CN103700059B - 基于多功能数字水印的云存储图像数据持有性证明方法 - Google Patents

Abstract

本发明公开了一种基于多功能数字水印的云存储图像数据持有性证明方法，包括以下步骤：A.数据拥有者将多功能数字水印嵌入图像数据中；B.数据拥有者将嵌入水印的图像数据传送给云服务器进行存储；C.数据验证者通过检测嵌入图像数据中的水印，对云服务器存储的图像数据进行验证；D.如果检测发现脆弱/半脆弱水印完好，则说明数据完整性得到保护；如果检测发现数据内容受到破坏，通过内容可恢复水印对相关信息进行修复；如果需要对数据拥有者提供版权和用户追踪功能，则通过检测鲁棒水印进行验证。本发明采用多功能水印进行数据验证，从而实现了采用一种技术达到多种目标的作用，有利于云存储安全***的部署和实施。

Description

基于多功能数字水印的云存储图像数据持有性证明方法

技术领域

本发明属于数字水印技术领域，尤其是一种基于多功能数字水印的云存储数据持有性证明方法。

背景技术

2007年，在ACM计算机与通信安全会议（CCS’07）上，Ateniese等人提出了云环境下数据存在性证明（PDP，ProvableDataPossession）的概念，采用基于RSA密码体制（RSA是常用密码机制，是信息安全领域常用密码机制）的同态认证算法，提出了一种数据存在的公开审计技术。但在该算法实现审计的过程中，同一用户数据块经过多次校验，可通过线性组合方程求解出来，从而可能造成用户数据的泄露。后来Ateniese本人及Curtmola等针对他们的定义和方案的缺陷进行了一些改进。此后数据存储证明方法开始朝着功能更强的方向发展，涌现出不少研究成果：从只支持静态存储数据发展到支持动态存储数据，从只支持数据所有者个人审计发展到支持第三方公开审计。

现有解决这些问题的方法都是利用哈希函数、加密和数字签名等密码技术，把能证明数据所有者权益的信息作为一个标记（Tag）附属于数据主体存储和传播。这样做的最大问题有两个，一个是数据和标记分离存在被伪造等安全隐患，另一个是用于数据持有证明、数据所有权证明和版权保护时需要分别使用的是不同的标记和不同的方法，不利于***部署和实施。

数字水印按照水印的特性可以分为脆弱水印、半脆弱水印和鲁棒水印。脆弱水印对载体的改变非常敏感，不能经受任何的改变和处理，即使载体的微小改变也应该被检测出来。但是往往在很多情况下，载体多多少少会受到一些处理，因此提出了半脆弱水印，脆弱水印和半脆弱水印主要应用于认证，比如载体的篡改提示和完整性检测。鲁棒水印主要应用于数字产品的版权保护追踪，它要求嵌入载体的水印能够经受各种操作的攻击，并能够从被破坏的含水印载体中提取出来。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，设计一种基于数字水印的云存储图像数据持有性证明方法。

本发明为解决上述技术问题具体采用以下技术方案：

本发明提出一种基于多功能数字水印的云存储图像数据持有性证明方法，包括以下步骤：

A.数据拥有者将多功能数字水印嵌入图像数据中，所述的多功能数字水印包括脆弱/半脆弱水印、内容可恢复水印、鲁棒水印中的两种或两种以上的水印；

B.数据拥有者将嵌入水印的图像数据传送给云服务器进行存储；

C.数据验证者通过检测嵌入图像数据中的水印，对云服务器存储的图像数据进行验证；

D.如果检测发现脆弱/半脆弱水印完好，则说明数据完整性得到保护；如果检测发现数据内容受到破坏，通过内容可恢复水印对相关信息进行修复；如果需要对数据拥有者提供版权和用户追踪功能，则通过检测鲁棒水印进行验证。

进一步的，本发明的基于多功能数字水印的云存储图像数据持有性证明方法，步骤A所述数据拥有者将多功能数字水印嵌入图像数据中包括以下步骤：

A1.首先嵌入鲁棒水印，具体如下：

101、将大小为Ｍ×Ｍ的原始图像划分为互不重叠的大小为m×m的子块；Ｍ、m均为自然数；

102、对每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i，i为子块的序号，i=1,2,…,(M/m)²；

103、计算所有子块最大奇异值的均值，记为S_av，即

$S_{\mathrm{av}}=\frac{S_1+S_2+...+S_{{(M/m)}^2}}{{(M/m)}^2};$

104、通过对比S_i和S_av间的数值大小来产生原始水印序列W，如果S_i>S_av，则W_i=1，否则W_i=0；将原始水印序列W嵌入所有子块中，完成鲁棒水印的嵌入；

A2.其次嵌入脆弱/半脆弱水印，同时实现嵌入内容可恢复水印，实现将用于篡改检测和恢复信息集为一体的双重功能；具体如下：

201、将嵌入鲁棒水印后大小为Ｍ×Ｍ的图像划分为互不重叠的大小为m×m的子块；

202、对每个子块进行离散余弦变换，得到块系数矩阵C_i,j，i，j分别表示该子块在分块矩阵中坐标位置，对每一块系数矩阵C_i,j用JPEG标准量化表Q进行量化得到量化后系数矩阵QC_i,j，QC_i,j包含量化后的离散余弦变换直流和低频系数，反映了图像的主要内容；将该量化后系数矩阵QC_i,j嵌入到未量化块系数矩阵C_i,j的中频域中，完成脆弱/半脆弱水印的嵌入；

203、设当前块为I_i,j，其后继块为I_i′,j′，图像中的每一个块都有各自唯一的前驱和后继块，形成一个循环链表，块位置映射是按斜对角映射的，使得在遭遇连续篡改和成块裁剪时，保存在后继块中的水印信息完好，使得能对篡改块进行恢复；

选取当前块和后继块，计算其关系向量R=QC_i,j-QC_i′,j′，然后将该关系向量嵌入到未量化块系数矩阵C_i,j的中频域中；完成嵌入内容可恢复水印；

通过上述A1和A2步骤完成多功能水印嵌入到原图像数据中。

进一步的，本发明的基于多功能数字水印的云存储图像数据持有性证明方法，对于脆弱/半脆弱水印，证明数据完整性的方法为：

设I_i,j′为当前待检测图像块，其后继块为I_i′,j′′，C_i,j′为块I_i,j′的未量化离散余弦变换的系数矩阵，QC_i,j′和QC_i′,j′′分别为对应当前待检测图像块、后继块的内容向量，两块之间的关系误差为：

$\mathrm{\δ}(I_{i,j}^{\text{'}},I_{i\text{'},j\text{'}}^{\text{'}})=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{(i\text{'},j\text{'})}^{\text{'}}-R_{(i\text{'},j\text{'})}^{\text{'}}|;$

R′_(i,j)、R′_(i′,j′)分别为当前待检测图像块、后继块的关系向量；

若当前块I_i,j′遭到篡改或者恶意操作，则赋JM(i,j)=0，JM是判定矩阵，如果没有遭到篡改或者恶意操作，则赋JM(i,j)=1，并由此获得图像数据内容的完整性认证功能。

进一步的，本发明的基于多功能数字水印的云存储图像数据持有性证明方法，当图像数据的内容受到篡改时，通过内容可恢复水印对相关信息进行修复的方法为：通过存储在后继块中的关系向量R′来恢复原数据：I_i,j′为遭篡改块或不确定块，其后继块为I_i′,j′′，计算R′+QC_i′,j′′=QC_i,j′。

进一步的，本发明的基于多功能数字水印的云存储图像数据持有性证明方法，对于嵌入的鲁棒水印的检测方法为：

将图像或受攻击图像划分为互不重叠的大小为m×m的子块，对每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i′；

计算所有子块最大奇异值的均值，记为S_av′，即

$S_{\mathrm{av}}^{\text{'}}=\frac{S_1^{\text{'}}+S_2^{\text{'}}+...+S_{{(M/m)}^2}^{\text{'}}}{{(M/m)}^2};$

通过对比S_i′和S_av′间的数值大小来产生受攻击后的水印序列W′，如果S_i′>S_av′,则W_i′=1，否则W_i′=0；

计算原始零水印序列W和受攻击后提取的零水印序列W′间的相似度，定义相似度为根据预先设定的阈值th判决版权归属：如果ｓ≥th，那么判决图像数据持有者具有合法版权；反之，判决不具有合法版权。

本发明采用以上技术方案，与现有技术相比具有以下有益效果：

本发明利用基于多功能数字水印的云存储图像数据持有性证明方法，不仅能够提供数据内容完整性监测的功能，而且能够对受损数据内容进行恢复，以及通过鲁棒水印能够对数据内容提供版权保护等功能，实现了采用一种技术达到多种目标的作用，有利于云存储安全***的部署和实施。

附图说明

图1为基于多功能数字水印的云存储图像数据持有性证明方法示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细的说明：

本发明所提出的多功能水印是指在数字信息中嵌入不同性质的水印，达到不同的目的，例如在一幅图像中同时嵌入一个可见水印和一个不可见水印，前者用于版权通知，后者用于版权保护；又如在一幅图像中同时嵌入一个脆弱水印和一个鲁棒水印，前者可以用于篡改提示，后者可以用于版权保护。

如图1所示，本发明提出了基于多功能数字水印的云存储图像数据持有性证明方法：采用脆弱水印/半脆弱水印提供数据内容的完整性认证功能，采用内容可恢复水印来对当数据内容出现损坏时提供数据内容的可恢复功能，采用鲁棒水印提供数据的版权保护功能。具体包括以下步骤：

A.数据拥有者将多功能数字水印嵌入图像数据中，所述的多功能数字水印包括脆弱水印/半脆弱水印、内容可恢复水印、鲁棒水印；

B.数据拥有者将嵌入水印的图像数据传送给云服务器进行存储；

C.数据验证者通过检测嵌入图像数据中的水印，对云服务器存储的图像数据进行验证；

D.如果检测发现脆弱/半脆弱水印完好，则说明数据完整性得到保护；如果检测发现数据内容受到破坏，通过内容可恢复水印对相关信息进行修复；如果需要对数据拥有者提供版权和用户追踪功能，则通过检测鲁棒水印进行验证。

本实施例以多功能数字水印使用对象为图像为例，具体如下：

步骤A、数据拥有者将多功能数字水印嵌入数据中，脆弱水印因其脆弱性容易遭破坏，所以嵌入顺序是先嵌入鲁棒水印后嵌入脆弱水印，具体包括以下步骤：

A1.首先嵌入鲁棒水印：

将大小为Ｍ×Ｍ的原始图像划分为互不重叠的大小为ｍ×ｍ的子块；

每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i，ｉ为子块的序号，i=1,2,…,(M/m)²；

计算所有子块最大奇异值的均值，记为S_av，即

$S_{\mathrm{av}}=\frac{S_1+S_2+...+S_{{(M/m)}^2}}{{(M/m)}^2};$

原始水印序列Ｗ通过对比S_i和S_av间的数值大小来产生，如果S_i>S_av,则W_i=1，否则W_i=0；将原始水印序列W嵌入所有子块中，完成鲁棒水印的嵌入。

A2.其次嵌入脆弱水印，通过将满足要求的特征进行编码扩频后使之能够与主要内容之间直接地形成一种原函数与反函数这样双向一一对应的映射关系，实现了将用于篡改检测和恢复的信息集为一体的双重功能：

将大小为Ｍ×Ｍ的原始图像划分为互不重叠的大小为ｍ×ｍ的子块；

再对每一块进行离散余弦变换,得块系数矩阵C_i,j，i，j表示该块在分块矩阵中坐标位置，对每一块C_i,j用JPEG标准量化表Q进行量化得到量化后系数矩阵QC_i,j，QC_i,j包含量化后的离散余弦变换直流和低频系数，反映了图像的主要内容；

当前块为I_i,j，其后继块为I_i′,j′，图像中的每一个块都有各自唯一的前驱和后继块，形成一个循环链表，块位置映射是按斜对角映射的，使得在遭遇连续篡改和成块裁剪时，保存在后继块中的水印信息尽可能完好，便于对这些篡改块的恢复；

选取当前块和后继块，计算其关系R=QC_i,j-QC_i′,j′，然后将该关系嵌入到未量化块系数矩阵C_i,j的中频域中，实现嵌入内容可恢复水印：

通过上述步骤实现多功能水印嵌入到原图像数据中。

进一步的，嵌入的多功能水印是脆弱水印时，证明数据完整性的方法为：

I_i,j′为当前待检测图像块，其后继块为I_i′,j′′，C_i,j′为块I_i,j′的未量化离散余弦变换的系数矩阵，QC_i,j′和QC_i′,j′′为对应块的内容向量，两块之间的关系误差为

$\mathrm{\δ}(I_{i,j}^{\text{'}},I_{i\text{'},j\text{'}}^{\text{'}})=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}|R_{(i\text{'},j\text{'})}^{\text{'}}-R_{(i\text{'},j\text{'})}^{\text{'}}|;$

若当前块I_i,j′遭到篡改或者恶意操作，则赋JM(i,j)=0，JM是判定矩阵，如果没有遭到篡改或者恶意操作，则赋JM(i,j)=1，并由此获得图像数据内容的完整性认证功能。

进一步的，当图像数据的内容受到篡改时，通过内容可恢复水印对相关信息进行修复的方法为：

当上一步中图像数据的内容受到篡改，通过存储在后继块中的关系向量来恢复原数据：I_i,j′为遭篡改块或不确定块，其后继块为I_i′,j′′，计算R′+QC_i′,j′′=QC_i,j′。

进一步的，嵌入的多功能水印是鲁棒水印时的检测方法为：

将图像或受攻击图像划分为互不重叠的大小为ｍ×ｍ的子块，每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i′；

计算所有子块最大奇异值的均值，记为S_av′，即

$S_{\mathrm{av}}^{\text{'}}=\frac{S_1^{\text{'}}+S_2^{\text{'}}+...+S_{{(M/m)}^2}^{\text{'}}}{{(M/m)}^2};$

受攻击后的水印序列W′通过对比S_i′和S_av′间的数值大小来产生，如果S_i′>S_av′,则

W_i′=1，否则W_i′=0；

计算原始零水印序列W和受攻击后提取的零水印序列W′间的相似度，定义相似度为根据预先设定的阈值判决版权归属：如果ｓ≥th，th是阈值，那么判决图像数据持有者具有合法版权；反之，判决不具有合法版权。该阈值th根据图像的通用要求进行设置，本领域技术人员均应知晓，比如可以参考：《计算机研究与发展》2001年05期中刊登的《基于图像差距度量的阈值选取方法》一文。

虽然本发明通过具体实施例进行说明，本领域技术人员应当明白，在不脱离分发明范围的情况下，还可以对本发明进行各种变换及等同替代。另外，针对特定情形，可以对本发明做各种修改，而不脱离本发明的范围。因此，本发明不局限于所公开的具体实施例，而应当包括落入本发明权利要求范围内的全部实施方式。

Claims (1)

1.基于多功能数字水印的云存储图像数据持有性证明方法，其特征在于：包括以下步骤：

A.数据拥有者将多功能数字水印嵌入图像数据中，所述的多功能数字水印包括脆弱/半脆弱水印、内容可恢复水印、鲁棒水印中的两种或两种以上的水印；

B.数据拥有者将嵌入水印的图像数据传送给云服务器进行存储；

C.数据验证者通过检测嵌入图像数据中的水印，对云服务器存储的图像数据进行验证；

D.如果检测发现脆弱/半脆弱水印完好，则说明数据完整性得到保护；如果检测发现数据内容受到破坏，通过内容可恢复水印对相关信息进行修复；如果需要对数据拥有者提供版权和用户追踪功能，则通过检测鲁棒水印进行验证；

步骤A所述数据拥有者将多功能数字水印嵌入图像数据中包括以下步骤：

A1.首先嵌入鲁棒水印，具体如下：

101、将大小为M×M的原始图像划分为互不重叠的大小为m×m的子块；M、m均为自然数；

102、对每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i，i为子块的序号，i＝1,2,K,(M/m)²；

103、计算所有子块最大奇异值的均值，记为S_av，即

$S_{av}=\frac{S_1+S_2+K+S_{{(M/m)}^2}}{{(M/m)}^2};$

104、通过对比S_i和S_av间的数值大小来产生原始水印序列W，如果S_i>S_av，则W_i＝1，否则W_i＝0，W_i是W的第i比特水印；将原始水印序列W嵌入所有子块中，完成鲁棒水印的嵌入；

A2.其次嵌入脆弱/半脆弱水印，同时实现嵌入内容可恢复水印，实现将用于篡改检测和恢复信息集为一体的双重功能；具体如下：

201、将嵌入鲁棒水印后大小为M×M的图像划分为互不重叠的大小为m×m的子块；

202、对每个子块进行离散余弦变换，得到块系数矩阵C_i,j，i，j分别表示该子块在分块矩阵中坐标位置，对每一块系数矩阵C_i,j用JPEG标准量化表Q进行量化得到量化后系数矩阵QC_i,j，QC_i,j包含量化后的离散余弦变换直流和低频系数，反映了图像的主要内容；将该量化后系数矩阵QC_i,j嵌入到未量化块系数矩阵C_i,j的中频域中，完成脆弱/半脆弱水印的嵌入；

203、设当前块为I_i,j，其后继块为I_i′,j′，图像中的每一个块都有各自唯一的前驱和后继块，形成一个循环链表，块位置映射是按斜对角映射的，使得在遭遇连续篡改和成块裁剪时，保存在后继块中的水印信息完好，使得能对篡改块进行恢复；选取当前块和后继块，计算其关系向量R＝QC_i,j-QC_i′,j′，然后将该关系向量嵌入到未量化块系数矩阵C_i,j的中频域中，完成嵌入内容可恢复水印；

通过上述A1和A2步骤完成多功能水印嵌入到原图像数据中；

对于脆弱/半脆弱水印，证明数据完整性的方法为：

设I_i,j′为当前待检测图像块，其后继块为I_i′,j′′，C_i,j′为块I_i,j′的未量化离散余弦变换的系数矩阵，QC_i,j′和QC_i′,j′′分别为对应当前待检测图像块、后继块的内容向量，两块之间的关系误差为：

$\mathrm{\δ}({I_{i,j}}^{\′},{I_{i^{\′},j^{\′}}}^{\′})=\underset{k=1}{\overset{m}{\Σ}}\left|R_{(i,j)}^{\′}-R_{(i^{\′},j^{\′})}^{\′}\right|;$

R′_(i,j)、R′_(i′,j′)分别为当前待检测图像块、后继块的关系向量；

若当前块I_i,j′遭到篡改或者恶意操作，则赋JM(i,j)＝0，JM是判定矩阵，如果没有遭到篡改或者恶意操作，则赋JM(i,j)＝1，并由此获得图像数据内容的完整性认证功能；

当图像数据的内容受到篡改时，通过内容可恢复水印对相关信息进行修复的方法为：通过存储在后继块中的关系向量R′来恢复原数据：ψ_i,j′为遭篡改块或不确定块，其后继块为ψ_i′,j′′，计算R′+QC_i′,j′′＝QC_i,j′；

对于嵌入的鲁棒水印的检测方法为：

将图像或受攻击图像划分为互不重叠的大小为m×m的子块，对每个子块进行奇异值分解运算，取出各子块的最大奇异值，记为S_i′；

计算所有子块最大奇异值的均值，记为S_av′，即

${S_{av}}^{\′}=\frac{{S_1}^{\′}+{S_2}^{\′}+K+{S_{{(M/m)}^2}}^{\′}}{{(M/m)}^2};$

通过对比S_i′和S_av′间的数值大小来产生受攻击后的水印序列W′，如果S_i′>S_av′,则

W_i′＝1，否则W_i′＝0；

W_i′是W′的第i比特水印，计算原始水印序列W和受攻击后提取的水印序列W′间的相似度，定义相似度为根据预先设定的阈值th判决版权归属：如果s≥th，那么判决图像数据持有者具有合法版权；反之，判决不具有合法版权。