基于生物特征的數字水印綜述研究＊

朱小微 ，常 郝 ，2，孫玉濤 ，魏蘇林

（1.安徽財經大學 管理科學與工程學院，安徽 蚌埠 233030；2合肥工業大學 計算機與信息學院，安徽 合肥 230009）

隨著Internet網絡和信息技術的飛速發展，人們可以非常方便快捷地從網絡上下載各種各樣的多媒體數字產品（包括圖像、音頻、視頻等），因此，信息安全和版權保護顯得尤其重要。數字水印（Digital Watermarking）技術是確保信息安全、實現版權保護的有效辦法，是信息隱藏技術研究領域的重要分支和研究方向，因此引起了人們的極大關注。

數字水印技術是將一些標識信息 （即水印圖像）嵌入到數字載體（包括多媒體、文檔、軟件等）當中，而又不會影響原載體的效果，也不容易被察覺或注意到。通過這些隱藏在數字產品中的信息，可以保護數字產品的版權、證明產品的真實性、跟蹤盜版行為、判斷載體是否被篡改或提供產品的附加信息等。數字水印技術雖然不能阻止盜版活動的發生，但可以判別對象是否受到保護、監視被保護數據的傳播、鑒別真偽、解決版權糾紛并為法庭提供認證證據。

在人們周圍普遍存在著許多具有隨身攜帶、隨時可用，且不會丟失、不易偽造的生物特征，它們的防偽性能非常好，而且不易遺忘，減輕了人們的記憶負擔。其中包括了一些生理特征和行為特征。生理特征主要有DNA、指紋、手形、臉形、虹膜和視網膜；行為特征主要有聲音、手寫簽名、站姿和步態等。利用生物工程學與信息安全的高度互補性，將生物特征與數字水印相結合、使用生物特征作為水印圖像，除了可以檢測到文檔是否被篡改，還可以使用提取的水印驗證作者所宣稱的身份，以提供附加層次的安全性[1]。

1 數字水印技術

通過隱藏在載體中的水印信息，可以達到確認內容創建者、購買者、傳送隱秘信息或者判斷載體是否被篡改等目的[2]。數字水印技術一般應具如有下的特點：

（1）安全性

水印算法應該能夠抵抗人為惡意攻擊，而使水印信息不會被刪除、破壞或竊取。應該保證非授權用戶無法檢測或破壞水印。因此，數字水印的信息應是安全的，難以被篡改或偽造。當原內容發生變化時，數字水印也應當發生變化，并且可以檢測到原始數據的變更。

（2）隱蔽性

數字水印是不可知覺的，而且不會影響到被保護數據的正常使用，不會降質，即數字水印的嵌入不應使其原始數據發生可感知的改變，也不能使其載體數據在質量上發生可以感覺到的失真。

（3）魯棒性

魯棒性是指在經歷多種無意或有意的信號處理過程后，數字水印仍能保持部分完整性并能被準確鑒別。可能的信號處理過程包括信道噪聲、濾波、數/模及模/數轉換、重采樣、剪切、位移、尺度變化以及有損壓縮編碼等。

2 數字水印的生成

水印生成算法主要有：偽隨機、擴頻、混沌、糾錯編碼、變換和分解等。為了保證水印的安全性和穩健性，大多數水印算法通常把偽隨機數列作為水印。Cox等人曾提出，采用Gaussian隨機序列產生的水印具有更好的穩健性[3]。目前一般用高斯白噪聲、偽隨機序列、根據有特定含義的原始水印所生成的隨機序列作為水印。為了保證數字水印算法的魯棒性和提高水印算法的安全性，必須采用一定的措施使水印信息分散，消除其中相鄰像素的空間相關性。通常的方法是采用置亂處理，即利用某種算法將水印圖像的次序打亂，但像素的總數保持不變。現有的圖像置亂方法有Fass曲線、Gray代碼、Arnold變換和方式等。Arnold變換是Arnold在遍歷理論中提出的一種變換，又稱貓臉變換（Arnold′s Cat Map）。圖 1為一般的數字水印生成算法框圖。

圖1 一般的數字水印生成框圖

3 數字水印的嵌入

根據水印實現過程中基于的域的不同，數字水印嵌入技術可以分為空域算法和變域算法。不論什么算法，在水印嵌入之前都必須確定其嵌入位置，而位置的多少反映了水印容量的大小。由于空域算法比較簡單、實時性強，早期人們對數字水印技術的研究基本上是基于空域的，但是空域算法的魯棒性較差。目前變域算法更受研究者的歡迎，因為其安全性高、魯棒性好，但是其算法也相對比較復雜。

3.1 空域算法

空域算法是通過直接改變圖像數據來嵌入水印的，通常具有較快的速度，但魯棒性差，且水印容量也會受到限制。

3.1.1 LSB算法

1993年，TIRKEL A等人首次提出了在最不重要位LSB（Least Significant Bit）上嵌入數字水印的方法。其基本思想是：首先將一個密鑰輸入到m序列發生器用來產生水印信號，然后m序列重新排列成二維水印信號，并將像素點逐一嵌入到原始圖像像素的最低位（LSB），以保證水印的不可感知性[4]。因為在LSB位上的改變是不易察覺的，可滿足不可見性要求。LSB算法簡單易行、信息隱藏量較大。但是由于使用了圖像不重要的像素位，該方法魯棒性較差，安全性也差，水印很容易被濾波、量化、幾何變形等操作破壞，因此難以獲得實際應用，主要用于內容完整性論證。

3.1.2 Patchwork算法

BENDER W等人[5]提出了著名的 Patchwork算法，該算法是通過隨機選擇 N組像素對 （ai，bi）進行水印嵌入，像素對中兩個像素的亮度差值呈現以0為中心的高斯分布，然后將每個ai點的亮度值加 1，同時相應地降低bi點的亮度值減1，這樣就可以在保持總均值不變的情況下，修改像素對的值。這種算法能夠非常有效地抵抗有損壓縮和剪切操作的攻擊。但該算法嵌入的信息量有限，并且對仿射變換敏感，因此對多次拷貝聯合攻擊的抵抗能力比較脆弱。但是可以將圖像分塊，然后對每一個圖像塊進行嵌入操作，則可以嵌入更多的水印信息。

3.2 變域算法

變域算法是通過改變某些變換系數來嵌入水印，并利用變換域中能量分布集中的特點，結合人類的視覺模型，保證數字水印的不可感知性。該類算法的隱藏和提取信息操作復雜，隱藏信息量不能很大，但抗攻擊能力強，很適合用于數字作品版權保護的數字水印技術中。因此，目前大多數水印算法是在變換域中實現的。其算法包括離散傅里葉變換 （DFT）、離散余弦變換（DCT）、離散小波變換（DWT）等[6]。

3.2.1 DFT水印算法

該算法是利用圖像的DFT來嵌入信息。DFT水印算法的優點是不僅有利于實現水印的不可見性，而且還可以將變換后的相位信息嵌入水印。但是DFT水印算法的計算比較復雜、效率低，而且實驗表明該算法的抗壓縮能力比較弱。

3.2.2 DCT水印算法

DCT水印算法是利用擴頻技術和人類視覺特性，將水印信息加入到經過離散余弦變換的圖像頻譜中視覺最敏感的系數之中，以實現水印的嵌入。DCT水印算法可以實現快速運算，且DCT算法能把空間域的圖像轉換到變換域上進行研究，從而能很容易了解到圖像各空間頻域的成分，進行相應處理。因DCT水印算法與現行的國際圖像壓縮標準JPEG兼容，從而擴展了它的應用，使其成為目前研究最多、應用最廣泛的數字水印方法之一。DCT水印算法比DFT水印算法具有更好的魯棒性，但是它的隱蔽性很大程度上依賴于圖像本身的特性，無法做到對圖像信號內容的自適應[7]。因此，往往會損壞數字載體的的相關數據，造成數據失真。而且該算法難以抵抗壓縮編碼及其他一些圖像處理的攻擊。

3.2.3 DWT水印算法

離散小波變換（DWT）是一種基于時間-頻率信號的多分辨率分析算法，在時頻兩域都具有表征信號局部特征的能力。它的基本方法是對圖像進行多分辨率分級，將圖像分解成不同的空間和頻率的子圖像。實驗表明，DWT水印算法與DFT和DCT兩種水印算法相比較具有較強的優勢。首先，DWT水印算法沒有如DFT水印算法分辨率始終固定那樣的缺點，既可以分析信號的整體架構，又可以了解信號的細節；其次，DWT水印變換可以利用圖像的空間頻率特性，而這種空間頻率特性剛好與人眼的視覺特性相一致，使DWT水印算法能夠將數字水印的穩健性得到最大的提高，而DCT變換只是單純地將空間域信息變換到頻率域，沒有利用圖像的空間頻率特性，因此不能很好地匹配人類視覺特性[8]；而且，DWT水印算法可以采用圖像融合技術將水印信息分散到載體圖像的多個尺度中去，使得水印的魯棒性更強[9]；此外，DWT與JPEG2000、MPEG4壓縮標準兼容，從而實現在壓縮域（compressed domain）內的水印算法。由此可見，利用 DWT產生的水印具有良好的視覺效果和抵抗多種攻擊的能力，且不可感知性較好。

4 基于生物特征的數字水印

生物特征（如人臉、指紋、虹膜、掌紋、聲音、簽名等）具有唯一性、可靠性和穩定性等特點，而且不會遺忘，不會增加用戶的記憶負擔。每種生物特征作為水印圖像都有著自己的優勢和不足，要根據不同的設計需求來選擇生物特征作為水印圖案。其中，指紋水印獲取簡單，易用性高，應用也最廣泛；虹膜水印易被接受，不易被偽造，而且可靠性最高；簽名水印容易獲得，不會發生感情排斥或者侵犯個人隱私等問題，很容易被大眾所接受[1]。每種特征都有其優點和弱點，沒有一種生物特征能夠滿足所有的設計需求，即沒有哪種生物特征是“最好”的。選擇一種特定的生物特征主要依賴于具體的應用。

將生物特征作為水印圖像嵌入到數字載體中，已成為當前數字水印技術領域研究的熱點。下面以動態手寫簽名行為生物特征為例來說明數字水印的生成過程。基于動態手寫簽名的數字水印與其他生物特征一樣有著可以檢測到數字載體是否被篡改，實現版權保護等優點。但是它同時還可以使用提取到的水印圖案，驗證所宣稱的身份，從而可以提供附加層次的安全性。圖2是以動態手寫簽名為水印圖案的嵌入與提取效果簡化圖。從圖2可知：（1）嵌入了水印后載體圖像與原始圖像基本上無明顯差異，即該水印圖像的透明性良好，說明數字水印是不可知覺的，而且沒有影響被保護數據的正常使用；（2）原始數據不會降質，且在嵌入水印后的圖像未受攻擊的前提下，從中提取并還原的水印圖像非常清晰，再用密鑰還可以驗證此圖的真偽。

水印檢測是指不需要提取水印，而直接根據水印檢測算法，從可能含有水印信息的特征集中進行統計分析以判斷是否具有指定水印。水印提取是從待檢測的圖像數據中提取出水印信息，把提取出來的水印和原始水印進行比較，并用提取出的生物特征證明所宣稱的身份。基于生物特征的數字水印生成方案如圖3所示。

圖3 基于生物特征的數字水印生成方案

隨著網絡和多媒體技術的快速發展，信息的安全和保密顯得越來越重要，促進了在開放網絡下信息安全的研究。過去幾年中數字水印技術得到了迅速的發展，也出現了許多優秀的水印方案，基于生物特征的數字水印技術更是倍受青睞。但是該技術還處于不斷地發展過程中，還有許多問題需要解決。今后的水印技術還應從以下幾個方面進行探討：尋找更優秀的水印算法；提高抵抗各種惡意攻擊的能力；基于多小波變換的水印嵌入方法研究等。

[1]KUMAR B S， DEBNATH B， POULAMI D.Handwritten signature extraction from watermarked images using genetic crossover[C].International Conference on Multimedia and Ubiquitous Engineering，April 2007：987-991.

[2]歐裕美.網絡信息安全和數字水印技術[J].長春師范學院學報（自然科學版）2011，30（1）：151-153.

[3]郭震，鄭建彬.基于演化計算的在線手寫簽名驗證[J].微計算機信息，2007，23（6）：46-47.

[4]樊永良，杜海龍，李銳君.基于圖像認證的半脆弱數字水印算法[J].計算機工程，2011，37（20）：152-153.

[5]BENDER W.Technique for data hiding[DB].Proceedings of the SPIE 2420，Storage and Retrieval for Image and Video Database， 1995：64－173.

[6]袁修貴，周振.一種新的基于 DWT、DCT和 SVD的魯棒水印算法[J].計算機工程與科學，2011，33（1）：112-115.

[7]方春城，譚忠明，林若波.基于 DCT域的自適應數字水印算法[J].山東理科大學學報（自然科學版），2012，26 6（2）：72-76.

[8]米小珍，車宇，董華軍.基于離散小波變換和人類視覺系統的數字水印算法 [J].大連交通大學學報，2012，33（1）：48-52.

[9]曲長波，閻妍，一種基于多級DCT和SVD的魯棒數字水印算法[J].計算機應用與軟件，2012，29（7）：288-291.