紙介質文件泄密溯源技術研究

王海彬+傅濤

摘要：本文旨在針對抗打印掃描紙質文檔信息隱藏和檢測開展研究，重點討論了文本信息保真技術，二次圖像校正技術和基于字符歐拉數和格式調整相結合的文本信息隱藏技術，為實現對紙介質文件泄密溯源提供了基礎。

關鍵詞：紙介質文件；溯源；信息隱藏；盲檢測

中圖分類號：TP393.08 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2016.03.014

0引言

隨著數字化技術的迅猛發展，目前許多行業和個人普遍都使用電子文檔處理資料和保存信息，并且常常通過打印、復印等途徑將電子文檔中的內容顯現在紙張上，以供閱讀和傳播。但是，對于涉及密性信息（如合同、財務等重要文檔）的企事業單位，很多重要信息或者機密信息很可能通過這些紙質文檔而泄漏出去。因此，需要采取一些安全保密措施來防止通過打印、復印等操作而生成的紙質文檔所造成的文檔信息泄密。然而，隨著各單位的業務量逐漸增加，單位規模的不斷擴大以及人員數目的日益增加，各種管理的成本和難度都隨著增大，管理員很難及時掌握單位內部的文檔打印情況，這在一定程度上給安全保密措施帶來了挑戰，增加了重要文檔信息泄密的可能。并且，對于打印后的紙質文檔及其復印件，往往由于缺乏文檔溯源追蹤信息，而導致無法確定文檔打印的源頭和對打印內容進行審計，造成紙質文檔的隨意打印、有意或無意的非法傳播，進一步加大了文檔打印管控的難度。因此，研究電子文檔的打印過程管理和控制、文檔溯源追蹤和內容審計是一個重要的且具有挑戰的課題。

本文旨在針對抗打印掃描紙質文檔信息隱藏和檢測技術開展研究，實現電子文檔在打印時能夠嵌入不可見密級標志、收發文單位等編碼信息的信息隱藏技術以及紙質文件隱藏信息提取系統，實現對紙介質文件泄密溯源。

1當前研究現狀

近年來，除了針對圖片、音視頻的數字水印技術得到很快的發展之外，國內外對于電子文檔在打印時嵌入隱藏信息的水印技術研究、紙質文檔隱藏信息抗掃描打印等攻擊的魯棒性研究以及相應的提取方法研究已經取得了一些成果。目前常見的紙質文本信息隱藏方法分為以下兩種：

1.1基于文本格式的信息隱藏方法

基于文本格式的信息隱藏方法是早期數字水印的研究方法，嵌入的水印信息都在空間域中，典型的算法有行間距編碼、字間距編碼和特征編碼。這類算法的基本思想就是在不改變文本內容的前提下，對文檔格式做輕微的調整，以此來嵌入水印信息，如在行間距編碼中，上移某行，隱藏“1”；下移某行，隱藏“0”。這類算法的最大弱點就是隱藏的信息與載體內容無關，只與載體的格式相關，嵌入的水印信息很難抵抗如格式調整，刪除文本段落等攻擊。近些年來興起的水印嵌入方法，嵌入的水印信息也大都在空間域，也有一些水印是嵌入在變換域中的。典型的算法有根據文本內容做同義詞替換、根據自然語言特征對特定的句式做變換，以此來嵌入水印信息。這類算法的優點是隱藏信息與文本內容緊密關聯，水印的安全性較好。如Bmssil等人提出了基于文本格式微調的方法進行水印的嵌入。該算法利用文本文件的特點，通過調整文本格式，如字符間距、文本行間距進行水印的嵌入，視覺效果良好，且有一定的魯棒性。基于文本文檔的數字水印實現簡單，但缺點是由于不同格式的文本的格式不統一，因此對不同格式的文檔需要采用不同的嵌入方式。另外，由于文檔是以原格式存在，且為可編輯的，因此水印容易受到攻擊。該算法雖視覺效果良好，但無法抵抗文本格式變化的攻擊，且基于行移的文本水印算法信息量少，無法滿足對泄密者身份的追蹤。

1.2基于文本圖像的信息隱藏方法

該方法是通過在文本圖像中添加數字水印來實現的。在文檔打印時，需要首先將待打印文檔轉化為文本圖像格式，然后在文本圖像中完成數字水印的嵌入。在該算法中，所有文檔在數字水印嵌入之前需要具有相同的格式，即數字水印嵌入在相同格式的文檔存在，因此，在數字水印嵌入前有時必須做文檔格式轉換，增加了復雜度。基于文本圖像數字水印的算法按照變換域可以分為以下兩種：

1）空間域方法：該類算法包括LSB水印算法、Patchwork算法和文檔格式微調法。格式微調法主要是通過調整文本字符的某些幾何特征，如字符的筆畫、質心等實現水印的嵌入。代表性的研究成果包括：卞文法等人通過將打印掃描過程對文本圖像的影響等同于一個卷積過程，經計算得到文本圖像在打印掃描俞后的不變量，通過對該不變量進行調整完成數字水印的嵌入，該算法水印容量較大，視覺效果良好；李剛等針對二值文檔印刷圖像提出了基于文字區域嵌入水印的方法，將文字分割成若干個區域，并以區域中的0/1比率作為特征量來決定水印的數值。將信息直接疊加到圖像的空間域上的算法叫空間域數字水印算法。LSB水印算法是將信息嵌入到隨機選擇的圖像點中最不重要的像素位（LSB：Least Significant Bits）上，這可保證嵌入的水印是不可見的。但是由于使用了圖像不重要的像素位，算法的魯棒性差，水印信息很容易被濾波、圖像量化、幾何變形的操作破壞。另外一個常用方法是Patchwork算法，它的基本原理是在不影響圖像主觀質量的前提下，通過改變圖像的統計特性來實現水印的嵌入。首先將圖像分成兩個子集，其中一個子集的亮度增加，另一個子集的亮度減少同樣的量，這個量以不可感知性為標準，整個圖像的平均灰度值保持不變，在這個調整的過程中完成水印的嵌入。適當地調整參數，Patchwork方法對JPEG壓縮、濾波以及圖像裁剪有一定的抵抗力，但該方法嵌入的信息量有限。

2）頻率域方法：基于DCT、DWT變換文本水印算法。該類算法主要是通過對文本圖像進行變換后對變換域中各分量的系數進行調整完成水印的嵌入。該類算法具有視覺效果好，魯棒性強的優點。研究成果如：宋玉杰等針對彩色圖像采用CIELab色彩空間，通過在圖像的DCT系數上線性運算實現水印嵌入，并指出通過多次重復實驗該算法嵌入的水印可以用來判斷是經過一輪印刷掃描（正版）還是兩輪印刷掃描（盜版）；張靜等研究了傅立葉變換的旋轉、縮放、剪切等特點，較早開展了脆弱水印的研究，并在傅立葉變換系數的log-polar map或log-log map中嵌入水印來抵抗打印掃描攻擊。T.Mizumoto等提出了一種基于小波變換的私有水印和公開水印算法。將圖像和待嵌入的水印信息分別做小波分解，根據視覺特性進行數據融合，此方法在提取水印時需要原始圖像。

2研究內容

本文將研究基于文本圖像和文本格式相結合的紙質文檔信息隱藏和提取算法，主要包括以下方面：

2.1文本信息保真技術

文本圖像在打印掃描過程中受打印機和掃描儀的分辨率影響，包含多次不均勻的采樣和量化操作，可能存在的信息丟失。如何保證文本圖像的信息量，尤其是水印信息，是本文需要解決的技術難點之一。

針對不同格式電子文檔和不同分辨率打印機和掃描儀，本項目擬采用基于文本圖像和文本格式相結合的紙質文檔信息隱藏方法。該方法在文檔打印前首先將電子文檔轉換成文本圖像或統一格式的文檔，如jpg圖像，pdf文檔等，然后進行信息隱藏，從而解決不同格式電子文檔的兼容性問題。

2.2二次圖像校正技術

打印掃描過程中，即文本圖像由數字文本圖像經過模擬文本圖像再次轉變為數字文本圖像的過程中可能會受到的幾何攻擊或者污損折疊等人為攻擊。因此如何對再次掃描成數字信號的文本圖像進行各種預處理和校正，是實現紙介質文件準確溯源的重要基礎。

2.3基于字符歐拉數和格式調整相結合的文本

信息隱藏技術

針對傳統基于文本格式的信息隱藏信息量少且魯棒性弱問題，本文擬采用基于字符歐拉數和格式調整相結合的文本信息隱藏算法，該算法基于文本圖像的字符分割，但不同于傳統空間域文本水印算法依賴于文本的格式，該算法通過調整單個字符的特征量，即歐拉數進行水印的嵌入，并結合字移、行移等文本格式信息隱藏算法，可有效抵抗格式變換的攻擊，具有更強的魯棒性和隱藏信息容量，可有效抵抗文本的打印掃描攻擊。

3技術路線

本文擬采取基于文本圖像和文本格式相結合的紙質文檔信息隱藏和提取方法。具體技術路線如下：

3.1格式轉換

為了提高信息隱藏算法對不同格式電子文檔的兼容性，本項目首先考慮將文本文檔轉換成文本圖像，具體技術路線為：通過特定的打印攔截技術攔截操作系統的打印任務，將系統打印的文檔轉換成文本圖像，并保存到系統的指定目錄下，然后調用水印算法模塊進行水印的嵌入。

該部分生效后，可在系統的打印機列表中構造一個新的打印機。從操作系統來看，該打印機為一臺真實打印機。事實上，該打印的實際功能是完成文件到圖片的轉換，當啟用正常的打印任務時，虛擬打印機會根據用戶設置的打印參數把要打印的文件打印成文檔圖像，輸出到指定的目錄。

3.2隱藏信息嵌入

為保證隱藏信息的魯棒性和容量，本文擬采用基于字符歐拉數和文本格式調整相結合的信息隱藏方法。陳海生等人提出的歐拉數信息隱藏是把圖像區域中孔數作為描述子，且這種描述子不受伸長、旋轉變換的影響，較其他圖像的特征或描述具有一定的穩定性。基于字符歐拉數的文本水印算法是通過字符歐拉數的奇偶量化來完成水印嵌入的，通過翻轉字符某個連通區域的部分像素點來調整字符歐拉數的奇偶。具體技術路線為：

1）對二值文本圖像進行圖像的預處理，處理后仍得到二值文本圖像。

2）對處理后的二值文本圖像進行字符的拆分。拆分包括先對行進行切分，后對每行進行字符拆分，最后獲得每個字符的坐標。

3）計算字符的歐拉數根據水印信息進行水印的嵌入。該水印嵌入算法是通過對字符歐拉數的奇偶量化實現的。其量化規則如下：

其中，E代表字符x的歐拉數；i代表嵌入到字符x中的水印信息，其取值為0或1。歐拉數的定義是物體個數和孔數之差。在一幅圖像中孔數為H，物體連接部分數位a則歐拉數定義為：E=C-H。歐拉數是基于圖像幾何特征的區域描繪子，且歐拉數不受伸長或旋轉變換的影響，因此可認為字符的歐拉數不受打印掃描的影響，魯棒性較高。

4）在不改變文本內容的前提下，根據分割后字符的間距和行距，對文檔格式做輕微的調整，以此來嵌入水印信息，如在行間距編碼中，上移某行，隱藏“1”；下移某行，隱藏“0”。以提高隱藏信息的容量。

3.3隱藏信息的提取

對掃描得到的文檔圖像進行二值化，在二值圖像上進行去噪、傾斜校正，然后進行行分割并在圖像行中分割出單個字符，并通過字符距和行間距的變化來判斷隱藏信息的存在。在此基礎上，根據隱藏信息嵌入規則，逐個提取出隱藏的每一位二進制信息并組合成最終的提取信息。

4小結

本文旨在針對抗打印掃描紙質文檔信息隱藏和檢測開展研究，首先分析了近年來國內外對于電子文檔在打印時嵌入隱藏信息的水印技術研究、紙質文檔隱藏信息抗掃描打印等攻擊的魯棒性研究以及相應的提取方法研究已經取得了一些成果。在此基礎上，重點討論了文本信息保真技術，二次圖像校正技術，提出了基于字符歐拉數和格式調整相結合的文本信息隱藏技術，為實現對紙介質文件泄密溯源提供了基礎。