向特征点/>连线做垂线,计算垂足在特征点连线的比例,记为非特征点/>在特征点连线的距离比/>;以及,计算非特征点至垂足距离与特征点连线距离的比值/>;
S2.3,使用哈希函数将的若干最高有效位计算为水印映射索引/>,根据/>获取待嵌入的水印比特/>,之后通过修改非特征点距离比值/>小数位嵌入水印比特;
S2.4,重复步骤S2.1至S2.3完成单条轨迹数据的水印嵌入;
S2.5,重复步骤S1.1至S2.4完成所有轨迹数据的水印嵌入,获得带水印的信息数据。
5.根据权利要求1所述的方法,其特征在于,在步骤S2中,所述水印的生成步骤包括:
1)确定所要嵌入的版权信息或版权图像,将其转化为大小为的二维码图像;
2)使用Logistic加密算法对二维码图像进行加密,生成加密后的水印图像;
3)将水印图像从二维转为一维的二值序列,记作:,其中,/>为水印长度。
6.根据权利要求5所述的方法,其特征在于,还包括:
S3,以当前轨迹的数据点数量作为秘钥生成加密序列,根据加密序列依次将单条轨迹数据的各分组及其后续分组翻转加密,遍历所有轨迹数据完成整体加密。
7.根据权利要求6所述的方法,其特征在于,步骤S3还包括:
S3.1,针对S1获得的分组,以每个子轨迹内第一个特征点及其下一个非特征点所构成直线作为当前子轨迹的方向线;
S3.2,以第条轨迹数据内部点数量作为种子值生成与子轨迹数一致的二值随机数序列,该加密序列用于控制是否沿相应子轨迹方向线加密;
S3.3,根据加密序列依次按照相应子轨迹的方向线将该子轨迹及后续子轨迹全部沿该直线作对称翻转,以完成单条轨迹数据加密;
S3.4,重复步骤S3.1至S3.3完成所有轨迹数据的加密。
8.根据权利要求7所述的方法,其特征在于,在追溯版权时,包括:
J1.1,利用垂距法对轨迹数据的第条轨迹数据/>进行压缩,提取轨迹特征点集/>,,其中/>为特征点数量;
J1.2,以相邻特征点及其所覆盖的非特征点为单位,对单条轨迹数据进行分组,可得子轨迹,/>;
J1.3,对于第条子轨迹,根据所组成的特征点集合/>获取所组成子轨迹的非特征点集/>,/>;
J1.4,由非特征点向特征点/>连线做垂线,将垂足在特征点连线的比例记为非特征点/>在特征点连线的距离比/>,将非特征点至垂足距离与特征点连线距离的比值记为/>;
J1.5,提取非特征点距离比值的特定小数位以获取当前子轨迹所嵌入水印比特/>,之后使用哈希函数将/>的若干最高有效位计算为水印映射索引/>,根据/>确定当前子轨迹所嵌入的水印比特在最终水印信息中的位置/>;
J1.6,重复步骤J1.3至J1.5完成单条轨迹数据的水印提取;
J1.7,重复步骤J1.1至J1.6完成所有轨迹数据的水印提取;
J1.8,上述所提取水印信息一个水印位对应多个水印比特,最终根据投票原则选出每一个水印位上最终的水印比特,以得到最终水印信息,。
9.根据权利要求8所述的方法,其特征在于,在解密轨迹数据时,包括:
J2.1,利用垂距法对第条轨迹数据/>进行压缩,提取轨迹特征点集,其中/>为特征点数量;
J2.2,以相邻特征点及其所覆盖的非特征点为单位,对单条轨迹数据进行分组,可得子轨迹,/>;
J2.3,以每个子轨迹内第一个特征点及其下一个非特征点所构成直线作为当前子轨迹的方向线;
J2.4,以第条轨迹数据内部点数量作为种子值生成与子轨迹数一致的二值随机数序列,该序列用于控制是否沿相应子轨迹方向线解密;
J2.5,根据解密序列依次按照相应子轨迹的方向线将该子轨迹及后续子轨迹全部沿该直线作对称翻转,以完成单条轨迹数据解密;
J2.6,重复步骤J2.1至J2.5完成所有轨迹数据的解密。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311525758.2A CN117235689B (zh) | 2023-11-16 | 2023-11-16 | 一种基于几何特征的轨迹数据版权保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311525758.2A CN117235689B (zh) | 2023-11-16 | 2023-11-16 | 一种基于几何特征的轨迹数据版权保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117235689A true CN117235689A (zh) | 2023-12-15 |
CN117235689B CN117235689B (zh) | 2024-02-20 |
Family
ID=89093445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311525758.2A Active CN117235689B (zh) | 2023-11-16 | 2023-11-16 | 一种基于几何特征的轨迹数据版权保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235689B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326408A (ja) * | 2003-04-24 | 2004-11-18 | Matsushita Electric Ind Co Ltd | 移動体管理システム、移動体端末および処理装置 |
CN106384328A (zh) * | 2016-11-07 | 2017-02-08 | 武汉圆周率软件科技有限公司 | 基于频域数字水印算法的图像数字版权保护方法及系统 |
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 |
CN116385250A (zh) * | 2023-06-05 | 2023-07-04 | 南京师范大学 | 基于鲁棒水印与脆弱水印的轨迹数据双重水印方法 |
CN116805069A (zh) * | 2023-08-18 | 2023-09-26 | 南京师范大学 | 轨迹数据零水印生成方法、检测方法及装置和存储介质 |
-
2023
- 2023-11-16 CN CN202311525758.2A patent/CN117235689B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326408A (ja) * | 2003-04-24 | 2004-11-18 | Matsushita Electric Ind Co Ltd | 移動体管理システム、移動体端末および処理装置 |
CN106384328A (zh) * | 2016-11-07 | 2017-02-08 | 武汉圆周率软件科技有限公司 | 基于频域数字水印算法的图像数字版权保护方法及系统 |
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 |
CN116385250A (zh) * | 2023-06-05 | 2023-07-04 | 南京师范大学 | 基于鲁棒水印与脆弱水印的轨迹数据双重水印方法 |
CN116805069A (zh) * | 2023-08-18 | 2023-09-26 | 南京师范大学 | 轨迹数据零水印生成方法、检测方法及装置和存储介质 |
Non-Patent Citations (1)
Title |
---|
XIAOMING JIN等: "Watermarking Spatial Trajectory Database", 《SPRINGER-VERLAG BERLIN HEIDELBERG》, pages 56 - 67 * |
Also Published As
Publication number | Publication date |
---|---|
CN117235689B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tao et al. | Robust image watermarking theories and techniques: A review | |
Wang et al. | Geometrically resilient color image zero-watermarking algorithm based on quaternion exponent moments | |
WO2022205853A1 (zh) | 一种基于感知哈希和数据增强的医学图像数字水印方法 | |
CN116385250B (zh) | 基于鲁棒水印与脆弱水印的轨迹数据双重水印方法 | |
Wang et al. | A high capacity reversible data hiding method for 2D vector maps based on virtual coordinates | |
Thanh et al. | Robust semi-blind video watermarking based on frame-patch matching | |
CN103761701A (zh) | 基于四元数指数矩的彩色图像水印方法 | |
CN106780287B (zh) | 基于矢量地理线数据组织特征的无损水印方法 | |
Singhal et al. | Robust image watermarking using local Zernike moments | |
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 | |
CN116805069B (zh) | 轨迹数据零水印生成方法、检测方法及装置和存储介质 | |
Liu et al. | Image authentication using QR code watermarking approach based on image segmentation | |
Thilagavathi et al. | A survey of reversible watermarking techniques, application and attacks | |
Gao et al. | High-performance reversible data hiding in encrypted images with adaptive Huffman code | |
CN111241576A (zh) | 一种用于数据库分发保护的零水印方法 | |
CN113987581A (zh) | 一种智慧安防社区平台数据安全防护与查看溯源的方法 | |
CN117235689B (zh) | 一种基于几何特征的轨迹数据版权保护方法 | |
Wang et al. | 2D vector map fragile watermarking with region location | |
Liu et al. | Stego key estimation in LSB steganography | |
Chai et al. | A robust and reversible watermarking technique for relational dataset based on clustering | |
WANG et al. | A novel biometric image integrity authentication using fragile watermarking and Arnold transform | |
CN113194319B (zh) | 一种交换密码水印加密、解密方法及系统 | |
Tian et al. | Spread spectrum-based image watermarking resistant to rotation and scaling using radon transform | |
Mahule et al. | Analysis of image security techniques using digital image watermarking in spatial domain | |
Kumar et al. | Elliptic Curve Cryptography (ECC) based Relational Database Watermarking |
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 |