CN113313621B - 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 - Google Patents
基于混合混沌***和闭环扩散的图像加密水印嵌入方法 Download PDFInfo
- Publication number
- CN113313621B CN113313621B CN202110406825.3A CN202110406825A CN113313621B CN 113313621 B CN113313621 B CN 113313621B CN 202110406825 A CN202110406825 A CN 202110406825A CN 113313621 B CN113313621 B CN 113313621B
- Authority
- CN
- China
- Prior art keywords
- matrix
- image
- watermark
- sequence
- diffusion
- 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
Images
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
- G06T1/0092—Payload characteristic determination in a watermarking scheme, e.g. number of bits to be embedded
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Nonlinear Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置,通过所述的水印嵌入方法,基于混沌序列和闭环扩散,使得所嵌入的水印无法被肉眼感知,嵌入过程中分别使用高位图像和低位图像构建密钥和生成置乱图像,利用图像本身形成的密钥,对置乱图像进行闭环扩散,对于任意内容的数字图像均可使用,几乎不会对图像质量和提取出的水印质量造成任何影响;水印的嵌入存在于原始图像的低三位信息中,水印信息密度低,形成隐形水印;对密钥和嵌入水印后的图像数据都极为敏感,轻微修改会导致提取出的水印丧失可辨识性,使得该方法具有敏感性;采用新型的保守混沌***,可抵御包括重构攻击在内的多种破解方法。
Description
技术领域
本发明属于数字水印技术领域,特别涉及一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置。
背景技术
近年来,随着计算机科学与网络技术的迅猛发展,越来越多高速流通的数据信息尤其是数字图像牵扯到知识产权和数据保护问题。国家和民众对知识产权(尤其是数字作品内容) 的保护日益重视的同时也对其相关技术(比如版权保护和数据篡改检测)提出了越来越高的要求。作为一种版权标注和数据保护的重要手段,国内外学者对数字图像水印的嵌入与提取进行了大量深入研究。
数字图像水印可按鲁棒性分为两种,其一是鲁棒水印,要求在经历多种无意或有意的信号处理过程后,数字水印仍能保持部分完整性并能被准确鉴别;可能的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等;该类型数字图像水印通常被用于版权标示;其二是脆弱水印,该类型水印对外部修改具有极高的敏感性,在标注作品经过分发、传输、使用过程后,通过数字水印能够准确的判断数据是否遭受篡改,因此通常用于数据完整性检测和防篡改;也被称为指纹。一般而言,数字图像水印需要具备安全性和隐蔽性,根据用途的不同,数字图像水印也具有鲁棒性或敏感性。安全性是指数字图像水印的信息应是安全的,难以篡改或伪造;这是由水印本身来保证的。隐蔽性是指人类感官无法知觉目标数字图像中隐藏的数字图像水印;同时数字图像水印不影响被保护数据的正常使用,不会引起目标数字图像降质。鲁棒性是指在经历多种无意或有意的图像处理(例如噪声攻击)过程后,目标数字图像中的数字图像水印仍能保持部分完整性并能被准确提取和鉴别。而敏感性则指在经过任何图像处理过程后,目标数字图像中的数字图像水印无法保持可辨识性。隐蔽性和鲁棒性/敏感性是由水印嵌入和提取算法来保证的。
为满足以上需求,近年来国内外学者提出了许多水印嵌入和提取算法。例如2015年复旦大学Chong Yu提出了基于人工神经网络和Arnold Scrambling的SSDW算法。该算法的优点是盲提取(Blind Extraction),提取水印时不需要水印原图;缺点是:基于该算法嵌入水印后的图像有明显的细微噪点,而且目前仅做过抗噪声攻击测试。V.Ashok Kumar等人在2017年基于离散小波变换和LSB提出了WLSBWM算法,也具有盲提取的优点,而且能够抗拒除图像旋转之外的多种攻击。其缺点是嵌入水印后的图像有明显的蠕虫样噪声,而且算法环节较多较复杂。Raheleh KHORSAND MOVAGHAR等人在2017年基于人工神经网络、离散小波变换和奇异值分解(SVD)提出了一种水印嵌入和提取算法,对目标数字图像的质量影响较小,但水印提取需要原水印图片,限制了其适用范围。此外,该算法抗裁剪和噪声攻击的效果较差,而且未做旋转攻击测试。Baharak Ahmaderaghi等人基于离散剪切变换和统计决策理论提出了一种水印嵌入和提取算法,与上述算法类似,水印提取需要原水印图片,而且未做抗放缩攻击测试。2021年,基于对需求和用途的不同考虑,已公开的专利《一种数字图像水印嵌入方法、提取方法、装置、存储介质》中所述算法适用于鲁棒水印,用于版权标识,而不能用于数据篡改检测。
发明内容
本发明提供了一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置,其目的是实现水印嵌入的敏感性,使其能够抵御包括重构攻击在内的多种破解方法,并使得能够适应任意内容的数字图像。
本发明提供的技术方案如下:
一方面,一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法,包括:
图像分割,将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥生成,采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
原位矩阵记录了被抽取分量的像素在低三位图像中的位置;
置乱图像水印嵌入,使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
所述基于通道数据的水印嵌入方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
图像扩散,使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原,根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像,将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
在图像的具体处理过程中,均以图像对应的矩阵进行运算;
通过上述方案嵌入的水印无法被肉眼感知,嵌入过程中分别使用高位图像和低位图像构建密钥和生成置乱图像,利用图像本身形成的密钥,对置乱图像进行闭环扩散,对于任意内容的数字图像均可使用,几乎不会对图像质量和提取出的水印质量造成任何影响;水印的嵌入存在于原始图像的低三位信息中,水印信息密度很低,形成了隐形水印;对密钥和嵌入水印后的图像数据都极为敏感,轻微修改会导致提取出的水印丧失可辨识性,使得该方法具有敏感性;采用新型的保守混沌***,可抵御包括重构攻击在内的多种破解方法(很多采用耗散混沌***的加密算法不能抵御重构攻击);
进一步地,所述融合混沌序列的生成步骤如下:
步骤A1:利用合成密钥生成8个双精度浮点数作为混沌序列的初始值;
步骤A2:利用混沌序列迭代公式,从初始值开始进行迭代计算,获得5D-HCCS混沌序列和3D-LASM混沌序列;
所述混沌序列迭代公式包括5D-HCCS和3D-LASM迭代公式,其中3D-LASM迭代公式是2D-LASM迭代公式进行三维扩展获得;
3D-LASM迭代公式从2D-LASM扩展而来,迭代公式如下:
x(t+1)=sin(μ(z(t)+3)x(t)(1-x(t)))
y(t+1)=sin(μ(x(t+1)+3)y(t)(1-y(t)))
z(t+1)=sin(μ(y(t+1)+3)z(t)(1-z(t)))
其中,t表示迭代次数,μ取值为0.9,该混沌迭代公式对初始值极其敏感,x(0),y(0), z(0)表示3D-LASM迭代公式的初始值;
5D-HCCS迭代公式为2019年提出,其数学表示为:
x’=ay+cv
y’=-ax+bxu
z’=du
u’=-bxy–dz
v’=-cx
其中,a=30,b=30,c=10,d=30;当初始值为两个负数和三个正数时,***产生超混沌 (hyper-chaotic)行为,且没有混沌吸引子,参见《A novel image encryptionscheme based on conservative hyperchaotic system and closed-loop diffusionbetween blocks》;
步骤A3:按混沌序列中元素及其分量排列顺序,依次以3D-LASM混沌序列的元素分量取随机索引值ind(c):按随机索引值ind(c)取出5D-HCCS混沌序列的元素分量,依次添加至一个具有N个元素,每个元素包含M个分量的伪随机数序列,得到融合混沌序列;
其中,c表示所选的元素分量,m为模数,,n为常数,取值为10。
按顺序取3D-LASM混沌序列的元素的三个分量,每取一个,就计算一个随即索引,并利用该索引从5D-HCCS序列取一个元素的分量(按顺序取,一次取一个),并把这个分量顺序放入融合混沌序列的一个元素的一个分量里(顺序放入,一次放一个);
进一步地,当融合混沌序列为置乱序列时,N=256*256+512;M=12;用于生成融合混沌序列初始值的密钥为H1-H16和K17-K32;
当融合混沌序列为扩散序列时,N=256*256+4*4,M=6;用于生成融合混沌序列初始值的密钥为H17-H32和K1-K16;
其中,H1-H16和H17-H32分别是采用哈希算法得到待嵌入水印的图像高五位图像的哈希值的前16个8位整数和后16个8位整数,K1-K16和K17-K32分别是256位指定密钥的前16个8位整数和后16个8位整数。
进一步地,所述利用合成密钥生成8个双精度浮点数的生成公式如下:
bj∈{-224.0,-244.0,-236.0,-216.0,-222.0,1.0,1.4,0.7}
cj∈{0,1.5,0,-1.5,0,0,0.0037,0.0012}
当融合混沌序列为置乱序列时,ai,j∈{H1-H16,K17-K32};
当融合混沌序列为扩散序列时,ai,j∈{H17-H32,K1-K16}。
进一步地,所述图像置乱的具体过程如下:
步骤B1:设置256*256的初始置乱图像,将初始置乱图像的红色通道的所有元素值设置为128;
步骤B2:对初始置乱图像中各像素的绿色通道的元素值和蓝色通道的元素值分别按以下公式进行更新:
B=b1*26+b2*23+b3
G=b4*26+b5*23+b6
按顺序选取置乱序列中的一个元素c,取c的前6个分量c1-c6的和的随机索引值s1,取待嵌入水印的图像第(s1+1)个通道中位置为(p1,p2)的元素的低2位值b1,取待嵌入水印的图像第((s1+1)mod3+1)个通道中位置为(p3,p4)的元素的低3位值b2;取待嵌入水印的图像第((s1+2)mod3+1)个通道中位置为(p5,p6)的元素的低3位值b3;并将(p1,p2)、(p3,p4)以及(p5,p6)记录到原位矩阵;
按顺序选取置乱序列中的一个元素c,取c的后6个分量c7-c12的和值的随机索引值s2,取待嵌入水印的图像第(s2+1)个通道中位置为(q1,q2)的元素的低2位值b4,取待嵌入水印的图像第((s2+1)mod3+1)个通道中位置为(q3,q4)的元素的低3位值b5;取待嵌入水印的图像第((s2+2)mod3+1)个通道中位置为(q5,q6)的元素的低3位值b6;并将(q1,q2)、(q3,q4) 以及(q5,q6)记录到原位矩阵;
p1,p2分别是c1,c2对应的随机索引值,p3,p4分别是c3,c4对应的随机索引值,p5,p6分别是c5,c6对应的随机索引值;q1,q2分别是c7,c8对应的随机索引值,q3,q4分别是c9,c10对应的随机索引值,q5,q6分别是c11,c12对应的随机索引值;
计算随机索引值时,所使用的模数m取值为3,采用与步骤A3相同的随机索引函数;
步骤B3:遍历所有像素,得到由所有像素绿色通道元素值组成的矩阵T1和由所有像素蓝色通道元素值所组成的矩阵T2;
步骤B4:使用Box-Muller方法分别改变矩阵T1和矩阵T2所有元素的概率分布,使T1 和T2所有元素值符合正态分布;
所述正态分布的期望值设定为128,标准差设定为4;
步骤B5:组合修改后的矩阵T1和矩阵T2和初始置乱图像红色通道矩阵,生成置乱图像。
进一步地,所述图像扩散的过程如下:
步骤C1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤C2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤C3:取嵌入水印的置乱图像的第i个通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤C4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4加密矩阵;
步骤C5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取位置,从扩散矩阵P中取出对应位置的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤C6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取位置,从扩散矩阵Q中取出对应位置的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤C7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4加密矩阵;
步骤C8:重复步骤C5-步骤C8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有加密矩阵形成集合C,其中包括最后一个子矩阵对应的加密矩阵,称末4*4加密矩阵;
步骤C9:将首4*4加密矩阵、末4*4加密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4加密矩阵;
步骤C10:将集合C中的所有加密矩阵和二阶首4*4加密矩阵按原对应索引顺序拼接为扩散后的第i个通道矩阵;
步骤C11:重复步骤C3-步骤C10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到扩散后的置乱图像。
另一方面,一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入装置,包括:
图像分割模块,用于将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥第一生成模块,用于采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
序列第一生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱模块,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
置乱图像水印嵌入模块,通过使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
所述基于通道数据的水印嵌入方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
图像扩散模块,通过使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原模块,用于根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像模块,用于将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
再一方面,一种基于混合混沌***和闭环扩散的数字图像加密水印提取方法,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用上述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取方法包括:
图像分割,将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥生成:通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;闭环反扩散:使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取,使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
所述基于通道数据的水印提取方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
进一步地,所述图像反扩散的过程如下:
步骤D1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤D2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤D3:取嵌入水印的置乱图像的第i个256*256通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤D4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4解密矩阵;
步骤D5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取方式,从扩散矩阵P中取出对应的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤D6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取方式,从扩散矩阵Q中取出对应的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤D7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4解密矩阵;
步骤D8:重复步骤D6-步骤D8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有解密矩阵形成集合C,其中包括最后一个子矩阵对应的解密矩阵,称末4*4解密矩阵;
步骤D9:将首4*4解密矩阵、末4*4解密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4解密矩阵;
步骤D10:将集合C中的所有解密矩阵和二阶首4*4解密矩阵按原对应索引顺序拼接为反扩散后的第i个通道矩阵;
步骤D11:重复步骤D3-步骤D10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到反扩散后的置乱图像。
另一方面,一种基于混合混沌***和闭环扩散的数字图像加密水印提取装置,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用上述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取装置包括:
目标图像分割模块,用于将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥第二生成模块,通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
序列第二生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
目标图像置乱模块,通过使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
闭环反扩散模块:通过使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取模块,通过使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
所述基于通道数据的水印提取方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定。
有益效果
本发明公开了一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置,通过所述的水印嵌入方法,基于混沌序列和闭环扩散,使得所嵌入的水印无法被肉眼感知,也难以通过一般技术手段感知和获取,嵌入过程中分别使用高位图像和低位图像构建密钥和生成置乱图像,利用图像本身形成的密钥,对置乱图像进行闭环扩散,对于任意内容的数字图像均可使用,几乎不会对图像质量和提取出的水印质量造成任何影响;水印的嵌入存在于原始图像的低三位信息中,水印信息密度很低,形成了隐形水印;对密钥和嵌入水印后的图像数据都极为敏感,轻微修改会导致提取出的水印丧失可辨识性,使得该方法具有敏感性;采用新型的保守混沌***,可抵御包括重构攻击在内的多种破解方法,而很多采用耗散混沌***的加密算法难以抵御此类型的攻击。
附图说明
图1是本发明实施例提供的水印嵌入方法流程图;
图2是本发明实施例提供的闭环扩散流程图;
图3是本发明实施例提供的水印提取方法流程图;
图4是本发明实施例提供的闭环反扩散流程图;
图5是对不同的数字图像采用随机256位密钥按本发明实例所述方法嵌入随机水印,而后对每个目标图像使用正确的密钥和随机修改一位的密钥按照本发明实例所述方法分别提取水印的示意图,其中,(a)为随机密钥1和将随机密钥1进行1位修改提取的水印对比示意图,(b)为随机密钥2和将随机密钥2进行1位修改提取的水印对比示意图,(c)为随机密钥3和将随机密钥3进行1位修改提取的水印对比示意图,(d)为随机密钥4和将随机密钥4进行1位修改提取的水印对比示意图,(e)为随机密钥5和将随机密钥5进行1位修改提取的水印对比示意图,(f)为随机密钥6和将随机密钥6进行1位修改提取的水印对比示意图,(g)为随机密钥7和将随机密钥7进行1位修改提取的水印对比示意图,(h)为随机密钥8和将随机密钥8进行1位修改提取的水印对比示意图,(i)为随机密钥9和将随机密钥9 进行1位修改提取的水印对比示意图,(j)为随机密钥10和将随机密钥10进行1位修改提取的水印对比示意图,(k)为随机密钥11和将随机密钥11进行1位修改提取的水印对比示意图,(l)为随机密钥12和将随机密钥12进行1位修改提取的水印对比示意图,(m)为随机密钥13和将随机密钥13进行1位修改提取的水印对比示意图,(n)为随机密钥14和将随机密钥14进行1位修改提取的水印对比示意图;
图6是采用本发明实例所述方法提取得到的目标图像修改前和修改后的水印示意图,其中,(a)为对目标图像提取的水印示意图,(b)为对目标图像随机修改一个像素随机一个通道的高五位的最低一位后提取的水印示意图,(c)为对目标图像随机修改所有(25%-40%) 像素(所有通道)最低两位后提取的水印示意图,(d)为对目标图像随机修改所有(25%-40%) 像素(所有通道)最低三位后提取的水印示意图,(e)为对目标图像加入0.1%的椒盐噪声后提取的水印示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或顺序。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
如图1所示,一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法,包括:
图像分割,将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥生成,采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
原位矩阵记录了被抽取分量的像素在低三位图像中的位置;
置乱图像水印嵌入,使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
所述基于通道数据的水印嵌入方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
图像扩散,使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原,根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像,将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
在图像的具体处理过程中,均以图像对应的矩阵进行运算;
通过上述方案嵌入的水印无法被肉眼感知,嵌入过程中分别使用高位图像和低位图像构建密钥和生成置乱图像,利用图像本身形成的密钥,对置乱图像进行闭环扩散,对于任意内容的数字图像均可使用,几乎不会对图像质量和提取出的水印质量造成任何影响;水印的嵌入存在于原始图像的低三位信息中,水印信息密度很低,形成了隐形水印;对密钥和嵌入水印后的图像数据都极为敏感,轻微修改会导致提取出的水印丧失可辨识性,使得该方法具有敏感性;采用新型的保守混沌***,可抵御包括重构攻击在内的多种破解方法(很多采用耗散混沌***的加密算法不能抵御重构攻击);
所述融合混沌序列的生成步骤如下:
步骤A1:利用合成密钥生成8个双精度浮点数作为混沌序列的初始值;
步骤A2:利用混沌序列迭代公式,从初始值开始进行迭代计算,获得5D-HCCS混沌序列和3D-LASM混沌序列;
所述混沌序列迭代公式包括5D-HCCS和3D-LASM迭代公式,其中3D-LASM迭代公式是2D-LASM迭代公式进行三维扩展获得;
3D-LASM迭代公式从2D-LASM扩展而来,迭代公式如下:
x(t+1)=sin(μ(z(t)+3)x(t)(1-x(t)))
y(t+1)=sin(μ(x(t+1)+3)y(t)(1-y(t)))
z(t+1)=sin(μ(y(t+1)+3)z(t)(1-z(t)))
其中,t表示迭代次数,μ取值为0.9,该混沌迭代公式对初始值极其敏感,x(0),y(0), z(0)表示3D-LASM迭代公式的初始值;
5D-HCCS混沌迭代公式为2019年提出,其数学表示为:
x’=ay+cv
y’=-ax+bxu
z’=du
u’=-bxy–dz
v’=-cx
其中,a=30,b=30,c=10,d=30;当初始值为两个负数和三个正数时,***产生超混沌 (hyper-chaotic)行为,且没有混沌吸引子,参见《Anovel image encryptionscheme based on conservative hyperchaotic system and closed-loop diffusionbetween blocks》;
步骤A3:按混沌序列中元素及其分量排列顺序,依次以3D-LASM混沌序列的元素分量取随机索引值ind(c):按随机索引值ind(c)取出5D-HCCS混沌序列的元素分量,依次添加至一个具有N个元素,每个元素包含M个分量的伪随机数序列,即融合混沌序列中;
其中,c表示所选的元素分量,m为模数,n为常数,取值为10。
按顺序取3D-LASM混沌序列的元素的三个分量,每取一个,就计算一个随即索引,并利用该索引从5D-HCCS序列取一个元素的分量(按顺序取,一次取一个),并把这个分量顺序放入融合混沌序列的一个元素的一个分量里(顺序放入,一次放一个);
当融合混沌序列为置乱序列时,N=256*256+512;M=12;用于生成融合混沌序列初始值的密钥为H1-H16和K17-K32;
当融合混沌序列为扩散序列时,N=256*256+4*4,M=6;用于生成融合混沌序列初始值的密钥为H17-H32和K1-K16;
其中,H1-H16和H17-H32分别是采用哈希算法得到待嵌入水印的图像高五位图像的哈希值的前16个8位整数和后16个8位整数,K1-K16和K17-K32分别是256位指定密钥的前16个8位整数和后16个8位整数。
所述利用合成密钥生成8个双精度浮点数的生成公式如下:
bj∈{-224.0,-244.0,-236.0,-216.0,-222.0,1.0,1.4,0.7}
cj∈{0,1.5,0,-1.5,0,0,0.0037,0.0012}
当融合混沌序列为置乱序列时,ai,j∈{H1-H16,K17-K32};
当融合混沌序列为扩散序列时,ai,j∈{H17-H32,K1-K16}。
所述图像置乱的具体过程如下:
步骤B1:设置256*256的初始置乱图像,将初始置乱图像的红色通道的所有元素值设置为128;
步骤B2:对初始置乱图像中各像素的绿色通道的元素值和蓝色通道的元素值分别按以下公式进行更新:
B=b1*26+b2*23+b3
G=b4*26+b5*23+b6
按顺序选取置乱序列中的一个元素c,取c的前6个分量c1-c6的和的随机索引值s1,取待嵌入水印的图像第(s1+1)个通道中位置为(p1,p2)的元素的低2位值b1,取待嵌入水印的图像第((s1+1)mod3+1)个通道中位置为(p3,p4)的元素的低3位值b2;取待嵌入水印的图像第((s1+2)mod3+1)个通道中位置为(p5,p6)的元素的低3位值b3;并将(p1,p2)、(p3,p4)以及(p5,p6)记录到原位矩阵;
按顺序选取置乱序列中的一个元素c,取c的后6个分量c7-c12的和值的随机索引值s2,取待嵌入水印的图像第(s2+1)个通道中位置为(q1,q2)的元素的低2位值b4,取待嵌入水印的图像第((s2+1)mod3+1)个通道中位置为(q3,q4)的元素的低3位值b5;取待嵌入水印的图像第((s2+2)mod3+1)个通道中位置为(q5,q6)的元素的低3位值b6;并将(q1,q2)、(q3,q4) 以及(q5,q6)记录到原位矩阵;
p1,p2分别是c1,c2对应的随机索引值,p3,p4分别是c3,c4对应的随机索引值,p5,p6分别是c5,c6对应的随机索引值;q1,q2分别是c7,c8对应的随机索引值,q3,q4分别是c9,c10对应的随机索引值,q5,q6分别是c11,c12对应的随机索引值;
计算随机索引值时,所使用的模数m取值为3,采用与步骤A3相同的随机索引函数;
步骤B3:遍历所有像素,得到由所有像素绿色通道元素值组成的矩阵T1和由所有像素蓝色通道元素值所组成的矩阵T2;
步骤B4:使用Box-Muller方法分别改变矩阵T1和矩阵T2所有元素的概率分布,使T1 和T2所有元素值符合正态分布;
所述正态分布的期望值设定为128,标准差设定为4;
步骤B5:组合修改后的矩阵T1和矩阵T2和初始置乱图像红色通道矩阵,生成置乱图像。
如图2所示,所述图像扩散的过程如下:
步骤C1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤C2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤C3:取嵌入水印的置乱图像的第i个通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤C4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4加密矩阵;
步骤C5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取位置,从扩散矩阵P中取出对应位置的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤C6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取位置,从扩散矩阵Q中取出对应位置的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤C7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4加密矩阵;
步骤C8:重复步骤C5-步骤C8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有加密矩阵形成集合C,其中包括最后一个子矩阵对应的加密矩阵,称末4*4加密矩阵;
步骤C9:将首4*4加密矩阵、末4*4加密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4加密矩阵;
步骤C10:将集合C中的所有加密矩阵和二阶首4*4加密矩阵按原对应索引顺序拼接为扩散后的第i个通道矩阵;
步骤C11:重复步骤C3-步骤C10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到扩散后的置乱图像。
本发明实施例还提供了一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入装置,包括:
图像分割模块,用于将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥第一生成模块,用于采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
序列第一生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱模块,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
置乱图像水印嵌入模块,通过使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
所述基于通道数据的水印嵌入方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
图像扩散模块,通过使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原模块,用于根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像模块,用于将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
如图3所示,一种基于混合混沌***和闭环扩散的数字图像加密水印提取方法,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用上述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取方法包括:
图像分割,将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥生成:通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;闭环反扩散:使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取,使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
所述基于通道数据的水印提取方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定;
如图4所示,所述图像反扩散的过程如下:
步骤D1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤D2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤D3:取嵌入水印的置乱图像的第i个256*256通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤D4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4解密矩阵;
步骤D5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取方式,从扩散矩阵P中取出对应的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤D6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取方式,从扩散矩阵Q中取出对应的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤D7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4解密矩阵;
步骤D8:重复步骤D6-步骤D8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有解密矩阵形成集合C,其中包括最后一个子矩阵对应的解密矩阵,称末4*4解密矩阵;
步骤D9:将首4*4解密矩阵、末4*4解密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4解密矩阵;
步骤D10:将集合C中的所有解密矩阵和二阶首4*4解密矩阵按原对应索引顺序拼接为反扩散后的第i个通道矩阵;
步骤D11:重复步骤D3-步骤D10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到反扩散后的置乱图像。
本发明实施例还提供了一种基于混合混沌***和闭环扩散的数字图像加密水印提取装置,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用上述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取装置包括:
目标图像分割模块,用于将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥第二生成模块,通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
序列第二生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
目标图像置乱模块,通过使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
闭环反扩散模块:通过使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取模块,通过使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
所述基于通道数据的水印提取方式采用已公开的一种数字图像水印嵌入方法、提取方法、装置、存储介质中所述的方法确定。
本发明所述方法性能测定:
如图5所示,对不同的数字图像采用随机256位密钥嵌入随机水印,而后对每个目标图像使用正确的密钥和随机修改一位的密钥分别提取水印,并比较结果的像素变化率(NPCR) (易证:黑白图像平均变化强度(UACI)的计算值与像素变化率相等,因此不予计算)和归一化相关系数(NCC,Normalized Correlation Coefficient),如表1所示。
表1
统计分析和尖峰信噪比
使用尖峰信噪比(PSNR)、像素变化率(NPCR)、平均变化强度(UACI)和归一化相关系数(NCC)来衡量使用本发明实例所述方法嵌入水印前后图像(随机图像共14张)的相似程度,具体参见表2。
表2
PSNR | NPCR | UACI | NCC |
46.2549760769052 | 0.375169805724455 | 0.00166081697892465 | 0.996448936630176 |
46.7909399075125 | 0.339024841437632 | 0.00147511538089513 | 0.997328398414791 |
47.8293701125205 | 0.269194206446348 | 0.00114753348639878 | 0.999589621145703 |
47.1223101305230 | 0.291514510859120 | 0.00131098732105780 | 1.000000000000000 |
42.1902594016716 | 0.595532081377152 | 0.00356581123146529 | 0.999968262476373 |
46.9554648357438 | 0.327810923258464 | 0.00141849060723465 | 0.998086363064243 |
46.2046073318285 | 0.342553009575923 | 0.00158406866936241 | 0.999650844405241 |
46.4783441957147 | 0.363970504009164 | 0.00159162118455630 | 0.999593709517195 |
50.5080979959813 | 0.132867476851852 | 0.000577021176268861 | 0.999898552463648 |
46.6055109765268 | 0.351727552816901 | 0.00153755688748504 | 0.997607603113948 |
46.7244634281032 | 0.338530149096187 | 0.00148303318336615 | 0.998682708666844 |
42.9051649484471 | 0.656303833623421 | 0.00345873862752779 | 0.998518765390953 |
47.5700763175056 | 0.288635812672176 | 0.00123099515655665 | 0.996125386743179 |
43.2376445443606 | 0.624047222222222 | 0.00321769789397240 | 0.986824038867765 |
嵌入水印前后PSNR的平均值为46.2412307288103,说明相似程度很高;其余值的平均数一次为0.378348709283644、0.00180424912750514、0.997737370778576;这说明相异的像素数量可能很多(可能超过60%),但是像素值的差异通常很小。
线性相关性分析
对于随机图像(共14张),使用本发明实例所述方法嵌入水印后的图像应当与原图像在线性相关性(皮尔逊相关系数)上是相似的;但是两者的像素值差分布的线性相关性应当较低。实验统计结果如下表所示。
表3
原图像和目标图像的线性相关性差异较小,而像素值差分布的线性相关性较低。这说明通过比较两者,得出嵌入水印的规律的概率较低。
篡改攻击
本发明实例所述方法最主要用于检测嵌入水印的图像的篡改。对原图像嵌入水印得到目标图像,而后对目标图像进行不同程度的修改,对比修改前提取出的水印与修改后提取出的水印,观察修改对目标图像提取水印质量的影响。由于本发明实例所述方法并未修改原图像像素值的高五位,并且使用其SHA256哈希值作为密钥的一部分,因此理论上对目标图像高五位矩阵的任意修改(称语义修改)都会导致无法提取出可肉眼识别的水印。以下实验结果均以肉眼可辨识度为衡量标准。下表4为对数种修改的初步实验结果。
表4
可见对高五位的修改对水印提取来说是致命的。绝大部分对图像内容的修改都会修改至少一个像素的高五位,所以算法对此类篡改有绝对的抗性。
运行效率
为了验证本发明实例所述方法的运行效率,在基本环境:CPU:Intel i7-10700K,3.8GHz;内存:32GB;Win10 64位操作***;64位算法程序;
运行本发明实例所述的水印嵌入算法(自动生成密钥);
Debug模式:连续在14张随机图像上嵌入水印50次(均为批处理),每次平均耗费时间 7660.16000000000毫秒,每个图像平均耗费547.154285714286毫秒。表为历次耗费时间。
表5
7741 | 7635 | 7638 | 7633 | 7662 |
7675 | 7660 | 7652 | 7686 | 7668 |
7688 | 7658 | 7659 | 7669 | 7670 |
7649 | 7637 | 7654 | 7661 | 7680 |
7683 | 7653 | 7654 | 7658 | 7659 |
7693 | 7656 | 7642 | 7661 | 7667 |
7665 | 7632 | 7636 | 7649 | 7653 |
7671 | 7645 | 7634 | 7673 | 7645 |
7656 | 7635 | 7661 | 7666 | 7697 |
7655 | 7648 | 7664 | 7648 | 7674 |
Release模式:连续在14张随机图像上嵌入水印50次(均为批处理),每次平均耗费时间 1860.10000000000毫秒,每个图像平均耗费132.864285714286毫秒。表6为历次耗费时间。
表6
1984 | 1860 | 1865 | 1847 | 1845 |
1878 | 1860 | 1857 | 1847 | 2095 |
1878 | 1861 | 1866 | 1846 | 1838 |
1858 | 1859 | 1848 | 1835 | 1850 |
1862 | 1856 | 1841 | 1840 | 1848 |
1879 | 1848 | 1843 | 1845 | 1844 |
1862 | 1857 | 1859 | 1842 | 1847 |
1856 | 1848 | 1851 | 1843 | 1853 |
1868 | 1849 | 1832 | 1837 | 1842 |
1865 | 1864 | 1868 | 1829 | 1850 |
运行本发明实例所述的水印提取算法(自动生成密钥);
Debug模式:连续在14张随机图像上提取水印50次(均为批处理),每次平均耗费时间10122.0200000000毫秒,每个图像平均耗费723.001428571429毫秒。表7为历次耗费时间。
表7
Release模式:连续在14张图像上提取水印50次(均为批处理),每次平均耗费时间1856.72000000000毫秒,每个图像平均耗费132.622857142857毫秒。表8为历次耗费时间。
表8
1974 | 1847 | 1825 | 1844 | 1833 |
1866 | 1839 | 1840 | 1835 | 1856 |
1845 | 1837 | 1828 | 1828 | 1836 |
1840 | 1859 | 1834 | 1842 | 1837 |
1844 | 1856 | 1834 | 1841 | 1833 |
1854 | 1834 | 1819 | 1838 | 1840 |
1840 | 1847 | 1842 | 1839 | 2575 |
1840 | 1834 | 1836 | 1825 | 1830 |
1846 | 1848 | 1836 | 1830 | 1829 |
1849 | 1841 | 1855 | 1827 | 1829 |
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/ 或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/ 或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
Claims (10)
1.一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法,其特征在于,包括:
图像分割,将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥生成,采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
置乱图像水印嵌入,使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
图像扩散,使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原,根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像,将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述融合混沌序列的生成步骤如下:
步骤A1:利用合成密钥生成8个双精度浮点数作为混沌序列的初始值;
步骤A2:利用混沌序列迭代公式,从初始值开始进行迭代计算,获得5D-HCCS混沌序列和3D-LASM混沌序列;
所述混沌序列迭代公式包括5D-HCCS和3D-LASM混沌迭代公式,其中3D-LASM迭代公式是由2D-LASM迭代公式进行三维扩展获得;
步骤A3:按混沌序列中元素及其分量排列顺序,依次以3D-LASM混沌序列的元素分量取随机索引值ind(c):按随机索引值ind(c)取出5D-HCCS混沌序列的元素分量,依次添加至一个具有N个元素,每个元素包含M个分量的伪随机数序列,得到融合混沌序列;
其中,c表示混沌序列的元素分量,m为模数,n为常数,取值为10。
3.根据权利要求2所述的方法,其特征在于,当融合混沌序列为置乱序列时,N=256*256+512;M=12;用于生成融合混沌序列初始值的密钥为H1-H16和K17-K32;
当融合混沌序列为扩散序列时,N=256*256+4*4,M=6;用于生成融合混沌序列初始值的密钥为H17-H32和K1-K16;
其中,H1-H16和H17-H32分别是采用哈希算法得到待嵌入水印的图像高五位图像的哈希值的前16个8位整数和后16个8位整数,K1-K16和K17-K32分别是256位指定密钥的前16个8位整数和后16个8位整数。
5.根据权利要求1所述的方法,其特征在于,所述图像置乱的具体过程如下:
步骤B1:设置256*256的初始置乱图像,将初始置乱图像的红色通道的所有元素值设置为128;
步骤B2:对初始置乱图像中各像素的绿色通道的元素值和蓝色通道的元素值分别按以下公式进行更新:
B=b1*26+b2*23+b3
G=b4*26+b5*23+b6
按顺序选取置乱序列中的一个元素c,取c的前6个分量c1-c6的和的随机索引值s1,取待嵌入水印的图像第(s1+1)个通道中位置为(p1,p2)的元素的低2位值b1,取待嵌入水印的图像第((s1+1)mod3+1)个通道中位置为(p3,p4)的元素的低3位值b2;取待嵌入水印的图像第((s1+2)mod3+1)个通道中位置为(p5,p6)的元素的低3位值b3;并将(p1,p2)、(p3,p4)以及(p5,p6)记录到原位矩阵;
按顺序选取置乱序列中的一个元素c,取c的后6个分量c7-c12的和的随机索引值s2,取待嵌入水印的图像第(s2+1)个通道中位置为(q1,q2)的元素的低2位值b4,取待嵌入水印的图像第((s2+1)mod3+1)个通道中位置为(q3,q4)的元素的低3位值b5;取待嵌入水印的图像第((s2+2)mod3+1)个通道中位置为(q5,q6)的元素的低3位值b6;并将(q1,q2)、(q3,q4)以及(q5,q6)记录到原位矩阵;
p1,p2分别是c1,c2对应的随机索引值,p3,p4分别是c3,c4对应的随机索引值,p5,p6分别是c5,c6对应的随机索引值;q1,q2分别是c7,c8对应的随机索引值,q3,q4分别是c9,c10对应的随机索引值,q5,q6分别是c11,c12对应的随机索引值;
计算随机索引值时,所使用的模数m取值为3;
步骤B3:遍历所有像素,得到由所有像素绿色通道元素值组成的矩阵T1和由所有像素蓝色通道元素值所组成的矩阵T2;
步骤B4:使用Box-Muller方法分别改变矩阵T1和矩阵T2所有元素的概率分布,使T1和T2所有元素值符合正态分布;
步骤B5:组合修改后的矩阵T1和矩阵T2和初始置乱图像红色通道矩阵,生成置乱图像。
6.根据权利要求1所述的方法,其特征在于,所述图像扩散的过程如下:
步骤C1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤C2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤C3:取嵌入水印的置乱图像的第i个通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤C4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4加密矩阵;
步骤C5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取位置,从扩散矩阵P中取出对应位置的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤C6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取位置,从扩散矩阵Q中取出对应位置的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤C7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4加密矩阵;
步骤C8:重复步骤C5-步骤C8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有加密矩阵形成集合C,其中包括最后一个子矩阵对应的加密矩阵,称末4*4加密矩阵;
步骤C9:将首4*4加密矩阵、末4*4加密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4加密矩阵;
步骤C10:将集合C中的所有加密矩阵和二阶首4*4加密矩阵按原对应索引顺序拼接为扩散后的第i个通道矩阵;
步骤C11:重复步骤C3-步骤C10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到扩散后的置乱图像。
7.一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入装置,其特征在于,包括:
图像分割模块,用于将待嵌入水印的图像按位分割,获得高五位图像和低三位图像;
密钥第一生成模块,用于采用哈希算法得到待嵌入水印的图像高五位图像的哈希值,基于哈希值和指定密钥,得到合成密钥;
序列第一生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱模块,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
置乱图像水印嵌入模块,通过使用基于通道数据的水印嵌入方式将指定的数字图像水印嵌入置乱图像中;
图像扩散模块,通过使用扩散序列将嵌入水印后的置乱图像进行闭环扩散,形成扩散的置乱图像;
低三位图像还原模块,用于根据原位矩阵将扩散的置乱图像的每个像素分量还原至低三位图像中,生成扩散的低三位图像;
获取嵌入水印的目标图像模块,用于将扩散的低三位图像和高五位图像结合,生成嵌入数字水印的目标图像。
8.一种基于混合混沌***和闭环扩散的数字图像加密水印提取方法,其特征在于,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用如权利要求1至6任一项所述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取方法包括:
图像分割,将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥生成:通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
生成序列,利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
图像置乱,使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
闭环反扩散:使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取,使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
9.根据权利要求8所述的方法,其特征在于,所述图像反扩散的过程如下:
步骤D1:将扩散序列按分量平均分为三个子序列,每个子序列包括256*256+4*4个元素,每个元素有两个分量;
步骤D2:将第i个子序列的元素按分量排列为256*256的扩散矩阵P和Q,以及4*4的开锁矩阵U和闭锁矩阵L,i=1,2,3;
步骤D3:取嵌入水印的置乱图像的第i个256*256通道矩阵M;再按从左到右,从上到下的顺序垂直索引通道矩阵M的子矩阵;
步骤D4:取出通道矩阵M左上角的4*4子矩阵和通道矩阵M右下角的4*4子矩阵,通过矩阵异或运算将开锁矩阵U与前两者结合,输出首4*4解密矩阵;
步骤D5:锁定第j个4*4子矩阵A,j≥2,取通道矩阵M中矩阵A的前一个4*4子矩阵A1,按照子矩阵A1的选取方式,从扩散矩阵P中取出对应的4*4子矩阵B1,两者相加,输出中间矩阵V1;
步骤D6:取通道矩阵M中矩阵A的前任意一个4*4子矩阵A2,按照子矩阵A2的选取方式,从扩散矩阵Q中取出对应的4*4子矩阵B2,两者相加,输出中间矩阵V2;
步骤D7:将矩阵A、中间矩阵V1、中间矩阵V2三者通过矩阵异或运算结合,输出矩阵A对应的4*4解密矩阵;
步骤D8:重复步骤D6-步骤D8,直至遍历通道矩阵M中除第一个之外的所有4*4子矩阵,输出的所有解密矩阵形成集合C,其中包括最后一个子矩阵对应的解密矩阵,称末4*4解密矩阵;
步骤D9:将首4*4解密矩阵、末4*4解密矩阵、闭锁矩阵L三者通过矩阵异或运算结合,输出二阶首4*4解密矩阵;
步骤D10:将集合C中的所有解密矩阵和二阶首4*4解密矩阵按原对应索引顺序拼接为反扩散后的第i个通道矩阵;
步骤D11:重复步骤D3-步骤D10,直至遍历嵌入水印的置乱图像的所有通道矩阵,即得到反扩散后的置乱图像。
10.一种基于混合混沌***和闭环扩散的数字图像加密水印提取装置,其特征在于,用于对待提取水印的数字图像进行水印提取,所述待提取水印的数字图像中的水印为采用如权利要求1至6任一项所述的一种基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法嵌入;
提取装置包括:
目标图像分割模块,用于将已嵌入水印的目标图像按位分割,获得高五位图像和低三位图像;
密钥第二生成模块,通过哈希算法计算高五位图像的哈希值,与指定密钥生成合成密钥;
序列第二生成模块,通过利用合成密钥与混沌序列迭代公式,生成融合混沌序列,包括置乱序列和扩散序列;
目标图像置乱模块,通过使用置乱序列从低三位图像中抽取像素分量,合成256*256置乱图像;并记录每个像素分量在低三位图像的位置,形成原位矩阵;
闭环反扩散模块:通过使用扩散序列将嵌入水印后的256*256置乱图像进行闭环反扩散,形成反扩散的置乱图像矩阵;
水印提取模块,通过使用基于通道数据的水印提取方式从反扩散的置乱图像中提取出数字水印。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406825.3A CN113313621B (zh) | 2021-04-15 | 2021-04-15 | 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406825.3A CN113313621B (zh) | 2021-04-15 | 2021-04-15 | 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313621A CN113313621A (zh) | 2021-08-27 |
CN113313621B true CN113313621B (zh) | 2022-06-28 |
Family
ID=77372199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110406825.3A Active CN113313621B (zh) | 2021-04-15 | 2021-04-15 | 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313621B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977150B (zh) * | 2023-09-25 | 2023-12-01 | 中国电子科技集团公司第三十研究所 | 基于保守超混沌***的水印生成方法、装置、设备及介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002013138A1 (en) * | 2000-08-03 | 2002-02-14 | Digital Copyright Technologies Ag | Method for adaptive digital watermarking robust against geometric transforms |
CN1835018A (zh) * | 2005-06-30 | 2006-09-20 | 西南交通大学 | 基于混沌散列函数的分块脆弱水印生成与认证方法 |
CN101847251A (zh) * | 2010-06-13 | 2010-09-29 | 电子科技大学 | 一种基于混沌序列的数字水印嵌入和提取方法 |
CN101866477A (zh) * | 2010-06-11 | 2010-10-20 | 山东大学 | 一种图像完整性双重保护的数字盲水印方法 |
CN101882296A (zh) * | 2010-05-07 | 2010-11-10 | 邹阿金 | 切比雪夫神经网络混沌数字水印信息隐藏方法 |
CN102968756A (zh) * | 2012-09-28 | 2013-03-13 | 河南大学 | 基于分数阶超混沌和dwt-svd的彩色图像水印嵌入和提取方法 |
CN103310407A (zh) * | 2013-06-25 | 2013-09-18 | 兰州交通大学 | 基于qr码的矢量地理空间数据全盲水印方法 |
CN104537600A (zh) * | 2014-12-16 | 2015-04-22 | 陕西科技大学 | 一种对图像进行二次加密、解密方法以及水印信息篡改区域定位方法 |
CN104732474A (zh) * | 2015-03-30 | 2015-06-24 | 陕西师范大学 | 基于多级小波系数加权和量化的数字水印嵌入及提取方法 |
CN108681982A (zh) * | 2018-04-04 | 2018-10-19 | 微梦创科网络科技(中国)有限公司 | 一种基于奇异值分解的数字水印的嵌入和提取方法及*** |
CN109344578A (zh) * | 2018-10-10 | 2019-02-15 | 西安邮电大学 | 基于混沌和小波变换的音频水印嵌入、提取方法 |
CN110517181A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 基于Hough组合变换的医学图像零水印嵌入方法 |
CN111968025A (zh) * | 2020-08-19 | 2020-11-20 | 海南大学 | 基于Bandelet-DCT医学图像鲁棒零水印方法 |
CN111968026A (zh) * | 2020-08-19 | 2020-11-20 | 海南大学 | 一种基于PHTs-DCT的医学图像鲁棒水印方法 |
CN111988492A (zh) * | 2020-08-19 | 2020-11-24 | 海南大学 | 一种基于Gabor-DCT的医学图像鲁棒水印方法 |
CN112084517A (zh) * | 2020-09-15 | 2020-12-15 | 郑州轻工业大学 | 一种基于混沌映射和比特级置换的图像加密方法 |
CN112422266A (zh) * | 2020-10-28 | 2021-02-26 | 郑州轻工业大学 | 一种基于约瑟夫遍历和位平面重构的超混沌加密方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365947B (zh) * | 2018-03-05 | 2019-05-24 | 郑州轻工业学院 | 一种基于Feistel网络与动态DNA编码的图像加密方法 |
CN108696666B (zh) * | 2018-05-16 | 2019-06-21 | 河南大学 | 基于拉丁方置乱的彩色图像加密方法 |
-
2021
- 2021-04-15 CN CN202110406825.3A patent/CN113313621B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002013138A1 (en) * | 2000-08-03 | 2002-02-14 | Digital Copyright Technologies Ag | Method for adaptive digital watermarking robust against geometric transforms |
CN1835018A (zh) * | 2005-06-30 | 2006-09-20 | 西南交通大学 | 基于混沌散列函数的分块脆弱水印生成与认证方法 |
CN101882296A (zh) * | 2010-05-07 | 2010-11-10 | 邹阿金 | 切比雪夫神经网络混沌数字水印信息隐藏方法 |
CN101866477A (zh) * | 2010-06-11 | 2010-10-20 | 山东大学 | 一种图像完整性双重保护的数字盲水印方法 |
CN101847251A (zh) * | 2010-06-13 | 2010-09-29 | 电子科技大学 | 一种基于混沌序列的数字水印嵌入和提取方法 |
CN102968756A (zh) * | 2012-09-28 | 2013-03-13 | 河南大学 | 基于分数阶超混沌和dwt-svd的彩色图像水印嵌入和提取方法 |
CN103310407A (zh) * | 2013-06-25 | 2013-09-18 | 兰州交通大学 | 基于qr码的矢量地理空间数据全盲水印方法 |
CN104537600A (zh) * | 2014-12-16 | 2015-04-22 | 陕西科技大学 | 一种对图像进行二次加密、解密方法以及水印信息篡改区域定位方法 |
CN104732474A (zh) * | 2015-03-30 | 2015-06-24 | 陕西师范大学 | 基于多级小波系数加权和量化的数字水印嵌入及提取方法 |
CN108681982A (zh) * | 2018-04-04 | 2018-10-19 | 微梦创科网络科技(中国)有限公司 | 一种基于奇异值分解的数字水印的嵌入和提取方法及*** |
CN109344578A (zh) * | 2018-10-10 | 2019-02-15 | 西安邮电大学 | 基于混沌和小波变换的音频水印嵌入、提取方法 |
CN110517181A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 基于Hough组合变换的医学图像零水印嵌入方法 |
CN111968025A (zh) * | 2020-08-19 | 2020-11-20 | 海南大学 | 基于Bandelet-DCT医学图像鲁棒零水印方法 |
CN111968026A (zh) * | 2020-08-19 | 2020-11-20 | 海南大学 | 一种基于PHTs-DCT的医学图像鲁棒水印方法 |
CN111988492A (zh) * | 2020-08-19 | 2020-11-24 | 海南大学 | 一种基于Gabor-DCT的医学图像鲁棒水印方法 |
CN112084517A (zh) * | 2020-09-15 | 2020-12-15 | 郑州轻工业大学 | 一种基于混沌映射和比特级置换的图像加密方法 |
CN112422266A (zh) * | 2020-10-28 | 2021-02-26 | 郑州轻工业大学 | 一种基于约瑟夫遍历和位平面重构的超混沌加密方法 |
Non-Patent Citations (7)
Title |
---|
一个基于离散混沌加密的数字水印算法;陈河山等;《计算机科学》;20141215(第12期);全文 * |
基于Logistic混沌加密和DWT的数字图像水印算法;于子甲等;《通化师范学院学报》;20151220(第12期);全文 * |
基于广义Arnold混沌映射和Hénon混沌映射的小波水印算法;赵立强等;《河北科技师范学院学报》;20060130(第04期);全文 * |
基于混沌置乱的小波域数字水印算法研究;张怡等;《电脑知识与技术》;20110405(第10期);全文 * |
基于混沌置乱离散余弦变换的图像水印研究;成年胜;《计算机仿真》;20110615(第06期);全文 * |
基于超混沌和DCT理论的数字图像水印算法;毕洪波等;《计算机仿真》;20081015(第10期);全文 * |
基于超混沌理论的小波域图像水印算法;张玉波等;《佳木斯大学学报(自然科学版)》;20080315(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113313621A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105339B (zh) | 一种基于多维混沌***和约瑟夫置乱的图像加密方法 | |
Chen et al. | A fuzzy c-means clustering-based fragile watermarking scheme for image authentication | |
Zhang et al. | Reference sharing mechanism for watermark self-embedding | |
Barani et al. | A new digital image tamper detection algorithm based on integer wavelet transform and secured by encrypted authentication sequence with 3D quantum map | |
CN100395776C (zh) | 基于混沌散列函数的分块脆弱水印生成与认证方法 | |
CN104599225A (zh) | 基于奇异值分解和主成分分析的图像水印嵌入与提取方法 | |
Hadmi et al. | Perceptual image hashing | |
Liu et al. | Robust blind image watermarking based on chaotic mixtures | |
CN113313621B (zh) | 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 | |
Ernawan et al. | Self-recovery in fragile image watermarking using integer wavelet transform | |
Hong et al. | A color image authentication scheme with grayscale invariance | |
Su et al. | Visualized multiple image selection encryption based on log chaos system and multilayer cellular automata saliency detection | |
CN106600516B (zh) | 基于数字指纹的图像嵌入方法 | |
Li et al. | Attack and improvement of the fidelity preserved fragile watermarking of digital images | |
Saikia et al. | Coded fingerprinting based watermarking to resist collusion attacks and trace colluders | |
Benyoussef et al. | Medical Image watermarking for copyright Protection based on Visual Cryptography | |
Raj et al. | Security analysis of hash based fragile watermarking scheme for image integrity | |
Das et al. | An Ameliorate Image Steganography Method using LSB Technique & Pseudo Random Numbers | |
Hosseini et al. | Image content dependent semi-fragile watermarking with localized tamper detection | |
JP2020184663A (ja) | 高耐性電子透かし法 | |
Latha et al. | An efficient wavelet transform based steganography technique using chaotic map | |
Barni et al. | Digital watermarking for the authentication of AVS data | |
Behravan et al. | Introducing a new method of image reconstruction against crop attack using sudoku watermarking algorithm | |
Aminuddin et al. | AuSR3: A new block mapping technique for image authentication and self-recovery to avoid the tamper coincidence problem | |
CN115879072B (zh) | 一种深度伪造指纹检测模型的版权保护方法、装置及介质 |
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 |