数字水印实用容量与文档保护系统攻击分析
1. 数字水印实用容量分析
在数字水印的提取过程中,有时从图像中提取的水印由于错误超出纠错能力而无法解码,这种情况通常会导致“错误检测”,虽然对误报概率和阈值的影响很小,但为保证精确性,仍需考虑此类情况。
为使分析更具实用性,需满足以下要求:
-
易于执行
:分析不应耗费过多时间、计算能力和其他资源。当前理论计算水印容量的方法,需要从退化图像中获取检测统计量的平均值,这就需要针对特定数量的比特进行初步实验,此过程耗时且不实用。不过,可通过估计退化情况来解决这一问题。根据量化理论,像 JPEG 这类基于量化的压缩所造成的退化是可在一定程度上进行估计的。
-
易于扩展
:分析不应仅适用于特定的水印方案。实验中采用了改进版的拼凑算法,尽管这是一种空间域水印,但即使水印嵌入在频域,对分析也无影响。
近年来,众多水印算法被提出,部分算法的性能(包括可靠性)较难分析。但这些算法多用于隐写术,更注重方法本身或消息大小,而非可靠性,所以不一定需要精确分析其可靠性。
2. 改进版拼凑算法
实验使用的改进版拼凑算法与原算法的最大区别在于,它通过将图像划分为多个区域来嵌入多位水印。每个比特的嵌入模式包含数量相等的“+1”和“ -1”补丁,且这些补丁是伪随机散布的。第 i 个嵌入模式的补丁与第 j 个(j ≠ i)嵌入模式的补丁不重叠。若将所有比特的嵌入模式累加,结果中无零值。在累加前,当消息为“0”时,嵌入模式的符号会翻转。
制作水印模式后,会进行全局和/或局部调制以保持保真度,但实验中未结合人类视觉系统进行考虑。整个水印模式会放大 5 倍,不过纯色区域会被抑制为零。
提取水印时,使用相同的嵌入模式与图像进行内积计算。由于模式中“+1”和“ -1”数量相等,内积值预计为两个像素值之差的总和。若图像未加水印,差值预计分布在零附近;若加水印,则应有正或负值。由于补丁是伪随机散布的,差值可视为相互独立,根据中心极限定理,当每个比特的补丁数量足够大时,内积结果服从高斯分布。为标准化每个值,只需除以一个常数,该常数的设定是使未加水印图像的 xi 方差为 1,但加水印图像的方差不一定为 1。
3. 基于数字水印的文档保护系统面临的问题
随着数字成像技术的发展,利用该技术伪造货币等有价值文档的问题日益严重。为应对这一问题,一些公司和大学提出使用数字水印技术构建文档保护系统。该系统的主要思路是在多媒体硬件中集成水印检测功能,一旦检测到有价值文档的数字化或复制操作,操作系统将拒绝继续处理,并可向专门机构发送通知。
然而,该系统存在诸多安全威胁:
|威胁类型|具体描述|
| ---- | ---- |
|技术兼容性|系统架构不支持数字水印技术的未来增强,难以与未来的所有可能修改兼容。|
|密钥管理|采用基于公钥的密钥管理方案,使用公开密钥嵌入水印,无法达到足够的安全级别,可能导致所有人或数字成像系统制造商利用该密钥伪造文档或货币。|
|行业标准|该系统若成为全球数字行业的标准,目前缺乏水印技术的认证机制。|
|全球协议|系统的实际应用需要全球制造商和国家达成使用相同技术的协议,否则消费者可选择有无功能限制的系统,造假者也可从未参与协议的国家或公司订购成像设备。|
|设备复制|有足够技术和资金资源的造假者可复制最简单版本的成像设备。|
此外,还存在“替换攻击”,即造假者使用无水印检测器的设备或无水印的文档进行伪造。而且,已有大量针对数字水印的图像处理攻击方法可供攻击者和造假者利用。
4. 模糊/去模糊攻击
模糊/去模糊攻击的主要思路是同时利用数字水印技术的弱点和文档保护系统架构的缺陷。从图像采集系统开始,由于保护系统使用内置水印检测器的成像设备,造假者的首要攻击目标是阻止此类设备成功检测水印。
造假者可利用已知的水印技术弱点,如随机弯曲失真或图像平滑处理等,这些仍是大多数水印算法的薄弱环节。具体攻击方法包括:
- 在相机中改变焦距进行散焦或模糊处理。
- 将文档放置在离扫描仪或复印机工作表面一定距离处造成散焦。
- 在扫描或拍照时使文档和成像设备轻微相对移动。
- 将文档放置在与成像设备特定的平面上以产生投影几何变换。
这些操作可统一建模为:
[y = Hx + n]
[x = s + w]
其中,y 是成像设备输出的模糊图像,x 是加水印的图像或文档,H 是模糊算子,n 是成像系统的噪声,s 是原始图像,w 是通过某种加性线性水印技术创建的水印。几何失真可建模为全局仿射或投影变换。
模糊攻击可能导致图像质量下降,为解决这一问题,攻击者可利用技术对成像方程进行反演,以提高图像质量,具体方法将在下一部分介绍。
graph LR
A[原始图像] --> B[加水印图像 x]
B --> C[模糊操作 H]
C --> D[噪声 n]
D --> E[模糊图像 y]
5. 模糊图像的恢复
对成像方程 (y = Hx + n) 进行反演是一个不适定问题,需要采用专门的确定性正则化或随机方法。这里采用基于最大后验概率(MAP)估计器的随机方法:
[\hat{x} = \arg \max_{\tilde{x} \in \Re^N} { \ln p_n (y | \tilde{x}) + \ln p_X (\tilde{x}) }]
其中 (p_n (.)) 是噪声的概率密度函数,(p_X (.)) 是图像的先验分布。更一般地,也可以考虑像惩罚似然估计器,以及最小描述长度(MDL)估计器等。可以使用具有良好边缘保持特性的复杂图像先验模型,如马尔可夫随机场(MRF)、Huber、广义高斯、Talvar 或线模型。
由于考虑的是普通攻击者的攻击场景,恢复算法应易于实现,例如可以在 Matlab 中实现,或者其解决方案能在互联网上轻松找到。因此,选择图像 (x \sim N (x, R_x)) 的简单非平稳高斯模型,其中 (x) 是局部均值,(R_x) 是协方差矩阵,噪声 (n \sim N (0, R_n)) 也采用高斯模型。假设图像和噪声在条件下独立同分布,可以确定:
[\hat{x} = (H^T R_n^{-1} H + C^T R_x^{-1} C)^{-1} H^T R_n^{-1} y]
其中 (T) 表示转置,(C) 表示高通滤波(分解算子),也可以写成 (Cx = (I - A)x = x - Ax = x - \bar{x}),其中 (I) 是单位矩阵,(A) 是用于计算非平稳局部均值 (\bar{x}) 的低通滤波器。得到的解对应于维纳滤波器。
上述最大化问题可以使用逐次逼近法有效地求解,得到以下迭代公式:
[\hat{x}_{k + 1} = \hat{x}_k + \beta [H^T y - (H^T H + \lambda C^T C) \hat{x}_k]]
其中 (\hat{x}_k) 是第 (k) 次迭代的图像估计值,(\beta) 是松弛参数。为简化编程,可以使用关于图像的平稳假设。
6. 可能的攻击场景
基于上述模糊/去模糊攻击和图像恢复方法,存在多种针对数字化水印文档的攻击场景:
|攻击场景|具体描述|
| ---- | ---- |
|简单模糊攻击|直接使用上述提到的模糊操作,使水印检测失效,然后根据需要选择是否进行图像恢复以提高伪造文档的质量。|
|模糊 - 恢复 - 再模糊攻击|先进行模糊操作使水印检测失效,接着进行图像恢复提高图像质量,之后再次进行模糊操作以避免引起怀疑。|
|结合其他攻击的模糊攻击|将模糊/去模糊攻击与其他已知的图像处理攻击方法(如替换攻击)结合使用,增加攻击的复杂性和成功率。|
7. 分割/合并攻击
除了模糊/去模糊攻击,还存在分割/合并攻击。这种攻击的主要思路是将含有水印的文档进行分割,对分割后的部分进行处理(如去除水印或修改水印),然后再将处理后的部分合并成一个新的文档。这种攻击利用了水印在文档分割和合并过程中的脆弱性,使得水印检测系统难以准确检测到水印的存在或完整性。
8. 攻击结果与总结
经过对各种攻击场景的分析和实验,可以发现当前基于数字水印的文档保护系统存在诸多漏洞。模糊/去模糊攻击、替换攻击和分割/合并攻击等方法都可以被攻击者和造假者利用,使水印检测系统失效,从而实现伪造有价值文档的目的。
为了提高文档保护系统的安全性,需要进一步改进数字水印技术,增强水印对各种攻击的鲁棒性。同时,也需要完善系统架构,解决技术兼容性、密钥管理、行业标准和全球协议等方面的问题。未来的研究方向包括开发更先进的水印算法、优化水印检测机制以及建立更有效的水印技术认证体系等。
graph LR
A[原始水印文档] --> B[分割]
B --> C[部分处理]
C --> D[合并]
D --> E[伪造文档]
394



被折叠的 条评论
为什么被折叠?



