基于上下文词预测和窗口压缩编码的数字水印方法

针对已有自然语言数字水印方法可替换词数量有限以及水印提取效率低的问题,提出了一种基于上下文词预测和窗口压缩编码的数字水印方法。该方法通过神经网络语言模型自动学习原始文本中每个词的上下文语义特征,预测每个词的候选词列表,从而扩充可用于嵌入水印信息的可替换词数量。同时,考虑到不同位置的候选词的替换对句子语义的影响存在差异,该方法以由多个词组成的窗口为单位来嵌入水印信息,并通过词替换前后句子间的相似度来优化水印嵌入时候选词的选择。在此基础上,提出了一种语义无关的窗口压缩编码方法,其根据窗口中词的字符信息对窗口进行水印编码,解决了提取水印信息时对词替换位置的原始上下文的依赖。实验结果表明,所提方法在具有较高嵌入容量和文本质量的前提下,大大提高了水印的提取效率。

医疗隐私应用场景下:数字水印技术的多功能应用与研究

数字水印技术的应用为医疗信息安全在版权保护、身份验证、内容认证和篡改定位与恢复等功能上提供了强有力的支持。为了推动多功能水印技术在医疗信息领域进一步的发展,首先对医疗信息中容易修改的电子病历和医疗影像进行深入分析;针对不同医疗隐私场景中存在的问题,根据数字水印技术的功能特性进行归纳分类;最后,论述不同的水印特性在医疗领域不同应用场景下的表现并进行展望,旨在为数字水印技术在医疗领域更好地应用提供参考。

人工智能生成内容模型的数字水印技术研究进展

人工智能(AI)正在改变世界,人工智能生成内容(AIGC)是当前最前沿的技术之一。探讨人工智能生成内容的演变历程,介绍从AI到AIGC的技术变迁,讨论AIGC引发的相关问题和挑战以及应对策略。同时,关注全球范围内的法律法规和国际动向,分析不同国家和组织在人工智能监管方面采取的举措,尤其是中国在全球AI治理中的贡献。着重介绍的是AIGC模型的数字水印(DigitalWatermarking)技术。数字水印已有多年发展的历史,在多媒体确权、防伪、认证等方面发挥了重要作用,随着AIGC的兴起,数字水印在模型保护、内容溯源、样本保护等方面又开始发挥新的作用。关于AIGC模型的数字水印技术研究进展的介绍,将为理解AIGC安全领域的发展提供新的视角维度,为研究AIGC领域的应用实践提供参考。

打印/印刷数字水印测试图像库构建及应用研究

目前的数字水印算法测试大多只使用个别经典图像对水印质量进行评价,没有考虑不同类别、不同图像复杂度对水印性能产生的影响。本研究将图像分为饱和、暗调、亮调、人物、风景记忆色和中性灰六类,采用灰度共生矩阵算法将每类图像分为低(0~1.1)、中(1.1~1.2)和高(1.2以上)三种复杂度,构建了包含356幅标准图像的打印/印刷数字水印测试图像库;用DCT域水印算法测试并对水印质量进行评价。实验结果表明,图像复杂度越高,透明性越好,SROCC达到了0.926;饱和类图像在人眼视觉效果最好,但模拟打印攻击时鲁棒性最差;像素压缩攻击时,中复杂度图像鲁棒性最好;其他攻击下,图像复杂度越高,鲁棒性越好,SROCC大于0.714。可见,图像复杂度和图像分类会对数字水印性能评价产生影响,本研究所建图像库有利于优化图像算法,完善数字水印评价体系。

数字水印技术发展及其对传统印刷技术的挑战

数字水印是数字版权保护的关键技术,而传统印刷技术在版权保护方面存在缺失。本文分析了数字水印的研究进展,探讨了数字水印用于版权保护对传统印刷技术的挑战,旨在为传统印刷技术在数字时代的创新提供新思路。

基于离散小波变换的数字水印算法研究

互联网已经普及到人们日常生活与工作中,多媒体信息交流发展表现出以往无法匹敌的广度与深度,由此导致了一系列问题,如作品侵权与篡改等。因此,人们更加关注对作品版权的保护。信息隐藏技术是保护版权最常用的技术,数字水印技术得到广泛应用。基于此,介绍数字水印技术与其发展情况,对水印的嵌入与提取进行仿真,观察原图像与嵌入水印后的图像,以及原始水印与提取出的水印的区别,最后对图像进行JPEG压缩、剪切、旋转后,研究嵌入水印图像的抗攻击能力。

一种基于数字水印与深度学习的图像版权保护方法

数字水印在声音、图像、视频等多媒体数字作品的版权保护方面有着广泛的应用。其中不可见图像水印的研究主要集中在如何解决水印的鲁棒性和不可见性等问题。而对于实际应用中用户需要从大量受保护图片中提取多种数字水印,并进行分类和识别这一问题研究较少。针对这一问题,将深度学习应用到图像水印分类,通过建立水印分类神经网络实现了图像水印的分类,实验表明是一种有效的方法。

基于QR码的DWT-DCT数字水印算法

为了提升版权信息的完整性和有效性,水印需要具备高强度的隐蔽性和抗攻击性。因此,提出了一种结合快速响应码(QR)、混沌系统和DWT-DCT的鲁棒性水印方案。首先通过混沌系统产生的混沌序列对QR进行加密;然后将宿主图片进行DWT操作,并且对低高频子带进行4×4分割和DCT操作;最后利用水印信息产生2×2矩阵,叠加到DCT变换后矩阵的右上角。在水印信息提取时,通过对比叠加矩阵中的元素并统计元素变化率,以此确认提取的水印信息。模拟实验分析表明,该方案不仅能够增强水印信息的透明性,而且在涂画、切割、噪声、过滤和JPEG压缩等攻击中具备较强的抗攻击能力。

云计算环境下的QR码双重加密复合数字水印算法

为了确保上传到“云”端环境下的数字产品的隐蔽性和安全性,在逐渐向“云”端转移的快速响应(Quick Response, QR)码的理论基础上研究并提出了一种QR码双重加密复合数字水印算法,防止QR码“云”端丢失的可能性。对“云”水印图像进行QR码编码生成QR码水印图像,确保水印信息的安全性,再对QR码水印信息实施加密置乱;对“云”上载体Lena图像进行非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT),选择储存信息更多的低频部分进行离散小波变换(Discrete Wavelet Transform, DWT),对图像抵抗力较强的低频图像进行奇异值分解(Singular Value Decomposition, SVD),在分解的奇异值中加权加密的QR码水印。通过对算法进行实验验证,该算法在视觉效果较好的前提下,考虑实用性,将复合算法和加密相结合,提高了算法的抵抗力,尤其是旋转攻击和JPEG压缩攻击。

常用数字水印技术在攻击下的性能分析

随着信息技术的发展,各种数字产品层出不穷,如何保护数字产品版权、完整性、防复制或去向问题成为目前的研究热点.数字水印技术可以在数字产品中嵌入水印,为数字产品提供版权、完整性等方面的保护.文章通过MATLAB软件研究常用数字水印技术在受到攻击下的性能指标参数,分析不同攻击程度下的指标曲线,为数字水印技术应用场合提供参考.研究表明,基于小波域的数字水印嵌入策略能更有效抵御各种攻击,与原图具有一定相关性的数字水印生成方法能有效增大图片版权保护的安全性.

基于迁移学习的一种可见数字水印分类方法

目前,将深度学习应用于可视水印是数字水印中的一个研究热点。深度学习一般需要大量的样本,但是在实际应用中有些情况难以获得足够的样本。为解决上述问题,该文提出一种基于数据增强和迁移学习的方法。该方法可以实现多种嵌入水印后图像的分类识别,适合于那些难以获得足够样本的情况。

基于离散余弦变换的数字水印算法研究

数字多媒体产品随着信息化和网络的发展,在网络上得到了广泛传播。为了保护数字产品的著作权和产地信息的标识,将数字水印技术应用到数字媒体产权的保护中。主要介绍了基于离散余弦变换(DCT)的数字水印算法,并研究了该算法。

改进零视差像素点重组的图像数字水印算法

针对三维图像数字水印无法同时保证良好的视觉感受与抗攻击性能的问题,提出基于零视差点重组的三维图像数字水印算法。利用平面点-线模型描述三维图像,将色彩从红色、绿色、蓝色等分量转变为亮度、蓝色、红色等分量。根据视距、景深等参数,解得各像素点的视差值,基于零视差像素点及对应窗口归一化协方差,调整各像素点坐标,得到重组图像。将重组图像作为待嵌入水印的载体图像,结合轮廓波变换策略,取得能量最大的方向图像。通过分块处理,推导出轮廓波交换系数的交换判定条件,经轮廓波逆变换、拼接、融合等操作,完成数字水印嵌入。实验结果表明,所提算法嵌入的水印视觉感知程度较低,隐秘度与安全度较高,能保证水印在取得较好视觉效果的前提下,具备较强的攻击防御能力。

自适应二维数字水印系统

随着因特网和数字技术的发展 ,数字媒体已成为人们获取知识的主要手段 ,但这也带来了一系列问题 :如作品侵权、非法复制和传播等 .为了解决这些问题 ,数字水印技术作为版权保护的重要手段 ,已得到广泛的研究和应用 .为实现水印图象的叠加 ,提出了一种以灰度图象为水印的空域二维自适应数字水印算法 ,该方法首先将水印图象进行 8× 8分块 ,并进行 DCT变换 ,然后对每块的 DCT系数进行量化和调整 ,最后 ,取出每块的部分 DCT系数来构成水印信号 .同时为了实现自适应 ,还将载体图象按 8× 8分块 ,并利用视觉掩蔽特性对载体图象象素进行分类 ,再根据块分类结果 ,将水印信号以不同强度嵌入到载体图象中 .实验结果表明 ,该算法具有较好的鲁棒性 .

用于图象认证的数字水印技术

随着多媒体网络通讯技术的飞速发展 ,数字信息的安全维护问题日益突出 .目前 ,采用数字水印技术 (即脆弱性数字水印和半脆弱性数字水印 )进行数字图象的真实性、完整性认证已成为信息认证领域的研究热点 .为使国内广大科技人员能够较全面地了解数字水印图象认证技术的发展现状 ,给出了用于图象认证的数字水印系统的基本框架、性能要求及常见的攻击方法 ,介绍了现有的各种算法 ,分析和总结了各自的优缺点 ,并提出了下一步的研究方向 .

基于可逆数字水印的无线传感器网络可恢复数据聚合协议

针对无线传感器网络数据安全认证协议的高能耗与传感器节点资源受限的对立问题,文中提出了一种基于可逆数字水印的聚合协议。一方面,在感知节点处,将水印嵌入到感知数据中,对水印数据进行基于椭圆曲线的同态加密,以此保证数据在传输过程中的私密性;在簇头节点处,对接收的数据只进行聚合和转发操作,以此减小网络通信开销;在基站处,通过提取水印对数据进行完整性认证。另一方面,该协议提出了一种基于环的聚合树,从而降低节点的传输能耗,延长网络生命周期。通过理论分析证明了所提协议将水印技术与数据聚合技术进行了更好的结合,具有较好的安全性和较低的计算开销,且能实现感知数据的完整性认证。此外,与同类算法的对比实验表明该协议在通信开销和时延方面都具有一定的优势。

基于振荡的LDPC译码算法在数字水印中的应用

针对现有的基于低密度奇偶校验(Low Density Parity Check,LDPC)码的数字水印技术中译码算法存在由于振荡无法收敛的问题,提出一种基于振荡的对数似然比置信传播(Log-Likelihood Ratio Belief Propagation,LLR-BP)译码算法。算法将前后两次的对数似然比进行加权处理,改善了由振荡引起的译码错误,并将该算法应用到数字水印技术中。实验结果表明,该算法在增加较少计算复杂度的前提下和传统的LLR-BP译码算法相比误码率有所降低并提高了数字水印技术的鲁棒性。

深度神经网络模型数字水印技术研究进展综述

近年来,深度神经网络模型在各种应用领域都取得了巨大的成功,训练先进的深度神经网络模型仍需要大规模的数据集、高昂的算力成本和优异的算法思想,生成的深度神经网络模型成为一种宝贵的资源,也是完成人工智能应用领域某项特定任务的核心算法。因此,深度神经网络模型的安全则变得极其重要,利用数字水印版权保护技术保障模型的安全已经成为人工智能安全领域一个重要的研究方向。为了综述深度神经网络模型数字水印版权保护技术的最新研究进展,首先介绍了深度神经网络模型数字水印技术分类;其次介绍了深度神经网络模型数字水印版权保护技术基础概况;再次归纳总结了深度神经网络模型数字水印版权保护技术的研究方法;最后总结并展望了深度神经网络模型数字水印版权保护领域的研究重点和发展方向。

一种双图像数字水印嵌入方法

提出了一种双图像数字水印技术,即在图像文件中同时嵌入可见和不可见数字水印。先采用一种空间域方法在低频非细节的区域嵌入可见数字水印信息,然后将数字水印图像进行置乱处理,再应用小波分解技术嵌入不可见数字水印信息。该种方法具有很好的适用性,试验结果表明它对图像处理也具有较强的鲁棒性。

保持数据可用性的矢量地图数字水印方案研究

伴随大数据时代的到来,信息复制、扩散及编辑变得越来越容易,矢量地图的非法传播、倒卖与恶意篡改等行为也越发频繁,给数据生产方或合法拥有方造成难以估量的损失。除了制定严格的法律、法规来规范地理信息市场,还需要依赖技术手段作为法律执行的有力支撑,数字水印作为信息安全领域的前沿技术得到了广泛关注,并逐步引用到矢量地图中。