🍍原文: A Blockchain-based System for Secure Image Protection Using Zero-watermark

🍍写在前面: 原文是一篇 2020 年的 CCF-C,它对传统的零水印技术进行了改进,并与区块链应用结合了起来。



Experimental Comparison and Analysis

我们分别测试了零水印 ( z e r o   w a t e r m a r k ) \mathsf{(zero\ watermark)} (zero watermark) 算法和上述 S C \mathsf{SC} SC。区块链部分在 R i n k e b y \mathsf{Rinkeby} Rinkeby 网络上进行测试,这是最接近以太坊主网的测试网络之一。我们实现了一个案例来分析系统的成本和性能。

运行环境为:

  • 硬件:i7-4790@3.60GHz CPU,4GB RAM
  • 系统:ubuntu 16.04LTS

程序使用 M a t l a b \mathsf{Matlab} Matlab 和 S o l i d i t y \mathsf{Solidity} Solidity 编写。

由此可见,零水印 ( z e r o   w a t e r m a r k ) \mathsf{(zero\ watermark)} (zero watermark) 算法是用 M a t l a b \mathsf{Matlab} Matlab 写的。



1 Performance Test

在本节中,我们对提出的零水印算法进行了稳健性 r o b u s t \mathsf{robust} robust 分析,并将其与类似的零水印算法进行了比较。实验中使用了六幅 512 × 512 \mathsf{512×512} 512×512 的 灰度图像:

  • L e n a , B a b o o n , B a r b a r a , B r i d g e , A i r p l a n e , G o l d h i l l \mathsf{Lena, Baboon, Barbara, Bridge, Airplane, Goldhill} Lena,Baboon,Barbara,Bridge,Airplane,Goldhill

以及一个 H \mathsf{H} H 标志图像。如下图所示:

在这里插入图片描述

下图展示了零水印生成过程中的图像,主要包括特征图、水印图和零水印图。

在这里插入图片描述

不知道这些图是实验中真实生成的,还是随便意思一下的😇

使用六幅图像的归一化相关系数 ( N C ) \mathsf{(NC)} (NC) 的平均值作为比较指标。 N C \mathsf{NC} NC 值的计算公式如下:

N C ( F , F ^ ) = ∑ i ∑ j F ( i , j ) F ^ ( i , j ) ∑ i ∑ j F ( i , j ) 2 ∑ i ∑ j F ^ ( i , j ) 2 NC(F,\widehat{F})= \frac{ {\textstyle \sum_{i}^{}}{\textstyle \sum_{j}^{}F(i,j)\widehat{F}(i,j) } } {\sqrt{\sum_{i}^{}{\textstyle \sum_{j}^{}F(i,j)^2}} \sqrt{\sum_{i}^{}{\textstyle \sum_{j}^{}\widehat{F}(i,j)^2}}} NC(F,F )=∑i​∑j​F(i,j)2 ​∑i​∑j​F (i,j)2 ​∑i​∑j​F(i,j)F (i,j)​

其中, F \mathsf{F} F 代表原始的水印图像,而 F ′ \mathsf{F'} F′ 代表恢复出的水印图像。 N C \mathsf{NC} NC 值是一个小于 1 \mathsf{1} 1 的数值,其值越高,通常意味着恢复出的水印效果越好。




实验结果如下表所示:

在这里插入图片描述

第一列是针对图像的攻击类型,后三列是文献方案和本文方案的 N C \mathsf{NC} NC 值。

实验结果如下图所示:

在这里插入图片描述

就是把表格里的数据画成了图😇

由上表和上图可见,我们提出的零水印方案比其他零水印方案更具鲁棒性,特别是在对抗几何攻击方面的鲁棒性优于其他两种零水印算法。




实验中测试的智能合约成本如下表所示:

在这里插入图片描述

上表列出了与合约执行相关的成本,这些成本在合约反复运行时变化不大。只有改变合约当前状态的行为会消耗燃料,而仅仅查看它不会花费金钱。通过实验,我们可以看到系统运行正常,且成本相对较低。与传统的第三方相比,区块链在成本方面具有巨大的优势。

测试了部署两个智能合约分别需要的 G a s \mathsf{Gas} Gas 消耗,以及调用图像存档合约内部函数的 G a s \mathsf{Gas} Gas 消耗。



2 Security and Privacy Analysis

本框架采用区块链、 I P F S \mathsf{IPFS} IPFS 和智能合约 ( S C ) \mathsf{(SC)} (SC) 技术,构建了一个无需可信第三方的零水印图像保护系统。与传统的加水印技术相比,该系统在保证安全的同时,降低了成本,并显著提升了隐私保护水平。接下来,我们将对这一系统的安全性和隐私性进行详细分析。

  • a ) \mathsf{a)} a) 消除可信第三方:有别于传统水印技术依赖第三方进行争议解决,我们的解决方案将所有数据存储在区块链上,并通过智能合约进行管理。这样做有效地消除了第三方可能带来的数据篡改风险。数据的加密存储措施进一步防止了数据泄露,而智能合约的自动化执行流程则确保了数据传输的高度可靠性。
  • b ) \mathsf{b)} b) 安全性和隐私性保障:在使用 I P F S \mathsf{IPFS} IPFS 对大文件进行分片分布式存储的过程中,我们上传至 I P F S \mathsf{IPFS} IPFS 的文件均为加密的图像数据。这意味着 I P F S \mathsf{IPFS} IPFS 的节点虽能检索到加密数据片段,但无法获取任何有价值的信息。文件的关键扰乱参数 K e y \mathsf{Key} Key 被安全地存储在智能合约中,并且只有得到授权的用户和文件所有者能够访问。换言之,任何未授权的第三方既无法从 I P F S \mathsf{IPFS} IPFS 下载加密图像,也无法获得 K e y \mathsf{Key} Key。因此,只要以太坊网络和零水印算法保持安全,整个框架的安全性便得到了充分保障。


Logo

北京人形旗下天工造物具身智能开源社区,聚焦具身天工与慧思开物两大平台

更多推荐