數(shù)字水印技術(shù)綜述

吳海濤++詹永照

摘要：介紹了數(shù)字水印技術(shù)的基本框架、主要攻擊方法以及評(píng)價(jià)標(biāo)準(zhǔn)，分析比較了數(shù)字水印算法中常用的經(jīng)典算法，包括空域算法、時(shí)域算法等，給出了國內(nèi)文獻(xiàn)提及較少的優(yōu)化類數(shù)字水印算法和近些年提出的NSCT分解，并介紹了數(shù)字水印技術(shù)常見的應(yīng)用領(lǐng)域。

關(guān)鍵詞：數(shù)字水??；多媒體數(shù)字產(chǎn)品；版權(quán)保護(hù)

DOIDOI：10.11907/rjdk.151500

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)

文章編號(hào)：16727800（2015）008004504

1 數(shù)字水印技術(shù)概述

1.1 數(shù)字水印技術(shù)定義

數(shù)字水?。―igital Watermarking）技術(shù)[1]，可以理解為在用戶提供的原始數(shù)據(jù)中，如視頻、音頻、圖像、文本、三維數(shù)字產(chǎn)品等載體上，通過數(shù)字水印技術(shù)手段，嵌入具有某些具有確定性和保密性的相關(guān)信息，稱之為水?。ㄍǔＳ捎脩籼峁绫硎景鏅?quán)信息的特殊標(biāo)志、logo、用戶提供的具有某些意義的序列號(hào)、文字或者是產(chǎn)品的其它相關(guān)信息等）。除某些特殊要求外，水印信息一般要求是不可見的，并有相應(yīng)的標(biāo)準(zhǔn)來評(píng)判其不可見性或透明性。數(shù)字水印技術(shù)發(fā)展至今，已經(jīng)逐漸由傳統(tǒng)的理論研究階段發(fā)展到實(shí)際應(yīng)用階段，且為了增加其安全性，常與密碼學(xué)相結(jié)合。

1.2 數(shù)字水印系統(tǒng)基本框架

一個(gè)完整的數(shù)字水印系統(tǒng)一般包含兩個(gè)模塊，即水印嵌入和水印提取與檢測(cè)[2]。在實(shí)際應(yīng)用過程中，為了進(jìn)一步保護(hù)用戶隱私，在嵌入水印之前，需要對(duì)原始水印進(jìn)行加密或置亂處理，這種處理方式通常都是有效的、不可逆的。因此，需要用戶提供一個(gè)有效的密鑰來完成這一過程，稱之為水印編碼或者加密，在水印提取過程中，同樣需要所有者提供該密鑰以便完成水印的提取過程，稱為解碼[34]。一個(gè)完整的數(shù)字水印系統(tǒng)可以用圖1表示。其中，水印提取過程中，并不一定需要借助原始數(shù)據(jù)。

原始水印可以有多種形式：隨機(jī)序列、字符、二維圖像等。在做最終的水印嵌入之前都需要進(jìn)行某種轉(zhuǎn)換以進(jìn)一步加強(qiáng)水印安全，在實(shí)際應(yīng)用過程中一般采用加密方式?？捎檬剑?）來表達(dá)水印嵌入過程：

其中，Iw表示嵌入水印后的圖像信息；I、W、K分別表示原始圖像、原始水印以及密鑰；E表示水印加密算法，A表示水印嵌入算法?？捎檬剑?）表示水印提取過程：

=D（K，（Iw，I|Iw，W|I））（2）

其中，表示提取后的水印信息；表示水印提取算法，在提取算法中可能會(huì)使用到原始數(shù)據(jù)或者原始水印信息；D表示解密算法。

1.3 數(shù)字水印攻擊方法

按照攻擊方法原理及目的不同，可將攻擊方法分為以下幾類：

1.3.1 消除性攻擊

消除性攻擊一般是以去除原始水印為目的。在經(jīng)過這類攻擊方法之后，很難從二維數(shù)據(jù)中重新獲得水印信息。

（1）有損壓縮及降噪攻擊。這類攻擊的使用較為廣泛，常見的圖像處理如圖像壓縮、降噪等均屬于此類。所謂的降噪可以將其理解為圖像的二次濾波，由一些人為設(shè)定的準(zhǔn)則來去除掉某些無用信息；壓縮則更為常見，如JPEG、MPEG標(biāo)準(zhǔn)等。

（2）解調(diào)攻擊。解調(diào)攻擊常見于各類濾波式攻擊方法中，如低通濾波、高斯濾波、中值濾波等。1998年，Langelaar G.C.等[5]第一次系統(tǒng)證明了解調(diào)攻擊的方法與危害，現(xiàn)在的數(shù)字水印算法已經(jīng)具備低通特性。

（3）平均聯(lián)合攻擊。聯(lián)合攻擊針對(duì)大量含有水印的數(shù)字產(chǎn)品，每次使用不同的密鑰或水印進(jìn)行檢測(cè)，最后以平均化的方法評(píng)估攻擊對(duì)象。如在不同的含有水印的數(shù)字產(chǎn)品中分別提取部分信息，或多次進(jìn)行平均化統(tǒng)計(jì)，則最終會(huì)得到一個(gè)幾乎完全不含任何水印的載體數(shù)據(jù)[6]。

1.3.2 幾何攻擊

相比于消除性攻擊，幾何攻擊并不直接消除載體數(shù)據(jù)中的水印信息，而是試圖通過破壞水印和原始數(shù)據(jù)之間的同步性，使得水印的相關(guān)性檢測(cè)或恢復(fù)變得不可能。載體數(shù)據(jù)中的水印信息雖然依然存在，但是相對(duì)位置早已錯(cuò)位。常見的攻擊方法，如旋轉(zhuǎn)、縮放、平移、剪切、圖像重構(gòu)、仿射變換等都屬于此類。從數(shù)字水印技術(shù)的提出發(fā)展至今，人們對(duì)抗幾何攻擊依然缺少簡(jiǎn)單有效的手段。造成幾何攻擊處理難度大的另一個(gè)原因則是不清楚攻擊者究竟使用了幾種攻擊手段?，F(xiàn)有的成熟水印嵌入算法可能對(duì)一種或者數(shù)種幾何攻擊具有較好表現(xiàn)，但面臨多種攻擊方式的組合時(shí)，則有可能表現(xiàn)得不盡如人意。

1.3.3 混淆攻擊或IBM攻擊

混淆攻擊最初由IBM提出，所以又被稱為IBM攻擊。混淆攻擊的目的是試圖通過偽造的水印信息或偽造的原始數(shù)據(jù)來達(dá)到侵害原始版權(quán)的目的。其基本原理為：設(shè)原始圖像為I，加入水印W之后的圖像記為IA=I+W；攻擊者會(huì)首先生成自己的水印W′，隨后創(chuàng)造一個(gè)偽造的原圖I′=IA-W′；此后，攻擊者即可聲稱其擁有IA的所有權(quán)。這種攻擊方式引起了研究者極大興趣，由于在混淆攻擊中同時(shí)存在著真實(shí)數(shù)據(jù)、真實(shí)水印、真實(shí)含水印數(shù)據(jù)、偽造數(shù)據(jù)、偽造水印、偽造含水印數(shù)據(jù)，因此要正確判斷數(shù)字產(chǎn)品的所有權(quán)，則需要在一個(gè)數(shù)據(jù)載體的幾個(gè)水印中決策出正確的水印信息。

除上述幾大類常見的攻擊方法外，還有專門針對(duì)水印加密過程的攻擊方法，以及針對(duì)水印實(shí)際應(yīng)用過程中的各種協(xié)議作出的攻擊等攻擊手段。

1.4 數(shù)字水印技術(shù)評(píng)判標(biāo)準(zhǔn)

可從如下方面評(píng)判數(shù)字水印技術(shù)[78]：

（1）不可見性/透明性。透明性是現(xiàn)代數(shù)字水印技術(shù)的一個(gè)最基本要求，在沒有特殊要求的情況下，數(shù)字水印算法不可以影響載體數(shù)據(jù)的有效性，至少是人眼不可見的。對(duì)于透明性更高的要求，則是嵌入水印信息之后的載體和原始數(shù)據(jù)的某些特性一致，其數(shù)據(jù)分布是不可感知的，以至于非法攔截者也無法判斷其中是否有水印信息存在?，F(xiàn)代水印技術(shù)中常用峰值信噪比（Peak Signal to Noise Ratio，PSNR）來評(píng)估數(shù)字水印的透明性。PSNR的計(jì)算公式如下：

PSNR=10·lg（MAX2IMSE）=20·lg（MAXIMSE）（3）MSE=1mn∑m-1i=0∑n-1j=0I（i，j）-I′（i，j）2（4）

其中，MAXI指圖像的灰度級(jí)，通常為255；MSE為原始圖像與檢測(cè)圖像之間的均方差（Mean Square Error，MSE）；I表示原始圖像；I′為嵌入水印之后的圖像?？梢钥闯?，PSNR值基本上由MSE的值確定，且PSNR值越大，表示圖像的透明性越高。

（2）魯棒性。魯棒性是現(xiàn)代水印技術(shù)對(duì)數(shù)字水印算法提出的另一個(gè)基本要求，即水印不能因?yàn)閷?duì)載體數(shù)據(jù)進(jìn)行簡(jiǎn)單的改動(dòng)或者標(biāo)準(zhǔn)化的圖像處理而輕易受到損壞。數(shù)據(jù)在傳輸過程中不可避免地會(huì)受到各種信號(hào)的干擾，如噪聲、濾波操作、重采樣、有損編碼壓縮、裁剪、縮放、旋轉(zhuǎn)等，數(shù)字水印被設(shè)計(jì)成不會(huì)由于這些常見的干擾而造成水印失真。對(duì)魯棒性更高的要求則是在面對(duì)各種惡意攻擊時(shí)，依然能夠盡量滿足提取檢測(cè)的條件。在現(xiàn)代水印技術(shù)中，魯棒性一般由歸一化互相關(guān)系數(shù)（Normalized Correlation，NC）來確定。NC值的計(jì)算公式如下：

NC（X，）=∑i∑jX（i，j）（i，j）∑i∑jX（i，j）2∑i∑j（i，j）2（5）

其中，X和分別表示原始水印和提取水印信息；NC值是一個(gè)小于1的小數(shù)，通常其值越大則表示提取出的水印效果越好。

（3）容量。容量被定義為能夠嵌入到原始數(shù)據(jù)中的有效水印的數(shù)量。水印容量通常是平衡透明性和魯棒性之間的關(guān)鍵因素。一個(gè)可以嵌入更大容量水印的算法其透明性和魯棒性可能會(huì)較差，因而需要在保證魯棒性和透明性的同時(shí)，盡可能加大水印的嵌入量。

（4）安全性。現(xiàn)有數(shù)字水印技術(shù)中，一個(gè)不安全的數(shù)字水印算法不可以被用于版權(quán)保護(hù)、數(shù)據(jù)認(rèn)證、非法數(shù)據(jù)跟蹤等任務(wù)中。與魯棒性相比，安全性更關(guān)注于數(shù)字水印的密鑰。如果一個(gè)惡意攻擊者使用了相同的數(shù)字水印嵌入算法，在水印信息沒有任何保護(hù)的情況下，則極有可能提取出水印，隨后由于偽造而造成的損失將是巨大的。此外，使用某些更為復(fù)雜、高效的數(shù)字水印嵌入算法，在一定程度上也可以增加數(shù)字水印的安全性。

（5）誤檢率。誤檢率在被提出之前，可能大部分?jǐn)?shù)字水印工作者并未意識(shí)到有這種問題的存在。水印誤檢是指使用正確的水印提取算法執(zhí)行水印的提取過程時(shí)，有可能從并沒有數(shù)字水印的偽載體中提取出一個(gè)水印信息；或者從正確的載體數(shù)據(jù)中提取不到正確的水印信息。雖然這些情況發(fā)生的概率較小，但確實(shí)存在這種可能。

2 常見數(shù)字水印算法分析比較

近年來，數(shù)字水印技術(shù)的發(fā)展取得了很大進(jìn)步，各種新的理論或算法隨著研究人員的不同，其設(shè)計(jì)框架與思路也在不停轉(zhuǎn)換。一些較為典型的數(shù)字水印算法主要有如下幾種。

2.1 空間域算法

空域算法一般是通過直接修改原始圖像的像素值來達(dá)到嵌入水印的目的。這種算法一般操作簡(jiǎn)單，具有一定的魯棒性，但透明性較差?？沼蛩惴ㄖ凶顬榈湫偷氖荓.F.Turner[9]與R.G.van Schyndel[10]等于1994年設(shè)計(jì)的最低有效位算法（LSB）。Schyndel等首次科學(xué)地闡明了數(shù)字水印的重要概念和魯棒水印檢測(cè)的通用方法，其原理是通過修改原始數(shù)據(jù)中的最低有效位來實(shí)現(xiàn)水印的嵌入。一幅普通的灰度圖像在計(jì)算機(jī)中存儲(chǔ)，其像素值介于0～255之間，隨意增減一個(gè)像素值而不會(huì)引起人眼視覺系統(tǒng)的感知。算法可以表示為：設(shè)待嵌入的水印為一個(gè)長(zhǎng)度為L(zhǎng)的M-序列，M={m（k），1≤k≤L}，則即可通過式（6）嵌入水印信息：

I′（i，j）=I（i，j）-mod（I（i，j），2）+m（k）（6）

其中，I′（i，j）表示對(duì)原始圖像每個(gè)像素點(diǎn)I（i，j）修改之后的值。這種水印嵌入方式有一定的魯棒性，且在不考慮圖像失真的情況下，可以嵌入的水印容量即為原始圖像的大小。但由于是直接替換了圖像的像素最低位，因而很容易去除，且對(duì)各種圖像處理攻擊魯棒性較差。

2.2 變換域算法

和空域算法不同，變換域算法一般通過修改圖像的其它附加屬性（如顏色、紋理、頻域）來嵌入水印，這種方法可以使圖像具有較高魯棒性的同時(shí)，保證含有水印的圖像具有較好的透明性。

1995年，Cox等[1112]最先將數(shù)字水印嵌入在原始圖像的DCT（Discrete Cosine Transform）域中，并由此開創(chuàng)了變換域水印的先河，該算法在數(shù)字水印技術(shù)中占有十分重要的地位。其基本思想是：首先采用DCT變換將原始圖像I轉(zhuǎn)換為頻域表示，隨后從I的DCT系數(shù)中選擇n個(gè)最重要的頻率分量，使之組成序列：S=s1，s2，…，sn，以提高對(duì)JPEG壓縮攻擊的魯棒性；然后以密鑰K為種子產(chǎn)生偽隨機(jī)序列，即原始水印序列：W=w1，w2，…，wn，其中wi（i∈[1，n]）是一個(gè)滿足高斯分布N（0，1）的隨機(jī)數(shù)；再將水印序列W疊加到序列S中，產(chǎn)生含水印的序列S′=s′1，s′2，…，s′n，使用S′替換掉原始圖像中的DCT系數(shù)序列S，再通過逆DCT變換（IDCT）得到含有水印的圖像。同時(shí)，水印的檢測(cè)依賴于一個(gè)手動(dòng)控制的閾值σ，當(dāng)相關(guān)性檢測(cè)結(jié)果大于σ時(shí)，則認(rèn)為含有水印，否則認(rèn)為沒有。該算法的思想較為簡(jiǎn)單具有一定的魯棒性，后來，通過其他學(xué)者的研究改進(jìn)，陸續(xù)出現(xiàn)了其它變換域算法，包括離散傅里葉變換（Discrete Fourier Transform，DFT）、離散小波變換（Discrete Wavelet Transform，DWT）等。

Ruanaida等[13]最先在1999年提出將數(shù)字水印嵌入在原始圖像的DFT域中。該算法和其它開創(chuàng)性算法類似，通過簡(jiǎn)單修改原始水印的相位值來嵌入水印：F（k1，k2）=F（N1-k1，N2-k2），其中F是離散傅里葉變換，N1、N2用于控制水印的嵌入量。該算法從對(duì)圖像的理解和通信理論角度指出相位調(diào)制更適合魯棒性水印。

Kunder等[14]最早嘗試將水印嵌入到圖像的DWT域中。其依據(jù)是圖像經(jīng)過小波分解后，原始圖像將會(huì)被分為若干子帶，這非常類似于人眼視覺系統(tǒng)在瀏覽圖片時(shí)將圖片分解為若干個(gè)部分。因此，圖片的空-頻轉(zhuǎn)換特性能夠很好匹配視覺系統(tǒng)。隨著MPEG4及JPEG2000圖像壓縮標(biāo)準(zhǔn)的公布，受其核心技術(shù)小波變換的影響，利用DWT分解嵌入數(shù)字水印的算法也越來越多。Kunder等最初的做法是分別對(duì)原始圖像及水印進(jìn)行小波分解，并在不同分辨率水平之下將水印小波系數(shù)疊加到圖像小波系數(shù)中，并在此之前，對(duì)水印的小波系數(shù)使用一種人類視覺模型約束進(jìn)行調(diào)制。

2005年以后，A.L.Cunha等在圖像處理方面提出了一個(gè)新算法，稱之為非下采樣Contourlet變換（nonsubsampled contourlet transform，NSCT）。NSCT算法具有平移不變形及旋轉(zhuǎn)不變性，其對(duì)于簡(jiǎn)單的幾何攻擊，如旋轉(zhuǎn)、平移、縮放等攻擊有較強(qiáng)的魯棒性，因此很快被用于圖像數(shù)字水印領(lǐng)域，并取得了相應(yīng)進(jìn)展。但NSCT分解的算法計(jì)算量遠(yuǎn)遠(yuǎn)大于其它變換域數(shù)字水印算法，很難做到數(shù)字水印嵌入時(shí)的同步性，目前也尚處于理論研究階段。

2.3 優(yōu)化類水印算法

20世紀(jì)90年代開始，人工智能及生物模擬算法為新的研究熱點(diǎn)，并誕生了許多優(yōu)秀算法，如模擬螞蟻群落采集食物過程的蟻群算法（ant colony optimization）、模擬鳥類運(yùn)動(dòng)的粒子群優(yōu)化算法（particle swarm optimization）、模擬生物遺傳的進(jìn)化算法（EA）、神經(jīng)網(wǎng)絡(luò)等[1518]。這類算法的提出也為數(shù)字水印算法帶來了新的生命力。雖然不能直接由這些算法嵌入水印，但在嵌入水印之后可利用此類算法優(yōu)化含水印的圖像，以達(dá)到魯棒性和透明性之間更好的平衡。

（1）粒子群優(yōu)化算法。粒子群優(yōu)化算法由Ebehart和Kennedy等于1995年提出，它以無質(zhì)量無體積的粒子作為個(gè)體，并為每個(gè)個(gè)體定義簡(jiǎn)單的運(yùn)動(dòng)規(guī)則，從而使整個(gè)粒子群呈現(xiàn)出復(fù)雜的特性，求解過程類似于在三維空間中求最短路徑，可用于求解復(fù)雜的優(yōu)化問題，在圖像分割、圖像識(shí)別、圖像壓縮、圖像融合領(lǐng)域均有其獨(dú)特應(yīng)用。K.Kuppusamy和K.Thamodaran提出一個(gè)基于PSO算法的主要用于版權(quán)保護(hù)的優(yōu)化水印方案。該方案使用常規(guī)的水印嵌入算法，如針對(duì)DCT域作水印嵌入時(shí)，使用PSO算法快速選擇子帶中的高能量子帶來嵌入水印。同時(shí)使用圖像質(zhì)量指數(shù)指標(biāo)（IQIM）來評(píng)估圖像失真。

（2）差分進(jìn)化算法。同PSO算法類似，差分算法也是進(jìn)化算法簇中的一員。第一個(gè)簡(jiǎn)單、快速、具有魯棒性的DE算法由Storn和Price于1995年提出，隨后，針對(duì)DE算法中縮放因子和交叉因子的選擇，不同的改進(jìn)算法先后被提出并用于數(shù)字水印領(lǐng)域。在國內(nèi)，使用DE算法優(yōu)化數(shù)字水印的文獻(xiàn)并不常見。Musrrat Ali等提出了一種基于DE算法的數(shù)字水印優(yōu)化算法。在水印嵌入過程中，依然使用傳統(tǒng)算法，將水印嵌入在原始圖像的DWTSVD域中，再對(duì)含有水印的圖像使用多種不同的攻擊方式進(jìn)行攻擊測(cè)試，最后使用差分進(jìn)化算法對(duì)水印嵌入強(qiáng)度加以優(yōu)化，以尋求一個(gè)面對(duì)不同攻擊時(shí)都有不俗表現(xiàn)的算法。

2.4 其它水印算法

（1）奇異值分解（Singular Value Decomposition，SVD）。奇異值分解是線性代數(shù)中的一種重要矩陣分解，是矩陣分析中正規(guī)矩陣酉對(duì)角化的推廣。在信號(hào)處理、統(tǒng)計(jì)學(xué)等領(lǐng)域有重要應(yīng)用。由于圖像在計(jì)算機(jī)存儲(chǔ)時(shí)的特殊性，因而完全可以使用線性代數(shù)中矩陣分解的方法來應(yīng)對(duì)圖像處理中的問題。單純使用SVD分解的方法來嵌入數(shù)字水印的文獻(xiàn)較少，經(jīng)典的做法是配合DWT分解和DCT分解，這類疊加算法通常對(duì)大部分攻擊都有較好的魯棒性。

（2）分形水印。分形（Fractal）是Mandelbrot在1977年提出的幾何學(xué)概念，圖像分形壓縮的基本原理是利用分形幾何中的自相似性來進(jìn)行圖像壓縮。Puate和Jordan[19]在1997年首先提出基于圖像分形壓縮原理的水印算法。該算法將原始圖像隨機(jī)分為若干個(gè)大小為n×n的塊，記為RB，并利用分形壓縮技術(shù)和塊周圍的搜索區(qū)域（LSR，Local Searching Region）建立一定的對(duì)應(yīng)關(guān)系，稱之為編碼。原始水印為一串二值序列，記為V=v1，v2，…，vn。水印的嵌入過程表示為：vi（i∈[1，n]）為1時(shí)，利用RB和其周圍大小為3n×3n的LSR的關(guān)系對(duì)RB進(jìn)行編碼；反之，則利用RB和周圍大小為2n×2n的LSR的關(guān)系對(duì)RB進(jìn)行編碼。實(shí)驗(yàn)表明，該算法對(duì)JPEG壓縮攻擊有較好的魯棒性，當(dāng)壓縮質(zhì)量為50%時(shí)，水印依然可以較好地被提取出來。但該算法計(jì)算量較大、速度慢。

（3）擴(kuò)頻水印。Tirkel等首先注意到擴(kuò)展頻譜技術(shù)可以用于數(shù)字水印的嵌入，隨后出現(xiàn)了一系列的基于擴(kuò)頻技術(shù)的數(shù)字水印算法。由于在圖像的高頻區(qū)域嵌入水印，則算法的透明性較高，但魯棒性較差；相應(yīng)地，在圖像的低頻區(qū)嵌入水印，則圖像的魯棒性良好，但不易控制透明性。擴(kuò)展頻譜技術(shù)可以將一個(gè)能量信號(hào)（原始水印信息）嵌入到每個(gè)頻帶，從而緩解這些矛盾。

2.5 數(shù)字水印典型應(yīng)用

目前，數(shù)字水印技術(shù)主要應(yīng)用于如下幾個(gè)領(lǐng)域：

（1）基于數(shù)字水印技術(shù)的版權(quán)保護(hù)。數(shù)字水印技術(shù)用于版權(quán)保護(hù)幾乎已達(dá)成共識(shí)，許多數(shù)字水印算法在設(shè)計(jì)之初是以版權(quán)保護(hù)為目的。目前，許多圖像處理公司通過和各種可信的第三方機(jī)構(gòu)合作，開始將數(shù)字水印技術(shù)用于商業(yè)化目的，如Digimarc公司的ImageBridge解決方案。該方案提供一個(gè)被稱之為ImageBridge的水印檢測(cè)器，該檢測(cè)器可以識(shí)別包括Adobe Photoshop和Corel PhotoPaint在內(nèi)的多種圖片格式。當(dāng)用戶使用該檢測(cè)器時(shí)，它可以識(shí)別出水印信息，并從遠(yuǎn)程數(shù)據(jù)庫中調(diào)取水印密鑰以確定作者身份。

（2）基于數(shù)字水印技術(shù)的指紋識(shí)別。該領(lǐng)域也是近年來數(shù)字水印技術(shù)中的熱門研究方向。在面臨各種需要個(gè)人唯一身份憑證的商業(yè)行為時(shí)，不可避免地會(huì)發(fā)生各種信息泄露狀況，對(duì)個(gè)人隱私造成極大威脅。指紋識(shí)別的興起正好可以解決這一問題。目前，指紋識(shí)別所面臨的主要問題是水印信息的來源，由于不能從公共數(shù)據(jù)庫中獲取大量的指紋信息，因此，目前大多數(shù)數(shù)字水印指紋識(shí)別還局限于在某個(gè)實(shí)驗(yàn)室或者科研機(jī)構(gòu)中進(jìn)行。

（3）拷貝控制。 嚴(yán)格來說，拷貝控制也算是版權(quán)保護(hù)領(lǐng)域中的一個(gè)應(yīng)用。其主要目的是使用脆弱水印防止他人誤用、盜用未經(jīng)授權(quán)的數(shù)字信息?？截惪刂茟?yīng)用頗為廣泛，尤其是在電子音樂、視頻等領(lǐng)域。

3 結(jié)語

隨著互聯(lián)網(wǎng)的發(fā)展，多媒體數(shù)字產(chǎn)品面臨的攻擊方式也逐漸呈現(xiàn)出多樣性與不確定性，這為數(shù)字水印技術(shù)帶來了新的挑戰(zhàn)。幾何攻擊依然是現(xiàn)代數(shù)字水印領(lǐng)域的難點(diǎn)之一，它尚無簡(jiǎn)單有效的解決方案。人工智能算法的引進(jìn)，給數(shù)字水印算法帶來了新的活力。目前，數(shù)字水印技術(shù)已經(jīng)應(yīng)用到實(shí)際生活中，但總體看來，其受眾依然較少，尚需進(jìn)一步研究和推廣。

參考文獻(xiàn)：

[1] VAN SCHYNDEL R G，TIRKEL A Z，OSBRNE C F.A digital watermark[C].IEEE International Conference on Image Processing，1994：8690.

[2] 向輝.基于信息重組思想的多媒體數(shù)據(jù)壓縮與多媒體數(shù)據(jù)安全技術(shù)研究[D].杭州：浙江大學(xué)，1999.

[3] L F TRUNER.Digital data security system[S].Patent IPN WO 89/08915，1989.

[4] BENDER W，GRUHL D，MORIMOTO N，et al.Techniques for data hiding[J].IBM Syst J，1996，35（3）：313336.

[5] GC LANGELAAR，RL LAGENDIJK，J BIEMOND.Realtime labeling of MPEG2 compressed video[J].Journal of Visual Communication & Image Representation，1998，9（4）：256270.

[6] KUTTER M，WINKLER S.A visionbased masking model for spread spectrum image watermarking[J].IEEE Trans.On Image Processing，2002，11（1）：1625.

[7] FABIENA P PETITEOLAS，ROSS J，ERSON，et al.Information hiding——a survey[J].Special Issue on Protection of Multimedia Content，1999，87（7）：10621078.

[8] M KUTTER，F(xiàn) A RPETITCOLAS.A fair bench mark for image watermarking systems[J].Electronic imaging'99 Security and Watermarking of Multimedia Contents，1999，3657（5）：226239.

[9] TURNER L F.Digital data security system[S].Patent IPN WO89/08915，1989.

[10] VAN SCHYDEL R G，TIRKEL A Z，OSBORNE C F.A digital watermark[C].IEEE International Conference on Image Processing，1994（2）：8690.

[11] COX I，KILIAN J.Secure spread spectrum watermarking for images，audio and video[C].in Proceedings of IEEE International Conference on Image Processing，1996.

[12] COX I，KILIAN J，LEIGHTON T.Secure spread spectrum watermarking for multimedia [ J].IEEE Transaction on Image Processing，1997.