基于區(qū)塊鏈的全媒體數(shù)字圖像版權(quán)保護方法研究

徐 澤 曹三省

（1.中國傳媒大學(xué)媒體融合與傳播國家重點實驗室，北京 100024；2.中國傳媒大學(xué)信息科學(xué)與技術(shù)學(xué)部，北京 100024）

導(dǎo)語

伴隨著信息科學(xué)技術(shù)和智能科學(xué)技術(shù)的持續(xù)進步，我國自2014年開始進入媒體融合發(fā)展的賽道。媒體行業(yè)從單一的廣播、電視、報業(yè)等為主的傳統(tǒng)媒體模式，逐步過渡到新媒體與傳統(tǒng)媒體深度融合的全媒體模式。

全媒體時代，圖像作為媒體傳播信息的主要手段之一，其內(nèi)容的直觀性和生動性受到大眾的喜愛，圖像的傳播載體也越來越多樣化，呈現(xiàn)形式也非常多樣化，媒體機構(gòu)對圖像的需求越來越大。[1]據(jù)統(tǒng)計，我國互聯(lián)網(wǎng)上每年圖像的使用量高達6000多億張，各大媒體機構(gòu)消費430億張圖片，圖片已經(jīng)成為媒體內(nèi)容的重要組成部分，在媒體資源的交流中，圖片占據(jù)了很大的比例。由于在人工智能技術(shù)的支持下，數(shù)字圖像更加易于再處理和傳播，同一圖像的不同版本也可能在媒體資源交換過程中重復(fù)交換，從而損害圖像所有者的權(quán)益。傳統(tǒng)的圖像版權(quán)注冊方式大多是集中化、形式化的，需要第三方權(quán)威、可信機構(gòu)提供相應(yīng)的證書，以確定圖像的拍攝時間、地點和拍攝對象。冗長的著作權(quán)登記過程使著作權(quán)登記面臨處理時間長、周期長等問題。版權(quán)集中化的儲存模式與全媒體時代的去中心化創(chuàng)作模式和去產(chǎn)權(quán)化傳播模式是矛盾的，不利于全媒體融合生態(tài)的發(fā)展。區(qū)塊鏈技術(shù)的興起為圖像版權(quán)去中心化注冊和全媒體融合背景下的媒體資源交換問題提供了新的解決方案。

近年來，全媒體背景下的數(shù)字化傳播帶來的版權(quán)作品侵權(quán)問題日益突出，影響了版權(quán)主體的創(chuàng)作和共享積極性，嚴重影響著數(shù)字媒體生態(tài)的平衡發(fā)展。圖像在經(jīng)過廣泛傳播后，很容易受到各種形式再創(chuàng)作的影響，如對圖像進行亮度調(diào)整、大小變換修改等，形成同一圖像在網(wǎng)絡(luò)上流傳多個版本的混亂現(xiàn)象?，F(xiàn)有研究主要集中在如何將區(qū)塊鏈技術(shù)應(yīng)用于數(shù)字圖像版權(quán)保護中，實現(xiàn)安全可信的版權(quán)交易和圖像信息的準確溯源，并沒有根據(jù)圖像的特點擴展溯源范圍。因此，通過對區(qū)塊鏈技術(shù)和其他技術(shù)進行深入研究，探索一種針對原創(chuàng)圖像交易和再創(chuàng)圖像溯源的版權(quán)保護方法，對實現(xiàn)全媒體時代資源交換過程中利益公平性有非常深遠的意義。

1.全媒體數(shù)字版權(quán)保護相關(guān)工作綜述

1.1 全媒體時代數(shù)字版權(quán)保護的研究現(xiàn)狀

隨著數(shù)字技術(shù)的發(fā)展，傳統(tǒng)出版物的數(shù)字化和數(shù)字出版形式的多樣化，導(dǎo)致我國數(shù)字出版模式逐步呈現(xiàn)多元化的態(tài)勢。除此之外，全媒體背景下數(shù)字作品的傳播呈現(xiàn)大眾化、快速化、便捷化、融合化等特點，使得數(shù)字版權(quán)保護問題更加復(fù)雜。

DRM技術(shù)作為集合數(shù)字水印、數(shù)字加密、數(shù)字簽名及數(shù)字指紋的一套技術(shù)集，是傳統(tǒng)媒體模式下數(shù)字版權(quán)保護的技術(shù)保證，也一直是本領(lǐng)域?qū)W者研究的重點?；跀?shù)字水印和指紋技術(shù)，劉欣亮等人[2]提出面向多媒體的數(shù)字版權(quán)保護系統(tǒng)。當發(fā)生侵權(quán)糾紛時，可以通過提取可疑侵權(quán)作品中的水印來實現(xiàn)侵權(quán)識別的效果。在移動終端，考慮到用戶對不同類型的多媒體數(shù)字資源的嵌套和復(fù)合購買的需求，余芳[3]設(shè)計了一個面向移動終端的多媒體版權(quán)保護系統(tǒng)，系統(tǒng)利用加密技術(shù)和數(shù)字水印技術(shù)對數(shù)字內(nèi)容在整個生命周期進行版權(quán)保護。蔣銘[4]針對多媒體數(shù)字版權(quán)保護水印算法進行系統(tǒng)研究，分別提出了針對JPEG圖像版權(quán)保護的水印算法和基于MPEG-2的數(shù)字視頻水印算法。在政策層面，近幾年國家相繼出臺數(shù)字版權(quán)保護的政策法規(guī)，在《中國著作權(quán)法》框架下，《手機出版標準體系表》《動漫出版標準體系》等一批標準規(guī)范的出臺，將對提高數(shù)字出版質(zhì)量、擴大數(shù)字出版受眾范圍起到有力的促進作用。此外，隨著“中國數(shù)字出版聯(lián)盟”“中國數(shù)字版權(quán)保護聯(lián)盟”等協(xié)會的成立，對規(guī)范和保護數(shù)字版權(quán)發(fā)揮了積極作用。

區(qū)塊鏈技術(shù)的出現(xiàn)為媒體行業(yè)的版權(quán)確權(quán)、保護和輿論監(jiān)督提供了新的解決方案，并已廣泛應(yīng)用于媒體融合過程中的不同具體場景。劉玲武等人[5]從融媒體環(huán)境下版權(quán)保護的困境出發(fā)，以區(qū)塊鏈技術(shù)的特點為論據(jù)，論證了區(qū)塊鏈技術(shù)在版權(quán)保護中可能遇到的具體問題。圍繞討論在融媒體時代區(qū)塊鏈技術(shù)如何助力保護數(shù)字媒體的版權(quán)問題，曾春等人[6]針對“北京云”融媒體平臺建設(shè)提出了相應(yīng)的解決方案。全媒體場景下，數(shù)字版權(quán)保護將會迎來新的機遇與挑戰(zhàn)。

全媒體時代下，隨著5G、人工智能、區(qū)塊鏈、VR/AR等技術(shù)的快速發(fā)展，媒體作品的創(chuàng)作、傳播和使用方式不斷豐富。一方面，新模式、新業(yè)態(tài)、新平臺不斷涌現(xiàn)，版權(quán)確權(quán)和保護已成為制約數(shù)字經(jīng)濟快速增長的重要瓶頸之一。另一方面，融合網(wǎng)絡(luò)的版權(quán)保護也面臨著更大的挑戰(zhàn)。當前，對數(shù)字版權(quán)保護問題的研究主要存在版權(quán)保護意識薄弱、技術(shù)應(yīng)用片面化、阻礙信息傳播等局限性。[7]

1.2 相關(guān)技術(shù)概況

1.2.1 Hyperledge Fabric平臺

超級賬本平臺（Hyperledger Fabric）是Linux基金會在2015年啟動的Hyperledger項目下的模塊化區(qū)塊鏈框架[8]，采用模塊化結(jié)構(gòu)，在設(shè)計上支持可插拔的共識機制，能夠根據(jù)用戶的不同需求定制實現(xiàn)，有良好的可擴展性。是一個提供分布式賬本解決方案的聯(lián)盟鏈平臺，其架構(gòu)如圖1所示。

圖1 Hyperledger Fabric平臺架構(gòu)

本文基于超級賬本平臺進行二次開發(fā)，一方面定制滿足全媒體數(shù)字圖像傳播場景的區(qū)塊鏈融合網(wǎng)絡(luò)；另一方面對區(qū)塊鏈自身散列算法進行改造，移植適合圖像相似度檢測的算法到區(qū)塊鏈系統(tǒng)中。如此，不僅可以實現(xiàn)原創(chuàng)圖像快速上鏈，保證圖像版權(quán)交易安全可信。而且可以對圖像進行全面溯源，再創(chuàng)圖像雖不能上鏈，但根據(jù)相似度區(qū)塊鏈系統(tǒng)會將鏈上相關(guān)圖像的溯源信息反饋給用戶。

1.2.2 相似度檢測算法

媒體信息以文字、圖像、聲音等載體形式在網(wǎng)絡(luò)中傳播共享，通過相似度檢測一方面可以追溯數(shù)字作品的版權(quán)信息，另一方面可以輔助確定經(jīng)二次創(chuàng)作媒體信息的版權(quán)。由于不同載體形式的媒體信息的相似度檢測存在很大差異，本文主要針對數(shù)字圖像的版權(quán)保護進行研究。當前，圖像相似度檢測算法分為傳統(tǒng)相似度檢測算法、基于特征點的相似度檢測算法及基于深度學(xué)習(xí)的相似度檢測算法。傳統(tǒng)的圖像相似性算法主要是散列算法，散列算法也是最常用的圖像相似性算法之一。[9]常用的散列算法包括平均散列算法、差異值散列算法和感知散列算法。這3種算法對圖像進行散列生成一組二進制數(shù)字，并通過漢明距離算法計算圖像之間的距離來判斷圖像的相似性。兩幅圖像越相似，圖像之間的距離越小?；谔卣鼽c的圖像相似性檢測算法不同于傳統(tǒng)的圖像相似性檢測算法。該方法主要利用圖像的特征點來完成相似度計算。圖像特征點是指代表圖像中重要位置的點，類似于函數(shù)的拐點。通過提取圖像的特征點，對兩幅圖像的特征點進行匹配。匹配的特征點越多，兩幅圖像之間的相似度越高。[10]常用的算法有ORB特征檢測算法和尺度不變特征轉(zhuǎn)換算法。當前，基于深度學(xué)習(xí)的圖像相似度檢測算法因其在特征提取上快速、精準的優(yōu)點，一直是人們研究的重點。該算法利用神經(jīng)網(wǎng)絡(luò)模型對圖像進行特征表征，對模型進行預(yù)訓(xùn)練構(gòu)成特征提取器，再將提取的圖像特征與傳統(tǒng)的模式識別算法相結(jié)合，完成圖像的相似度檢測。但由于基于神經(jīng)網(wǎng)絡(luò)的圖像相似性算法可移植性差，算力需求高，對實驗設(shè)備配置要求高。算法必須在早期通過大量樣本數(shù)據(jù)進行模型訓(xùn)練來實現(xiàn)實時檢測，才能使相似度計算結(jié)果的數(shù)據(jù)質(zhì)量可以有很好的性能。因此，本文研究中不考慮使用基于深度學(xué)習(xí)的相似度檢測算法。

2.全媒體數(shù)字版權(quán)保護方法研究

2.1 總體框架設(shè)計

全媒體環(huán)境下，各媒體機構(gòu)間的業(yè)務(wù)交流和合作變得越來越頻繁、緊密。數(shù)字圖像在傳播過程中的版權(quán)交易會涉及多個政府機構(gòu)、融合媒體機構(gòu)及許多獨立用戶，Hyperledge Fabric平臺基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)不能完全滿足條件。利用區(qū)塊鏈技術(shù)與政府、媒體機構(gòu)、個人創(chuàng)作者共同構(gòu)建區(qū)塊鏈融合網(wǎng)絡(luò)，在該網(wǎng)絡(luò)中實現(xiàn)對數(shù)字圖像的版權(quán)登記（圖像上傳）、交易（圖像獲?。?、確權(quán)（圖像溯源）。結(jié)合差異值散列相似度檢測算法有效防止圖像二次創(chuàng)作后被重復(fù)上鏈，使用差異散列算法對待上鏈的圖像進行審計，不僅可以保護媒體機構(gòu)之間的數(shù)據(jù)隱私，同時也保證了媒體資源交易的公平性，維護了版權(quán)所有者的利益?？傮w框架設(shè)計如下圖2所示。

圖2 方法框架圖

2.2 數(shù)字圖像的版權(quán)交易

在全媒體數(shù)字圖像版權(quán)交易的具體場景下，傳統(tǒng)的聯(lián)盟鏈網(wǎng)絡(luò)結(jié)構(gòu)已無法滿足多主體融合的安全可信交易需求。在各機構(gòu)現(xiàn)有媒體資產(chǎn)系統(tǒng)不受影響的情況下，要求所有版權(quán)交易參與者在機構(gòu)之間進行安全的點對點媒體整合行為，該行為是透明的，以確保交易數(shù)據(jù)的安全性和可信度。在區(qū)塊鏈技術(shù)的基礎(chǔ)上，我們選擇Hyperledger Fabric開源框架來設(shè)計媒體融合的多代理合作網(wǎng)絡(luò)，它可以為媒體內(nèi)容交易提供一個分散和部分隱私環(huán)境。當前，媒體數(shù)據(jù)呈現(xiàn)大量、高速、多樣化等特點，考慮到系統(tǒng)運行效率、計算成本，在版權(quán)交易過程中我們設(shè)計了一種“鏈上+鏈下”的存儲機制，鏈上采用區(qū)塊鏈自帶的存儲方式——LevelDB，主要用來存儲各媒體機構(gòu)的圖像信息，包含圖像標識ID、圖像名稱Name、圖像散列特征值ImageHash、圖像所屬機構(gòu)ImageOwner、圖像金額Price、圖像交易發(fā)生時間Time；鏈下則是關(guān)系型數(shù)據(jù)庫——MySQL，主要是構(gòu)建本地內(nèi)容元數(shù)據(jù)庫，存儲圖像的明文信息及動態(tài)提取驗證信息。整個交易過程包括交易請求（購買版權(quán)）、交易響應(yīng)（消息認證）、交易回復(fù)（獲取內(nèi)容）、交易查詢（版權(quán)流轉(zhuǎn)記錄）、交易完成（區(qū)塊同步），整個交易流程如下圖3所示。

圖3 數(shù)字圖像版權(quán)交易流程圖

2.2.1 交易請求

用戶在全網(wǎng)發(fā)起交易請求，完成對數(shù)字圖像版權(quán)的購買。該階段需要將交易發(fā)起方、收款方和金額作為參數(shù)輸入，以觸發(fā)自動結(jié)算。首先，從狀態(tài)數(shù)據(jù)庫中獲取交易雙方的賬戶數(shù)據(jù)，并讀取其賬戶金額。根據(jù)交易發(fā)起人傳入的交易金額修改賬戶金額。從發(fā)起交易的機構(gòu)賬戶中扣除該金額，并將該金額轉(zhuǎn)入正在交易資源版權(quán)所有方的賬戶金額。金額結(jié)算完成后，需要將參與結(jié)算的交易雙方賬戶重新進行寫操作，同時請求方會獲得標識該圖像資源的唯一ID。自動結(jié)算的完成意味著交易請求過程中版權(quán)轉(zhuǎn)讓安全交易已完成，多主體協(xié)作網(wǎng)絡(luò)已將金額在無須第三方信任機構(gòu)的情況下完成轉(zhuǎn)賬。區(qū)塊鏈網(wǎng)絡(luò)環(huán)境與智能合約保障了金額交易過程的完全可信。

2.2.2 交易響應(yīng)

待收到請求后，網(wǎng)絡(luò)中管理員節(jié)點會對請求節(jié)點及響應(yīng)節(jié)點進行身份認證、交易認證。管理員節(jié)點此時具有“背書節(jié)點”的功能，首先驗證交易請求方、響應(yīng)方的簽名，如果發(fā)送請求和響應(yīng)請求的節(jié)點已經(jīng)通過了身份驗證，則繼續(xù)，否則終止交易。驗證通過后，再驗證交易金額是否符合交易額度（請求方賬戶余額不足以支付此次交易），基于當前賬本狀態(tài)對相應(yīng)的鏈碼進行交易執(zhí)行，生成一個讀寫集（包含本次交易執(zhí)行讀取的數(shù)據(jù)以及更新的數(shù)據(jù)），但此時區(qū)塊鏈賬本狀態(tài)并不會被更新。最后將請求的執(zhí)行結(jié)果和背書節(jié)點自身的私鑰簽名一起返回給交易發(fā)起方，完成管理節(jié)點對這次請求的交易背書。

2.2.3 交易回復(fù)

交易雙方在完成交易請求和響應(yīng)之后，在鏈上的請求方被授予資源提取權(quán)。通過輸入相應(yīng)賬戶信息、資源信息完成確權(quán)和身份驗證后，請求方選擇下載的資源將會與版權(quán)購買返回的資源唯一標識進行對比。若相同才能成功下載。下載成功后，該資源副本將會存入請求方的本地，在本地數(shù)據(jù)庫增加一條新的資源存儲記錄，同時區(qū)塊鏈網(wǎng)絡(luò)中也會產(chǎn)生一條新的資源交易記錄；若不同則表明資源請求不到，也即是該資源還未上鏈，需要重新上鏈確權(quán)。為保證任何圖像資源在共享時不出現(xiàn)多機構(gòu)重復(fù)出售的情況，我們要求經(jīng)過版權(quán)交易獲取到的資源僅擁有使用權(quán)。

2.2.4 交易查詢

在交易過程中交易查詢是非必需的，但是它可以有效反映整個交易過程中的細節(jié)內(nèi)容，比如交易時間、地點、對象、方式等。查詢歷史交易反映了組織對私有資源使用權(quán)的流轉(zhuǎn)控制，并為每筆交易過程中的可信交易提供了數(shù)據(jù)證據(jù)。

2.2.5 交易完成

在實現(xiàn)版權(quán)購買、消息認證、資源獲取功能后，版權(quán)交易已基本完成。該階段主要是完成區(qū)塊同步、銷毀交易狀態(tài)數(shù)據(jù)、清理存儲空間。

2.3 數(shù)字圖像的版權(quán)保護

溯源是版權(quán)保護的一種表現(xiàn)形式，通過溯源不僅可以明確權(quán)利所有者，有效打擊盜版產(chǎn)品的侵權(quán)行為。而且可以為產(chǎn)品制作獨一無二的溯源檔案，增加用戶對產(chǎn)品的信任度，做到來源和去向可查、權(quán)責(zé)必究。區(qū)塊鏈公開透明、不可篡改、鏈式存儲的特點，使之完美契合溯源需求。聯(lián)盟鏈中的媒體機構(gòu)或原創(chuàng)個人可以通過在區(qū)塊鏈系統(tǒng)中填寫圖像相關(guān)信息來發(fā)起圖像上鏈請求。區(qū)塊鏈系統(tǒng)通過比較散列值來進行自我搜索查詢，若未發(fā)現(xiàn)與要上鏈的圖像相同或相似的圖像，表明圖像可以鏈接至區(qū)塊并存儲，系統(tǒng)將圖像所屬機構(gòu)、圖像散列特征、圖像金額等圖像信息組合打包為一個交易，并將該交易寫入?yún)^(qū)塊中；若發(fā)現(xiàn)與待上鏈圖像相同或相似的圖像，表明該圖像不予上鏈，同時區(qū)塊鏈系統(tǒng)會追蹤該圖像所有的交易記錄，直至返回圖像最原始的狀態(tài)，即版權(quán)所有者信息。

3.實驗與分析

3.1 前期工作

3.1.1 實驗環(huán)境設(shè)置

根據(jù)設(shè)計的數(shù)字圖像版權(quán)保護方法框架展開實驗。主要包括散列算法的評估實驗和方法驗證實驗，統(tǒng)一在Linux環(huán)境下進行算法評估和方法驗證，選用Ubuntu 18.04操作系統(tǒng)。兩組實驗的相關(guān)開發(fā)環(huán)境和工具配置如下表1示。

表1 相關(guān)開發(fā)環(huán)境和工具配置表

3.1.2 相似度檢測算法的評估

本節(jié)主要對前面介紹的5種圖像相似度散列算法進行性能評估，并結(jié)合具體區(qū)塊鏈應(yīng)用場景選擇最合適的算法替換Hyperledger Fabric框架的SHA系列算法來進行數(shù)字圖像版權(quán)保護研究。考慮到不需要做分類，筆者從不同新媒體平臺爬取共計2000張不同類型的圖片作為實驗數(shù)據(jù)集imageTest，并對部分圖像進行位置變換和添加文字標注、圖像標注等再創(chuàng)操作，從圖像特征大小、算法運算速度、算法魯棒性（圖像經(jīng)修改后相似度檢測算法的準確程度）、相似性誤判率等維度對比評估不同圖像相似度檢測算法的性能情況，每次隨機挑選200張圖片進行試驗，重復(fù)10次。

3.2 實驗結(jié)果分析

3.2.1 相似度檢測算法的確定

按照實驗設(shè)置進行實驗得到結(jié)果如下表2示。

表2 圖像相似度檢測算法的整體比較結(jié)果

從上表結(jié)果看出，平均散列算法、感知散列算法和差異值散列算法這3種傳統(tǒng)的圖像相似度檢測算法在圖像特征尺寸、算法執(zhí)行時間、算法魯棒性、圖像相似度誤判率4個維度上表現(xiàn)良好。而區(qū)塊鏈系統(tǒng)中內(nèi)嵌的MD5、SHA系列散列算法具有抗碰撞性，微小的變化都會引起算法結(jié)果的巨大改變。[11]無法滿足全媒體時代再創(chuàng)圖像的版權(quán)交易和溯源需求。在圖像特征大小相同的情況下，差異值散列算法的執(zhí)行時間最短，而且圖像內(nèi)容修改后算法的魯棒性也在上游，對圖像相似度的誤判率最低，可以有效識別圖像之間的相似度。因此，本文選擇差異值散列算法作為替換Fabric內(nèi)嵌散列算法的圖像相似度檢測算法，將相似度計算結(jié)果大于（含）75%的圖像識別為相似圖像，將相似度計算結(jié)果小于75%的圖像識別為不同圖像。

3.2.2 方法驗證

從imageTest圖像數(shù)據(jù)庫中選擇多張任意圖像作為對比實驗數(shù)據(jù)集。以下圖4為例，向其中添加內(nèi)容性變換和結(jié)構(gòu)性變換，以模擬圖像的二次創(chuàng)作過程。再次創(chuàng)作后的圖像如下圖5（a）、（b）和圖6（c）、（d），其中原始圖作為要查詢的圖像，并與再創(chuàng)后的圖像匹配以模擬溯源操作。

圖4 原始圖

圖5 再創(chuàng)圖——內(nèi)容性變換

圖6 再創(chuàng)圖——結(jié)構(gòu)性變換

重復(fù)進行多次圖像查詢實驗以驗證方法是否可行，結(jié)果如表3所示。

表3 3種散列算法查詢結(jié)果對比

上表結(jié)果表明，MD5算法和SHA256算法不能對細微修改后的圖像進行查詢，而差異值散列算法可以根據(jù)原圖匹配到修改后的圖像，不需借助第三方可信機構(gòu)對再次創(chuàng)作圖像進行確權(quán)。根據(jù)圖7顯示表明，在交易成本方面，引入差異值散列算法的區(qū)塊鏈系統(tǒng)對于原創(chuàng)圖像而言沒有太大影響，但其擴大版權(quán)的溯源范圍，有效降低了再創(chuàng)數(shù)字圖像鏈下版權(quán)登記的開銷。針對版權(quán)保護過程中的計算開銷，區(qū)塊鏈系統(tǒng)自帶的SHA256/MD5算法與移植的差異值散列算法計算時間差別不大，當交易數(shù)高于300時，差異值散列算法的移植加大Hyperledger Fabric平臺密碼組件的運算負載，使得對原圖像的版權(quán)保護計算開銷明顯高于SHA256/MD5算法，而使用差異值散列算法能有效降低對再創(chuàng)圖像版權(quán)保護的計算開銷。針對版權(quán)保護過程中的網(wǎng)絡(luò)開銷，對再創(chuàng)圖像版權(quán)保護消耗的網(wǎng)絡(luò)資源明顯高于原創(chuàng)圖像版權(quán)保護，當原創(chuàng)圖像版權(quán)保護交易數(shù)低于300時，使用差異值散列算法消耗的網(wǎng)絡(luò)資源略高于使用SHA256/MD5算法，但當交易數(shù)高于300時，由于差異值散列算法簡單、運算速度快的特點，其資源消耗明顯低于SHA256/MD5算法。

圖7 交易成本對比圖

結(jié)語

在全媒體背景下，大量數(shù)字化資源在各媒體機構(gòu)、組織及自媒體個人之間進行交易和共享，其中圖像資源占有較大比重。同時，在具體融合媒體資源交換的場景中，圖像版權(quán)購買者往往會在后續(xù)使用中對圖像進行二次創(chuàng)作，區(qū)塊鏈中的哈希算法無法對二次創(chuàng)作的圖像進行識別（無法上鏈），因此會導(dǎo)致圖像重復(fù)鏈交易，可能會損害原圖像創(chuàng)作者的利益，這也不利于全媒體時代下數(shù)字圖像資源交易與共享生態(tài)的良性發(fā)展。針對這一問題，本文結(jié)合區(qū)塊鏈技術(shù)與圖像相似度檢測算法提出一種數(shù)字圖像版權(quán)保護與溯源的新方法，實驗證明該方法可以有效解決同一圖像的不同版本在圖像資源交換過程中重復(fù)上鏈和交易，以及二次創(chuàng)作圖像無法溯源的問題。

本文的工作雖然取得了一定的成果，但其研究還存在一些局限性。比如，區(qū)塊鏈系統(tǒng)版權(quán)交易效率還有待提高，沒能考慮媒體機構(gòu)動態(tài)加入退出區(qū)塊鏈網(wǎng)絡(luò)對交易的影響，沒有對文本、音視頻等其他媒體資源在交易和共享過程中的版權(quán)保護和溯源問題進行研究和討論。未來，我們將圍繞圖像相似度檢測算法的優(yōu)化改進進行研究，以求獲得適用于其他媒體資源版權(quán)保護的效率更高、兼容性更好、魯棒性更強的相似度檢測算法。在基于區(qū)塊鏈技術(shù)數(shù)字版權(quán)保護方案的研究基礎(chǔ)上，我們將充分結(jié)合同態(tài)加密、零知識證明、安全多方計算等安全技術(shù)，為全媒體背景下的媒資交易和共享提供更安全的保障。