面向数字图书馆信息资源的可逆认证方案*

高光勇，龚金林

（1.九江学院网络与信息安全研究所，江西 九江 332005；2.九江学院图书馆，江西 九江 332005）

面向数字图书馆信息资源的可逆认证方案*

高光勇1，龚金林2

（1.九江学院网络与信息安全研究所，江西 九江 332005；2.九江学院图书馆，江西 九江 332005）

针对目前数字图书馆信息资源因被篡改而引起的认证问题，提出一种篡改自恢复可逆认证解决方案。当对待检测图像进行完整性认证时，只需根据提取的分块检测比特即可判定待检测图像是否遭受篡改以及遭受篡改的位置。如没有遭受篡改，表明待检测图像通过完整性认证，并且能还原待检测图像至原始状态。否则，表明待检测图像没有通过完整性认证，然后可利用压缩感知重构技术对篡改内容进行恢复。

数字图书馆；可逆认证；篡改恢复

近十年来，随着因特网技术和数字信息技术的普及，数字资源共享平台（例如数字图书馆）的建设也得到快速发展。数字图书馆通过对数字信息资源的整合与共享，大大提高了信息资源的利用效率。但是在信息传播变得便捷的同时，对数字资源的篡改变得更加容易，进而引起的版权问题也日益突出［1］。如何在促进数字信息资源共建共享的同时，又能真正实现知识产权的保护，已成为科研技术人员必须解决的紧迫课题。本文将可逆认证技术应用于数字图书馆信息资源的版权保护中，针对数字图像提出一种篡改自恢复可逆认证解决方案，能够有效避免传统水印技术的不可逆性以及不能还原被篡改内容等缺点，为数字信息资源的产权保护提供有力的技术支撑。

1　　研究现状

目前，用于数字资源产权保护的数字水印技术主要分为三类：鲁棒嵌入水印、零水印以及可逆水印。鲁棒嵌入水印是一种传统数字水印技术，主要是利用信号处理技术在数字作品的空域或频域中嵌入认证信息，检测时通过提取的认证信息来判别数字信息的版权归属。鲁棒水印技术主要考虑在外来攻击（如在数字作品上叠加噪音、对数字作品进行缩放、旋转及裁剪等）下是否仍能正确提取水印信息。过去十年有大量应用于数字资源版权保护的鲁棒数字水印方案被提出。邓成等［2］提出了一种基于仿射协变区域的抗几何攻击数字水印算法。兰宇琳［3］提出一种基于奇异值分解及独立成分分析的数字音频水印算法。Shao等［4］利用正交傅里叶-梅林矩和混沌映射实现了一种鲁棒水印方案。这些方案对常规信号处理、几何攻击以及组合攻击均具有较好的鲁棒性。

由于传统的鲁棒嵌入水印在水印的鲁棒性和不可感知性上的矛盾始终存在，为了解决这一问题，温泉等［5］提出了零水印技术，即采用数字媒体的重要特征去构造水印信息，在此过程中数字媒体自身并没有被修改。郝世博等［6］以数字图像为例，利用分块压缩感知技术对原始图像进行观测，将观测值与Arnold变换后的版权信息结合，构造零水印信息。该方法在一定程度上有助于图书馆、博物馆、档案馆数字信息资源的版权保护。Gao等［7］基于贝塞尔-傅里叶矩的不变性提出一种零水印方案，相对其他零水印技术，该方案能更好地抵抗信号处理及几何攻击。

尽管零水印不损害数字资源的原始性，但是在版权认证时，零水印存在需借助第三方并且具有较高的误警率等不足，这使得零水印技术的推广使用受到限制。近来，一种名为可逆水印的版权保护技术引起人们的重视。可逆水印嵌入水印信息到数字媒体，认证时通过提取嵌入的水印信息来判别版权归属，同时数字媒体在水印信息提取后能可逆还原至原始状态。Tian［8］首次利用邻居像素间差分的扩展嵌入水印信息，认证完成后进行嵌入过程逆向处理即可恢复原始数字信息。Dragoi等［9］提出一种基于像素块局部预测的可逆水印认证方案。姜明芳［10］提出一种面向电子图书的可逆可见水印方案。该方案在保护电子图书版权的同时，可提供用户预订与预览功能，仅授权用户可去除可见水印而获得高清电子图书。

虽然目前提出的基于可逆水印的版权保护方案具有较好的认证效果，但是大多数算法没有涉及数字资源的被篡改内容的定位及其恢复。

2篡改自恢复可逆认证方案

篡改自恢复可逆认证方案的主要思想是首先对数字图像进行可逆增强，因为嵌入水印会降低数字图像的可视性，而可逆增强可以提高数字图像的视觉质量，并且在需要的时候可以恢复被增强图像至原始状态。然后可逆地嵌入各图像分块的特征信息到相应的各分块像素中。当进行完整性认证时，认证者利用从各分块提取的信息来判断各图像分块的完整性，如果各图像块均完整，则该数字图像通过认证；否则认为非完整的分块受到篡改，并利用已有的信息，结合压缩感知重构技术实现对篡改分块的恢复。下面首先介绍认证方案用到的可逆图像增强及压缩感知技术，然后详细给出篡改自恢复可逆认证的具体设计方案，最后给出应用实例。

2.1可逆图像增强

通常可逆水印算法在嵌入水印时主要考虑嵌入容量及嵌入图像的峰值信噪比（PSNR），希望在尽可能嵌入更多水印信息的同时，保留较高的PSNR值。但嵌入容量与PSNR是一对矛盾体，很难实现最佳的折中。为了解决这个问题，有关文献［11］提出先通过对图像增强来改善图像的视觉质量，在实现增强的同时嵌入部分水印，然后在增强后的图像里再嵌入更多水印信息。因为图像质量在一开始已被增强，因而尽管有更多水印嵌入，图像的可视性仍有保证。同时采用的增强技术是可逆的，当需要的时候可以将嵌入图像还原为原始图像。

2.2压缩感知

压缩感知（CS）的概念于2006年由Donoho［12］正式提出后，便很快受到相关研究领域的国内外学者的高度重视，并于2007年被MIT评选为十大科技进展之一。压缩感知理论突破了经典香农定理的瓶颈，其核心思想是通过远少于奈奎斯特频率的釆样数据，同时实现信号的采样和压缩。

压缩感知理论主要由信号的稀疏表示、信号的线性测量和信号的重建算法组成。信号的稀疏表示是指如果信号投影到正交变换基后获得的绝大部分变换系数的绝对值接近零值，那么称生成的变换向量是稀疏或者近似稀疏的，同时该稀疏向量可以看作是原始信号的一种简洁表达。只有能被稀疏表示的信号才能应用压缩感知技术，换句话说，信号的稀疏表示是压缩感知的先验条件。信号的线性测量是通过稀疏表示的原始信号与事先选择的稳定性好的感知矩阵的乘积来获得原始信号的线性投影测量值，这里测量值的数据量远小于原始信号的数据量。最后，通过测量值及感知矩阵，并利用信号重建算法可重新构造出原始信号。

2.3具体设计方案

2.3.1水印嵌入过程

图1可逆水印嵌入过程框图

图1直观地显示了水印嵌入过程，具体步骤如下：

第1步：对数字图像进行可逆增强。通过对图像的直方图峰值进行平移以实现直方图均衡化，从而达到增强图像视觉质量的目的。在直方图平移的过程中以可逆的方式嵌入一些秘密信息，例如数字作品拥有者的版权信息等。

第2步：对增强后的图像进行分块处理，分块大小为16×16。然后对各分块进行随机置乱，置乱后的分块被划分为若干个分组，每个分组含16个分块。

第3步：对每个图像块分别进行余弦变换（DCT），因为每个分块含256像素，所以变换后的DCT系数为256个，这样每个分组就含有4096个DCT系数。每个分组的DCT系数可看作为1×4096矩阵，然后乘以一个满足正态分布的4096×368参考矩阵后得到1×368矩阵。矩阵中的368个数值称为参考值。

第4步：随机置乱所有分组的参考值，并将其划分为N/256个集合，每个集合含23个参考值。这里N表示数字图像的像素数量。

第5步：通过某量化函数将所有参考值量化为大小位于［-32，31］的整数形式，每个整数值用6比特表示，这样每集合就含有138比特参考值。

第6步：用64比特表示每分块的位置信息，即32比特被用来表示分块的第一个像素的横坐标，另32比特表示分块的第一个像素的纵坐标。然后每分块的64位位置比特、256×8位像素比特及对应的138位参考比特被输入一个哈希函数，通过计算输出得到31位哈希比特。

第7步：利用随机函数生成31位标签比特。然后31位哈希比特与31位标签比特进行异或运算后获得31位检测比特。

第8步：利用基于预测误差扩展的可逆嵌入算法［13］，将138位参考比特与31位检测比特共169位比特嵌入到相应的图像分块。基于预测误差的可逆嵌入算法通过相邻的三个像素来预测当前像素值，然后计算预测像素值和实际像素值的误差，并在误差扩展后进行比特信息的嵌入。如果第1轮不能完成所有169比特的嵌入，则可通过第2轮、第3轮等多轮执行来完成所有比特的嵌入。最后获得最终嵌入图像。

2.3.2水印提取及篡改检测过程

水印提取及篡改检测过程如图2所示：

第1步：对接收图像进行分块，分块大小为16×16。利用基于预测误差扩展的可逆提取算法［14］，提取各图像分块里嵌入的138位参考比特及31位检测比特。

第2步：类似于水印嵌入过程，获得各分块位置比特。然后将各分块的64位位置比特、256×8位像素比特及提取的138位参考比特输入哈希函数，通过计算输出得到31位哈希比特。最后，各分块的31位哈希比特与提取的对应的31位检测比特进行异或运算后获得31位标签比特。

第3步：比较各分块的标签比特，如超过40%的分块具有相同的31位标签比特，那么认为该31位标签比特是嵌入过程所使用的标签比特，并把这31位标签比特记为B。将所有分块的标签比特与B计较，把结果不一致的分块标记为保留块，结果不一致的分块标记为篡改块。如所有分块都与B一致，则表明没有篡改发生，该接收图像通过完整性认证。如存在篡改块，则完整性认证失败，可对篡改块内容进行恢复以进一步证明该遭受篡改图像是来自原始图像。

第4步：如接收图像通过完整性认证，则执行可逆增强算法的逆过程，提取嵌入的秘密信息并还原数字图像至原始状态，即获得与原始数字图像一致的图像。

第5步：如接收图像没有通过完整性认证，则采用与嵌入过程相同的方法对各分块进行随机置乱，置乱后的分块被划分为若干个分组，每个分组含16个分块。

第6步：针对每个分组，设被篡改分块的数目为z，首先把从（16-z）个保留块里提取的参考比特换算为十进制参考值，然后利用量化函数对参考值进行反量化。

第7步：利用反量化后的参考值、从保留块里计算得到的余弦变换系数以及嵌入过程用过的参考矩阵，通过公式计算获得z个篡改块的参考值的近似值S［14］。由于余弦变换系数大部分接近零，即具有稀疏性，因而可利用压缩感知重构技术对其重新构造。这里使用S和参考矩阵，通过正交匹配追踪算法［15］（一种压缩感知重构技术）重构出z个篡改块的余弦变换系数。因为压缩感知技术的有损性，重构出的余弦变换系数相比原始系数有小部分信息丢失。然后对这些余弦变换系数进行逆变换后生成恢复后的图像块。最后结合图像所有分组的保留分块，得到还原后的近似图像。近似图像相比原始图像虽然有部分信息损失，但总体上仍能体现图像原貌，这有助于进一步证明该接收图像是在原始图像上进行篡改后的结果。

图2可逆水印提取及篡改检测过程框图

2.4应用实例

采用通用测试数字图像Lena作为实例，应用本文提出可逆认证方案进行实验，测试结果如图3所示。图3（a）为原始Lena图像；图3（b）为应用本文方案的嵌入水印图像；图3（c）是对图3（b）进行完整性认证后可逆还原后的图像，计算衡量两幅图像质量相似度的客观指标PSNR（峰值信噪比），可得PSNR为无穷大，表明图3（c）和图3（a）完全一致，并且通过完整性认证的图像可以被还原至原始状态。图3（d）是对图3（b）进行篡改后的图像；对图3（d）进行的完整性认证失败后，自恢复篡改内容后的图像如图3（e）所示，可以看出，恢复后的图像虽然在篡改位置的内容和原始图像相比仍有些细微差别，但总体保持了原始图像的特征，从而间接证明了图3（c）是源自图3（b）。

图3测试结果.（a）原始Lena图像，（b）嵌入水印图像，（c）认证通过，还原后的图像，（d）遭受篡改后的图像，（e）篡改恢复后的图像

3　结束语

根据数字图书馆数字资源版权保护的研究现状，本文提出一种篡改自恢复可逆认证方案。通过应用可逆增强、压缩感知以及基于预测误差扩展的可逆水印技术，实现了对数字作品的完整性认证，并能将通过认证的数字作品还原至原始状态。通过标签比特能定位被篡改内容的位置，并利用从保留分块提取的参考值去恢复篡改分块的内容。恢复过程不需要借助外部数据，仅通过数字作品自身即可实现。最后通过实际用例证明了提出方案的有效性。

［1］杨子伍.数字图书馆建设中知识产权保护的关键技术［J］.河南图书馆学刊，2006（2）:115-117.

［2］邓成，李洁，高新波.基于仿射协变区域的抗几何攻击图像水印算法［J］.自动化学报，2010（2）:221-228.

［3］兰宇琳.数字图书馆音频信息资源版权保护研究［J］，数字图书馆论坛，2015（1）:42-46.

［4］SHAO Z，SHANG Y.Robust watermarking using orthogonal Fourier-Mellin moments and chaotic map for double images［J］. Signal Processing，2016（3）:522-531.

［5］温泉，孙锬锋，王树勋.零水印的概念与应用［J］.电子学报，2003（2）:214-216.

［6］郝世博，朱学芳.面向图博档的分块压缩感知图像零水印［J］.现代图书情报技术，2014（4）:87-93.

［7］GAO G Y，JIANG G P.Bessel-Fourier moment-based robust image zero-watermarking［J］.Multimedia Tools and Applications，2015（3）:841-858.

［8］TIAN J.Reversible data embedding using a difference expansion［J］.IEEE Transactions on Circuits and Systems for Video Technology，2003（8）:890-896.

［9］DRAGOI I，COLTUC D.On local prediction based reversible watermarking［J］.IEEE Transactions Image Processing，2015（4）: 1244-1246.

［10］姜明芳.适用于电子图书版权保护的可逆可见水印方案［J］.现代情报，2014（2）:58-61.

［11］WU H，DUGELAY J，SHI Y Q.Reversible image data hiding with contrast enhancement［J］.IEEE Signal Processing Letters，2015（1）:81-85.

［12］DONOHO D L.Compressed Sensing［J］.IEEE Transactions on Information Theory，2006（4）:1289-1306.

［13］THODI D M，RODRIQUEZ J J.Expansion embedding techniques for reversible watermarking［J］.IEEE Transactions on Image Processing，2007（3）:721-730.

［14］ZHANG X，QIAN Z，REN Y，etc.Watermarking with flexible self-recovery quality based on compressive sensing and compositive reconstruction［J］.IEEE Transactions on Information Forensics and Security，2011（4）:1223-1232.

［15］TROPP J A，GILBERT A C.Signal recovery from random measurements via orthogonal matching pursuit［J］.IEEE Transactions on Information Theory，2007（12）:4655-4666.

（编发：王域铖）

Reversible Authentication Scheme for Information Resources of Digital Library

GAO Guang-yong1，GONG Jin-lin2
（1.Institute of Network and Information Security，Jiujiang University，Jiujiang 332005，China；2.Library of Jiujiang University，Jiujiang 332005，China）

Aiming at the authentication issue raised from the tampered information resources of digital library，this paper proposes a solving scheme for the reversible authentication with self-recovery of tampered content.When the detected image is authenticated，we can determine if the tamper happens and the tampered image location only by the extracted detection bits.If the tamper does not happen，then it manifests that the content of detected image passes the integrity authentication and the image can be restored to its original state.Otherwise，the integrity authentication for the content of detected image fails，and then the tampered content is recovered by compressive sensing reconstruction.

digital library；reversible authentication；tamper recovery

G250.76

G250.76

A

2095-5197（2016）03-0044-05

高光勇（1973-），男，副教授，博士，研究方向：数字媒体信息安全；龚金林（1973-），男，副研究馆员，硕士，研究方向：数字图书馆信息处理。

2016-02-22