【论文翻译】Copyright Protection Based on Zero Watermarking and Blockchain for Vector Maps

Copyright Protection Based on Zero Watermarking and Blockchain for Vector Maps

标题：基于零水印和区块链的矢量图版权保护

作者：Na Ren ，Yazhou Zhao，Changqing Zhu，Qifei Zhou，Dingjie Xu

发布年份：2021

摘要

零水印不会改变矢量图数据中包含的原始信息，并提供完美的不可感知性。将零水印用于数据版权保护已成为数字水印研究的重要趋势。然而，由于零水印需要将版权信息存储在第三方，​​且难以确认版权归属，因此零水印的发展和应用遇到了巨大的障碍。针对现有零水印技术的不足，提出一种基于矢量数据角度特征的零水印构造方法，将零水印和版权信息经过异或运算后存储在区块链上。在提取水印时，可以通过异或运算提取版权信息，得到存储在区块链上的信息。实验结果表明，本文提出的零水印与区块链相结合，充分发挥了两种技术的优势，无损保护了数据的版权。与传统的零水印算法相比，所提出的零水印算法具有更强的鲁棒性。此外，提出的结合零水印和区块链的数据版权保护框架也可以应用于其他数据类型，如图像、音频、视频和遥感图像。

1.引言

矢量数据广泛应用于地理信息行业。由于向量中存储的数据量少，且更新速度快，易于复制和分发，这些数据很容易受到非法侵权和盗用。有效的版权保护一直是数据安全领域的主要关注点。数字水印技术为保护矢量数据的版权提供了良好的技术支持[1]。现有的矢量数据数字水印算法主要分为空间域[2-4]和频域[5,6]算法。这两种方法通过直接或间接修改坐标值来嵌入水印信息。这种嵌入模型不可避免地会导致矢量图数据的准确性损失。尤其是对数据精度要求较高的矢量数据，精度的破坏会直接降低数据质量[7]。在这种情况下，无损水印技术可以在不损失原始数据准确性的情况下提供版权保护，因此比传统水印更具优势。因此，矢量数据的无损版权保护技术成为数据安全的研究热点。

目前，矢量数据的无损版权保护主要有3种领先技术。第一个是可逆水印，它在提取水印后完全恢复原始载体数据[8-10]。数据恢复后失去保护，但可逆水印避免了数据准确性的损失。因此，可逆水印不能为数据提供永久的版权保护，这是可逆水印面临的现有问题之一。

第二种无损水印技术是通过修改属性域来嵌入水印。这种方法将水印信息嵌入到矢量数据属性中，并调整存储顺序以实现版权保护[11-13]。例如，孙等人。 [11] 根据矢量地图文件格式TAB文件结构在数据属性中隐藏水印信息。嵌入后水印被有效隐藏，因为每个向量对象在定义属性时都保留了冗余空间。然而，由于他们的方法为属性数据选择了一个冗余空间，在处理数据嵌入水印时最有可能丢失，因此该方法的实用性较差。周等人。 [12]提出了一种基于存储特征的无损水印算法，该算法根据所选线的长度和角度确定水印位置。然后根据水印的值（零或一）改变线元素中弧点的存储顺序。该算法通过调整圆弧点的存储顺序来实现矢量图线元素的版权保护。但是，该算法仅适用于矢量线元素，不适用于矢量点或面元素。基于周，任等人的工作。 [13]给出了用矢量点和面积元素构造弧段的规则，这改进了先前开发的算法，使其实现了对所有矢量数据元素的版权保护；新方法反映了强大的稳健性和不易察觉性。但是任和周的方法在嵌入水印时破坏了存储顺序，这不适合特征或顶点重新排序的情况。因此，他们算法的功能对象相对有限。换句话说，这种无损水印算法通过将其嵌入到属性域中，在不损失任何精度的情况下提供版权保护。尽管如此，嵌入的水印很可能被盗版破坏，破坏水印后得到的无损数据仍有用处。

第三种无损水印技术是零水印。零水印算法是结构水印算法，其关键是从给定数据中提取稳定的特征信息来构造水印[14]。目前对矢量数据零水印的研究可分为空间域和频域研究两大类。空间域包括通过特定方法构建例如特征点[7]、距离序列[15]和角度序列[16]的平均坐标。这种算法对几何攻击、裁剪、压缩等水印攻击具有一定的鲁棒性。频域包括通过离散傅里叶变换（DFT）[17]和小波变换[18]等频域变换方法构造零水印。这类方法比空间域算法具有更强的鲁棒性和更高的计算复杂度。零水印算法将其构造的水印注册到知识产权（IPR）中，以抵抗解释攻击[19-21]，而不是将水印信息嵌入数据中。解释攻击是国际商业机器公司（IBM）提出的一种攻击水印的方案。攻击方案既不擦除也不使目标水印无效。它通过伪造原始图像或对图像加水印来产生版权混淆[22]。遗憾的是，零水印的实际应用往往受到一系列因素的制约，如所需的注册期限、成本、知识产权的可信度等。

也就是说，可逆水印可以在提取后恢复数据，但同时恢复的数据失去版权保护。此外，虽然修改属性域嵌入水印可以保护数据，保证准确性，但破坏了数据的准确性，可能导致数据被盗。零水印可以为数据提供永久的版权保护而不会损坏。而且构造的水印信息与坐标精度密切相关，弥补了上述两种方法的不足。然而，零水印技术由于严重依赖集中的第三方版权机构，在实际应用中存在巨大的局限性。如果解决第三方版权机构认证的需求，零水印可以成为无损版权保护技术领域的理想解决方案。

因此，在上述研究的基础上，本文深入分析了矢量数据的空间关系，提出了一种基于角度特征的鲁棒零水印算法。除此之外，我们引入区块链技术来解决零水印从根本上依赖IPR的问题。这将是一次新的探索，将为进一步研究和开发矢量数据的零水印提供新的机会。

2.基本思路和预备知识

本文首次将区块链技术引入到零水印的版权保护过程中。提出了一种基于区块链的矢量数据零水印存储框架。在这个框架下，给定数据的分布是同步的，并以零水印链接。在将数据分发给用户时，将数据的零水印信息与双方信息链接到区块链，生成并保存版权证书。该框架将区块链引入零水印，提供有效、安全、可追溯的版权保护方案。

此外，本文提出的基于角度特征的零水印算法的基本思想如下：首先，对矢量图的线和面进行压缩，提取特征点。然后，通过构造同心圆来提取特征点的角度序列。最后，在版权图像和角度序列之间进行异或运算，得到多个零水印。实验表明，该算法完全抵抗平移、旋转和缩放攻击，对压缩、裁剪和添加攻击具有良好的鲁棒性。

2.1.零水印

因为有几个节点连接着向量线元和面元的线段，所以我们把这两种类型的元素看作一组节点。能够反映矢量数据全部特征的点被认为是特征点。为了抵抗简化攻击，我们使用 Douglas-Peucker 算法压缩矢量数据以选择特征点并计算这些特征点的平均值。我们画了几个以均值为中心的同心圆，以版权图像的二进制序列的长度确定的数字序列为半径。然后，我们计算每个圆中每个点的角度值，并对由这些值组成的序列进行二值化。之后，我们可以在角度的二进制序列和版权图像序列之间进行异或运算，以提取零水印。该算法保证了水印特征在空间中的均匀分布，提高了水印抵抗各种攻击的能力。零水印的构建过程如图1所示。

2.2.区块链

传统的零水印算法将水印信息发送给IPR进行注册，以确保获得的水印具有可信的版权属性。当面临版权纠纷时，我们可以通过专为版权保护而设计的公共算法来恢复版权。但是，这种方法由于审核周期长、成本高、无法追溯侵权等问题，对于海量地理数据的保护是不现实的。区块链的出现为上述问题提供了正确的解决方案。

2.2.1.区块链技术

区块链技术最早是由一位名叫 Satoshi Nakamoto 的学者在其 2008 年发表的论文《比特币：一种点对点电子现金系统》中提出的[23]。

2.2.2.蚂蚁区块链开放联盟

现在有很多成熟的区块链应用，比如比特币[24]、以太坊区块链[25]、蚂蚁链[26]。其中，蚂蚁链是国内最新、最受欢迎的区块链应用。广泛应用于金融、数字版权保护、政务等诸多领域。蚂蚁区块链开放联盟是蚂蚁链中面向企业和开发者的区块链网络，无需搭建，可快速链接。我们从以下几个方面简单介绍一下蚂蚁区块链开放联盟：

• Smart contract
  这是一种计算机协议，旨在以基于信息的方式传播、验证或执行合同。智能合约是以数字形式定义的一组承诺，包括合约参与者可以执行这些承诺的协议。智能合约允许在没有第三方的情况下进行可信交易，具有可追溯性和不可逆转性。
• Gas
  这里使用智能合约来衡量虚拟机中计算和存储的消耗，可以防止恶意攻击和计算和存储的浪费。
• Virtual machine
  虚拟机是基于本机操作系统模拟物理机的高级抽象。它允许同一个平台在许多不同的平台上运行硬件架构和操作系统。区块链中的虚拟机主要用于在链上运行智能合约。
• World stata
  区块链账户的存储状态包括所有账户的基本存储状态和合约账户的内部存储状态。合约平台可以理解为一种交易的“状态机”。世界状态描述了当前的基本存储状态。执行智能合约后，世界状态可能会变成另一个新的世界状态。
• Consensus algorithm
  这是分布式系统中数据一致性保证的算法，通过一定的协议交互来保证多个参与者的数据一致性。标准算法包括PDFT、RAFT、POW、POS等。
  如图 2 所示，区块链是一个不断增长的记录列表，称为块，通过密码学链接。每个块都包含前一个块 [24] 的加密哈希值、时间戳和交易数据。当应用于基于零水印的版权保护时，一旦提取的水印信息上传到区块链，区块链中的每个节点都会在虚拟机中执行智能合约代码。然后，就可以就智能合约的执行结果达成共识。最后，世界状态将被更新，新的区块将被生成。一旦区块上链，区块链中的每个节点都会包含一个区块的备份，从而消除了数据中心化的风险[27]。与传统知识产权相比，区块链的应用使得矢量数据的保护更加可信。
  

3.方法

3.1.零水印算法

3.1.1特征点提取

在本文中，经典的 Douglas-Peucker 算法用于数据压缩。其基本思想是：连接曲线的首末节点，确定一条直线，求曲线中点到直线的最大距离dmax。比较dmax和预先给定的阈值D，如果dmax < D，则删除所有中间点，处理后保留头和尾节点。如果dmax≥D，则将这些节点分成两组，然后重复上述步骤，直到处理完所有节点。

Douglas-Peucker 算法的流程如图 3 所示，点集 u = {1, 2, 3, 4, 5, 6, 7, 8} 包含代表曲线的所有节点。根据给定阈值 D，曲线最终简化为 UD = {1, 4, 6, 7, 8}。原始曲线的轮廓仍然保留。

(a) 连接曲线起点和终点两点之间的直线，求其余点与直线之间的距离。 (b) 选择最大值与阈值进行比较。如果大于阈值，则保留离线最大距离的点。否则，直线两端之间的所有点都将被四舍五入，我们保留点 4。 © 根据保留的点，将已知曲线分成两部分，重复第一步和第二步，直到有没有要四舍五入的点。最后得到满足给定精度限制的曲线点坐标。 (d) 1、4、6、7、8点保留，其他点省略以简化线路。