数字水印技术
多媒体数据的数字化为多媒体信息的存取提供了极大的便利，同时也极大地提高了信息表达的效率和准确性。随着网络的日益普及，多媒体信息的交流达到了前所未有的深度和广度，其发布形式愈加丰富。人们可以通过Internet网发布自己的作品，传递重要信息，进行网络贸易等。但是其暴露出的问题也十分明显：作品侵权更加容易，篡改更加方便。如何既充分利用Internet网的便利，又能有效地保护知识产权，已受到人们的高度重视。
数字水印（digital watermarking）是实现版权保护的有效办法，已成为多媒体信息安全研究领域的一个热点，也是信息隐藏技术研究领域的重要分支。它通过在原始数据中嵌入秘密信息——水印（watermark）来证实该数据的所有权。被嵌入的水印可以是一段文字、标识、序列号等。水印通常是不可见或不可察，它与原始数据（如图象、音频、视频数据等）紧密结合并隐藏其中，成为源数据不可分离的一部分，并可以经历一些不破坏源数据使用价值或商用价值的操作而存活下来。
数字水印技术除具备信息隐藏技术的一般特点外，还有着其固有的特点和研究方法。例如，从信息安全的保密角度而言，隐藏的信息如果被破坏掉，系统可以视为安全的，因为秘密信息并未泄露；但是，在数字水印系统中，隐藏信息的丢失意味着版权信息的丢失，从而失去了版权保护的功能，这一系统就是失败的。因此数字水印技术必须具有较强的鲁棒性、安全性和透明性。
90年代以来，对数字水印的研究兴趣在不断的增长。1998年的国际图象处理大会上，还开辟了两个关于数字水印的专题讨论；国际光学工程学会（SPIE）从1999年起，每年召开一次多媒体信息安全与数字水印大会，其会议的论文主要是关于数字水印技术方面的们文章。目前，国际上剑桥大学、IBM研究中心。NEC美国研究所、麻省理工学院等都进行了广泛深入的研究；国内清华大学、北京大学、北京邮电大学、中科院自动化所、北方工业大学、浙江大学、国防科技大学等都在对该技术进行深入的研究。
数字水印技术按表现形式为可见水印（perceptible）和不可见水印（imperceptible），前者如电视屏幕左上角的电视台的台标，后者中，嵌入的水印是无法用肉眼看见，我们所指的数字水印技术，若无特别指明，均指不可见水印技术；按抗攻击能力可分为鲁棒水印（robustness）和易损水印（fragile），前者主要用于版权保护和使用跟踪方面，后者主要用于信息的完整性认证方面；按水印提取时的条件可分私有水印（private）、半公开水印（semi-public）和公开水印(public)，私有水印指提取水印时需要原始载体图象，半公开水印指提取水印时不需要原始载体图象，公开水印指提取水印时不需要原始载体图象并且水印是有意义的信息，如一段文字、一幅图象或商标、一段录音等。
Van Schyndel在ICIP’94上发表了题为“A digital watermark”的文章，它是第一篇在主要会议上发表的关于数字水印的文章，其中阐明了一些关于水印的重要概念和鲁棒水印检测的通用方法——相关性检测。此算法首先把一个密钥输入一个m-序列（maximum-length random sequence）发生器来产生水印信号，然后此m-序列被重新排列成2维水印信号，按象素点逐一插入到原始图象象素值的最低位。由于水印信号被安排在了最低位上，它是不可见的，基于同样的原因，它可以轻易地被移去，因此是不强壮的。Patchwork算法中描述的Patchwork算法基于改变图象数据的统计特性。该算法随机选取的N对象素点通过增加其一个点的亮度值，相应降低另一个点的亮度值。通过这一调整来隐藏信息。为增加水印的鲁棒性，文中把象素对扩展为小块的象素区域(如8x8)，增加一个区域中的所有象素点的亮度值而相应减少对应区域中所有象素点的亮度值。该算法嵌入码低，对串谋攻击抵抗力弱。黄继武等提出一种DCT域数字水印算法：首先把图象分成8x8的不重叠象素块，经过分块的DCT变换后，得到由DCT系数组成的频率块。随机选取一些频率块，水印信号嵌入到由密钥控制选择的一些DCT系数中。该算法对选定的DCT系数进行微小变换以满足特定的关系，来表示一个比特的信息。在水印信号提取时，选取相同的DCT系数，并根据系数之间的关系抽取比特信息。其思想类似于扩展频谱通讯中的跳频（frequency hopping）技术，特点是数据改变幅度较小，透明性好，但是其抵抗几何变换等攻击的能力较弱。基于DFT和DWT算法与上述算法具有相似的原理。Hartung提出了一种针对MPEG-2压缩视频数据流的数字水印方案。MPEG-2数据流语法中允许用户数据加到数据流中，但是这种方案并不适合数字水印技术，因为用户数据可以简单地从数据流中去掉。同时，在MPEG-2编码视频数据流中增加用户数据会加大位率，使之不适用固定带宽的应用。所以关键是如何把水印信号加到数据信号，即表示视频帧的数据流中。对于输入的MPEG-2数据流而言，可分为数据头信息、运动向量（用于运动补偿）和DCT编码信号块三部分，Hartung方案只有最后一部分数据被改变。对DCT编码数据块中每一输入的Huffman码进行解码和逆量化，得到当前数据块的一个DCT系数，然后把相应水印信号块的变换系数与之相加，得到水印叠加的DCT系数，再重新进行量化和Huffman编码。对新的Huffman码字的位数n1与原来的无水印系数的码字n0进行比较，只在n1不大于n0的时候才传输水印码字，否则传输原码字。这就保证了不增加视频数据流位率的限制。有一个问题值得考虑，水印信号的引入是一种引起降质的误差信号，而基于运动补偿的编码方案会将一个误差扩散和累积起来，所以作者采取了漂移补偿的方案来抵消水印信号的引入所引起的视觉变形。由NEC实验室的COX等人[88-90]提出的该算法在数字水印算法中占有重要地位。实现方法是：首先以密钥为种子产生伪随机高斯分布N（0，1）序列，密钥一般由作者的标识码和图象的哈希值组成。然后对图象做DCT变换，用伪随机高斯序列调制（叠加）该图象除直流（DC）分量外的1000个最大的DCT系数中。该算法具有较强的鲁棒性、安全性、透明性等，由于采用特殊的密钥，可防止IBM攻击。而且该算法还提出了增强水印鲁棒性和抗攻击算法的重要原则：水印信号应该嵌入源数据中对人的感觉最重要的部分；水印信号应该由具有高斯分布N（0，1）的独立同分布随机实数序列构成。人的生理模型包括人类视觉系统HVS（Human Visual System）和人类听觉系统HAS。该特性不仅被多媒体数据压缩系统所利用，同样可以供数字水印系统所利用。利用视觉模型，黄继武、易开祥等实现了一个基于分块DCT框架的数字水印系统，韦志辉等实现了一个基于小波分解框架的数字水印系统。它们的基本思想是利用从视觉模型导出的JND(Just Noticeable Difference)描述来确定在图象的各个部分所能容忍的数字水印信号的最大强度，从而避免破坏视觉质量。也就是说利用视觉模型来确定与图象相关的调制掩模来插入水印。这一方法同时具有好的透明性和强健性。
