الگوریتم واترمارک دیجیتال کور در برابر تبدیل طرح ریزی برای داده های جغرافیایی برداری

خلاصه

تبدیل طرح بخش مهمی از تجزیه و تحلیل جغرافیایی در سیستم های اطلاعات جغرافیایی است که به ویژه برای داده های جغرافیایی برداری رایج است. با این حال، دستیابی به مقاومت در برابر حملات تبدیل طرح ریزی در واترمارک برای داده های جغرافیایی برداری هنوز یک کار چالش برانگیز است. ما در این مقاله یک واترمارک دیجیتال در برابر تبدیل طرح‌ریزی بر اساس متغیرهای ویژگی برای داده‌های جغرافیایی برداری پیشنهاد کردیم. ابتدا، ویژگی‌های تبدیل طرح‌ریزی تحلیل می‌شوند و تعداد راس‌ها، ترتیب ذخیره‌سازی و جهت ذخیره‌سازی دو شی مجاور به‌عنوان ویژگی ثابت برای تبدیل طرح‌ریزی طراحی و استفاده می‌شوند. سپس، شاخص واترمارک با تعداد رئوس دو جسم مجاور محاسبه می شود. و قانون جاسازی با جهت ذخیره دو جسم مجاور تعیین می شود. در نهایت، طرح پیشنهادی تشخیص کور را از طریق جهت ذخیره ویژگی‌های مجاور انجام می‌دهد. نتایج تجربی نشان می‌دهد که روش می‌تواند به طور موثر در برابر تبدیل طرح‌ریزی دلخواه مقاومت کند، که نشان‌دهنده عملکرد برتر روش پیشنهادی در مقایسه با روش‌های قبلی است.

کلید واژه ها:

واترمارک دیجیتال ; تبدیل طرح ریزی ; متغیرهای ویژگی ; سفارش ذخیره سازی ؛ داده های جغرافیایی برداری

1. معرفی

داده های جغرافیایی برداری یکی از مهم ترین مواد تولیدی در سیستم های اطلاعات جغرافیایی (GIS) است [ 1 ، 2 ]. آنها به طور گسترده در برنامه ها و خدمات نقشه با مزایای دقت بالا و افزونگی کم استفاده می شوند. در همان زمان، بسیاری از مسائل امنیتی داده های جغرافیایی برداری مانند دزدی دریایی، نشت و دستکاری مخرب ظاهر شده اند [ 3 ، 4 ، 5]. امنیت داده های جغرافیایی برداری مستقیماً با توسعه صحیح صنعت اطلاعات جغرافیایی مرتبط است. فناوری واترمارک دیجیتال برای جاسازی اطلاعات اضافی در محتوای دیجیتال استفاده می‌شود و نقشی بی‌بدیل در حفاظت امنیتی تأیید حق چاپ برای داده‌های جغرافیایی برداری ایفا کرده است [ 6 ، 7 ، 8 ]. استحکام یک عنصر حیاتی برای اندازه گیری موفقیت یک الگوریتم واترمارک دیجیتال در برابر حملات عمدی یا غیرعمدی است [ 9 ، 10 ].

بسیاری از تلاش‌های تحقیقاتی به بهبود استحکام الگوریتم‌های واترمارک اختصاص داده شده است [ 11 ، 12 ، 13 ، 14 ]. این تلاش‌ها باعث شده است که الگوریتم‌های واترمارک کمتر در برابر فشرده‌سازی، فیلتر کردن، افزودن و حذف نقطه آسیب‌پذیر باشند [ 15 ، 16 ، 17 ، 18 ، 19 ، 20 ]. با این حال، به عنوان یک روش رایج پردازش داده های جغرافیایی برداری، تبدیل طرح ریزی باعث می شود که مقادیر مختصات و اشکال هندسی داده های جغرافیایی برداری تغییر کند [ 21] .]. بنابراین، توسعه تکنیک‌های واترمارکینگ که می‌توانند در برابر تبدیل طرح‌بندی مقاومت کنند، به یک موضوع تحقیقاتی حیاتی در فناوری واترمارک برای داده‌های جغرافیایی برداری تبدیل شده است.

روش های واترمارکینگ موجود در برابر حملات تبدیل طرح ریزی را می توان به دو دسته طبقه بندی کرد. اولین دسته از مطالعات، طرح‌های واترمارک غیر کور هستند که در آن داده‌های اصلی برای انجام استخراج واترمارک مورد نیاز است [ 22 ، 23 ، 24 ، 25 ، 26 ]. به عنوان مثال، تانگ و همکاران. [ 22] روشی را بر اساس همان برازش نقاط مشخصه پیشنهاد کرد که ابتدا نقاط ویژگی را استخراج می کند و اطلاعات را از داده های جغرافیایی برداری مشخص می کند و اطلاعات استخراج شده را جداگانه ذخیره می کند. هنگامی که تشخیص واترمارک مورد نیاز است، همان الگوریتم ابتدا نقاط ویژگی و اطلاعات ویژگی را از داده های جغرافیایی برداری استخراج می کند و سپس آن را با داده های ذخیره شده مقایسه می کند تا بررسی کند که آیا آنها یکسان هستند یا خیر. این روش به طور موثر مشکل حملات تبدیل طرح ریزی را حل کرد. با این حال، فرد باید داده های جغرافیایی برداری اصلی یا اطلاعات اضافی را که باید به طور جداگانه ذخیره و ذخیره شوند، ذخیره کند. بنابراین، این روش برای کاربرد عملی مناسب نیست.

دسته دوم مطالعات، طرح واترمارک کور است که در آن داده های اصلی یا اطلاعات مرتبط برای استخراج واترمارک مورد نیاز نیست. تعبیه واترمارک و استخراج معمولاً با یافتن ویژگی‌هایی به دست می‌آیند که تغییر ناپذیر هستند (از این به بعد) برای تبدیل طرح‌ریزی [ 27 ، 28 ، 29 ، 30 ، 31 ]. به عنوان مثال، یانگ و هو [ 28] روشی مبتنی بر نوعی تبدیل چند خطی ارائه کرد که چند خط را به نمایش فاصله و زاویه تبدیل می کند. با تعبیه اطلاعات واترمارک در ضریب زاویه تبدیل شده، این روش می تواند به طور موثر در برابر حملات تبدیل طرح ریزی با زاویه برابر مقاومت کند. لی و زو [ 29] روشی را بر اساس شاخص‌های خودهمبستگی فضایی پیشنهاد کرد که در آن ضریب I موران (MC) به عنوان ویژگی ثابت در نظر گرفته می‌شود. MC با شاخص پیچیدگی گرافیکی و اطلاعات توپولوژیکی فضایی اشیاء جغرافیایی محاسبه می شود. بنابراین، این روش توانایی بهتری برای مقاومت در برابر حملات تبدیل طرح ریزی دارد، به شرطی که تبدیل طرح ریزی داده ها را به طور قابل توجهی تحریف نکند. با این حال، این روش‌ها نمی‌توانند در برابر حملات ناشی از تحولات طرح‌ریزی با اعوجاج قابل توجه، که در تجزیه و تحلیل جغرافیایی بسیار رایج هستند، مقاومت کنند.

از تجزیه و تحلیل بالا می توان دریافت که الگوریتم واترمارک غیرکور به مشارکت داده های اصلی یا سایر اطلاعات مرتبط برای استخراج واترمارک نیاز دارد که منجر به محدودیت هایی در کاربرد عملی می شود، در حالی که الگوریتم های واترمارک کور موجود تشخیص کور را با پیدا کردن نشان می دهند. ویژگی های ثابتی دارند که در برابر حملات تبدیل طرح ریزی مقاومت می کنند. با این حال، یک اشکال عمده الگوریتم‌های واترمارک کور این است که متغیرهای ویژگی شرطی هستند و فقط در برابر تبدیل‌های طرح‌بندی که داده‌ها را به‌طور قابل‌توجهی تحریف نمی‌کنند، پایدار هستند. بنابراین، چگونگی یافتن متغیرهای ثابت ویژگی که می توانند در برابر تمام حملات تبدیل طرح ریزی مقاومت کنند، به یک چالش بزرگ در واترمارک برای داده های جغرافیایی برداری تبدیل شده است.

با هدف حل مشکل فوق، این مقاله یک الگوریتم واترمارک کور را در برابر حملات ناشی از تبدیل‌های طرح‌ریزی ارائه می‌کند که داده‌ها را به طور قابل‌توجهی تحریف می‌کند. در داده‌های جغرافیایی برداری، اشیاء به‌طور بی‌نظمی ذخیره می‌شوند و مرتب‌سازی مجدد اشیا بر اساس ترتیب ذخیره‌سازی تأثیری بر تجسم و ارزش استفاده از داده‌ها ندارد. بنابراین، ترتیب ذخیره سازی شی برای داده های جغرافیایی برداری بی معنی است. ما معتقدیم که ترتیب ذخیره سازی و تعداد رئوس داده های جغرافیایی برداری قبل و بعد از هر تبدیل طرح ریزی تغییر نخواهد کرد. سپس جهت ذخیره سازی بر اساس ترتیب ذخیره سازی و تعداد رئوس معرفی می شود که در تبدیل طرح ریزی نیز بدون تغییر باقی می مانند. این باعث می شود ترتیب ذخیره سازی شی از بی معنی به معنی دار تغییر کند. و می تواند برای ذخیره اطلاعات واترمارک استفاده شود. بنابراین، یک مکانیسم همگام سازی واترمارک بر اساس این ویژگی های ثابت می تواند ساخته شود و واترمارک می تواند با آنها تعبیه شود. این امر از نیاز به ذخیره داده های اضافی مورد نیاز برای استخراج واترمارک جلوگیری می کند. به این ترتیب، روش پیشنهادی به واترمارکینگ کور دست می‌یابد که می‌تواند در برابر حملات تبدیل طرح‌ریزی دلخواه مقاومت کند و در برابر حملات هندسی معمولی با قابلیت عمل خوب استحکام خوبی داشته باشد.

ادامه این مقاله به شرح زیر سازماندهی شده است. در بخش 2 ، متغیرهای ویژگی تبدیل طرح ریزی را ارائه می کنیم که اساس روش را تشکیل می دهد. بخش 3 روش دقیق روش پیشنهادی را شرح می دهد. سپس، آزمایش‌ها و نتایج در بخش 4 ارائه شده است و بخش 5 بحث‌های مربوطه را ارائه می‌کند. در نهایت، بخش 6 نتیجه گیری می کند.

2. مقدمات

مجموعه داده های جغرافیایی برداری با نقاط، چند خط و چندضلعی نشان داده می شود. واضح است که نمایش چند خط و چندضلعی بسیار پیچیده تر از نمایش نقاط است. پیچیدگی در نمایش چند خط و چند ضلعی فرصتی را برای استخراج متغیرهای ویژگی که در برابر تبدیل طرح ریزی مقاوم هستند، فراهم می کند. بنابراین، ما در این مقاله از چند خط و چند ضلعی به عنوان اهداف واترمارکینگ استفاده می کنیم.

قبل از معرفی طرح پیشنهادی در این مقاله، سه موضوع وجود دارد که باید مورد توجه قرار گیرد: (1) کدام ویژگی‌ها برای تبدیل طرح‌ریزی دلخواه تغییر نمی‌کنند و چگونه می‌توان آنها را به طور مؤثر بیان کرد. (2) نحوه استفاده از این متغیرهای ویژگی برای همگام سازی اطلاعات واترمارک. (3) نحوه استفاده از این متغیرهای ویژگی برای جاسازی اطلاعات واترمارک. راه حل این سه مشکل کلید تحقق الگوریتم در این مقاله است.

2.1. متغیرهای ویژگی برای تبدیل پروجکشن

تبدیل پروجکشن فرآیندی است که در آن داده های مکانی از یک سیستم مختصات به سیستم دیگر ارائه می شود که اساس آن پیش بینی های نقشه است. همه پیش بینی های نقشه باعث ایجاد اعوجاج در داده ها می شوند. با توجه به ویژگی‌هایی که حفظ می‌شود، پیش‌بینی نقشه را می‌توان به چهار نوع تقسیم کرد: طرح‌ریزی با مساحت مساوی، پیش‌بینی منسجم، پیش‌بینی هم‌فاصله و پیش‌بینی سازشی. منطقه در طرح ریزی مساحت مساوی حفظ می شود. طرح ریزی منسجم می تواند به صورت محلی شکل خود را حفظ کند. فواصل از یک یا دو نقطه خاص تا نقاط دیگر در برجستگی هم‌فاصله حفظ می‌شوند، و برآمدگی هم‌شکل تعادلی در اعوجاج پیدا می‌کند. بنابراین، تبدیل‌های پیش‌بینی ممکن است موقعیت‌های نسبی و اشکال هندسی داده‌های جغرافیایی برداری را تغییر دهند. علاوه بر این، تبدیل طرح ریزی، از جمله چرخش، مقیاس بندی و ترجمه (RST)، یک حمله جامع است. اگر ویژگی انتخاب شده نسبت به تبدیل طرح ریزی ثابت باشد، نسبت به RST نیز ثابت است.

متوجه می‌شویم که مهم نیست از کدام روش تبدیل پیش‌بینی استفاده می‌شود، تعداد رئوس برای هر چند خط یا هر چندضلعی ثابت می‌ماند. به عبارت دیگر، تعداد رئوس برای هر چند خط یا هر چند ضلعی از داده های جغرافیایی برداری پس از تبدیل طرح تغییر نمی کند. بنابراین، تعداد رئوس می‌تواند به‌عنوان یک ویژگی ثابت باشد (از این به بعد به عنوان تعداد رئوس ثابت نامیده می‌شود).

ترتیب ذخیره سازی به ترتیب فیزیکی که در آن اشیا در فایل داده های جغرافیایی برداری ذخیره می شوند، مانند قالب فایل شکل فایل موسسه تحقیقات سیستم های محیطی (ESRI) اشاره دارد. این یک ویژگی ضمنی است و بیشتر پردازش داده‌ها روی داده‌های جغرافیایی برداری، این ویژگی را نادیده می‌گیرد و آن را تغییر نمی‌دهد. بنابراین تا حدی بسیار پایدار است. علاوه بر این، متوجه می‌شویم که صرف نظر از اینکه از چه روش تبدیل طرح‌بندی استفاده می‌شود، ترتیب ذخیره داده‌های اشیا همیشه یکسان باقی می‌ماند. به عبارت دیگر، تبدیل طرح ریزی ترتیب ذخیره سازی هیچ شی را تغییر نمی دهد. بنابراین، ترتیب ذخیره‌سازی اشیا می‌تواند به‌عنوان یک ویژگی تغییرناپذیر عمل کند (از این پس به عنوان ثابت ذخیره‌سازی نامیده می‌شود).

علاوه بر این، ما از مفهوم جهت ذخیره سازی دو شی مجاور استفاده می کنیم. با در نظر گرفتن ویژگی چند خطی به عنوان مثال، تعریف می کنیم که اگر تعداد رئوس چند خط قبلی در ذخیره سازی از تعداد رئوس بعدی بزرگتر باشد، جهت ذخیره سازی دو جسم مجاور 1 است، در غیر این صورت، جهت ذخیره سازی 0 است. این را می توان با فرمول (1) محاسبه کرد:

(1)

جایی که و تعداد رئوس دو چند خط مجاور ( l _i و l _{i + 1} ) است.

می توان مشاهده کرد که جهت ذخیره دو جسم مجاور به رابطه بین تعداد رئوس دو جسم مجاور مربوط می شود. از آنجایی که تعداد رئوس دو شی مجاور و ترتیب ذخیره سازی دو شی مجاور با تبدیل طرح تغییر نمی کند، جهت ذخیره دو شی مجاور می تواند به عنوان یک ویژگی ثابت باشد.

تعداد رئوس، ترتیب ذخیره سازی و جهت ذخیره سازی دو جسم مجاور نشان می دهد که آنها ثابت های جهانی هستند که تحت تأثیر تبدیل طرح ریزی قرار نخواهند گرفت و بنابراین قوی هستند.

2.2. مکانیسم همگام سازی واترمارک بر اساس تعداد رئوس ثابت

واترمارک مورد استفاده در این مقاله یک دنباله باینری است که فقط شامل 0 و 1 است که برای نشان دادن اطلاعات حق چاپ مورد استفاده قرار می گیرد. در یک واترمارک با طول L ، شاخص واترمارک نشان می دهد که یک بیت واترمارک در کجا قرار دارد، که از 0 تا متغیر است.

. شکل 1 یک واترمارک “1101111010100010” را با طول 16 نشان می دهد. برای مثال، بیت واترمارک با شاخص واترمارک 2 برابر 0 و بیت واترمارک با شاخص واترمارک 10 است.

برای اطمینان از همگام سازی واترمارک، عملیاتی بر روی تعداد رئوس دو شیء مجاور برای محاسبه مکان برای تعبیه و استخراج واترمارک مورد نیاز است. روش های مختلفی برای محاسبه موقعیت تعبیه واترمارک با استفاده از تعداد رئوس وجود دارد.

در این مقاله، برای افزایش تصادفی موقعیت جاسازی واترمارک، از یک عملیات ضرب برای گسترش دامنه عددی تعداد رئوس استفاده می‌کنیم و سپس مقدار ویژگی ضرب‌شده را هش می‌کنیم تا شاخص واترمارک مجموعه دو شیء مجاور را بدست آوریم. می توان آن را به صورت معادله زیر بیان کرد:

(2)

جایی که ، و به معنی طول اطلاعات واترمارک w است .

همانطور که رابطه (2) نشان می دهد، هش تابعی است که فقط به تعداد رئوس دو جسم مجاور بستگی دارد. مزیت مهم استفاده از Hash این است که تعداد رئوس هنوز وجود دارد حتی زمانی که داده ها توسط تبدیل طرح ریزی مورد حمله قرار می گیرند. بنابراین، واترمارک در همان موقعیتی قرار می گیرد که قبل از حمله تبدیل طرح ریزی قرار داشت که منجر به استخراج صحیح واترمارک می شود.

علاوه بر این، شی و موقعیت جاسازی واترمارک تبدیل به یک رابطه نگاشت چند به یک می شود. به این معنا که چند خط یا چند ضلعی را می توان همزمان در یک فهرست واترمارک جاسازی کرد. در مورد اضافه و حذف شی، این ویژگی نه تنها می تواند ارتباط همگام سازی اطلاعات واترمارک را تضمین کند، بلکه استحکام الگوریتم را نیز به طور موثر بهبود می بخشد.

2.3. قانون جاسازی واترمارک بر اساس جهت ذخیره سازی

با توجه به تعریف جهت ذخیره سازی دو شیء مجاور در بخش 2.1 ، مقادیر کمی جهت ذخیره سازی دو شیء مجاور 0 و 1 است. به طور کلی، اطلاعات واترمارک از یک دنباله باینری 0 و 1 تشکیل شده است. بنابراین، ذخیره سازی جهت دو جسم مجاور به عنوان نشان دهنده واترمارک در نظر گرفته می شود.

قانون تعبیه واترمارک بر اساس جهت ذخیره دو شیء مجاور به این صورت توصیف می شود که مقدار کمی جهت ذخیره سازی دو شیء مجاور باید با اطلاعات واترمارک تعبیه شده مطابقت داشته باشد. یعنی زمانی که جهت ذخیره سازی دو شیء مجاور با اطلاعات واترمارک تعبیه شده یکسان نیست، ترتیب ذخیره سازی دو شیء مجاور باید معکوس شود. از آنجایی که اشیاء در داده های جغرافیایی برداری در اصل خارج از نظم ذخیره می شوند، ترتیب مجدد اشیاء بر اساس ترتیب ذخیره سازی بر دقت و تجسم داده ها تأثیر نمی گذارد. سپس جهت ذخیره دو شی مجاور 0 به این معنی است که اطلاعات واترمارک تعبیه شده 0 است و جهت ذخیره سازی دو شیء مجاور 1 به این معنی است که اطلاعات واترمارک جاسازی شده 1 است.شکل 2 روند جاسازی واترمارک را نشان می دهد، که در آن چند خط A و چند خط B دو شیء مجاور ذخیره شده در داده های چند خطی هستند. Polyline A در موقعیت ذخیره سازی i-ام است و دارای 30 راس است. پس از آن چند خط B با 60 راس قرار دارد. بنابراین جهت ذخیره سازی آنها 0 است که با فرمول (1) قابل محاسبه است. هر دو شی مجاور را می توان با یک بیت واترمارک جاسازی کرد. برای چند خط A و چند خط B، هنگامی که بیت واترمارک 0 است که برابر با جهت ذخیره آنها است، همانطور که در شکل 2 الف نشان داده شده است، هیچ کاری با دو چند خط انجام ندهید. با این حال، هنگامی که بیت واترمارک 1 است، آنها را با ترتیب ذخیره سازی معکوس کنید تا جاسازی واترمارک اجرا شود، همانطور که در شکل 2 ب نشان داده شده است.

جهت ذخیره سازی نسبت به تبدیل طرح تغییری ندارد زیرا هم تعداد رئوس ثابت و هم متغیر ذخیره سازی داده های جغرافیایی برداری بدون تغییر باقی می مانند. بنابراین، واترمارک را می توان پس از تبدیل طرح ریزی با موفقیت استخراج کرد. علاوه بر این، می توان به یک معاوضه خوب بین استحکام خوب و وفاداری داده دست یافت زیرا هیچ تغییری در مختصات ناشی از تعبیه واترمارک وجود ندارد.

3. روش ها

3.1. ایده پایه

هدف این مقاله حل این چالش است که واترمارک باید به درستی پس از تبدیل طرح ریزی استخراج شود. برای حل سه مسئله در بخش 2جنبه های زیر برای طراحی روش واترمارکینگ پیشنهادی ذکر شده است: (1) تعداد رئوس، ترتیب ذخیره سازی و جهت ذخیره سازی دو جسم مجاور می توانند به عنوان متغیرهای ویژگی برای تبدیل طرح ریزی عمل کنند. علاوه بر این، جهت ذخیره سازی دو جسم مجاور با مقایسه اندازه تعداد رئوس بین دو جسم مجاور، 0 یا 1 می شود. (2) به منظور حل همگام سازی واترمارک، از تعداد رئوس دو شیء مجاور برای به دست آوردن محل واترمارک جاسازی شده استفاده می شود. این بدان معناست که واترمارک استخراج شده در همان موقعیتی قرار دارد که جاسازی شده است. (3) جهت ذخیره دو شیء مجاور برای جاسازی واترمارک و نشان دادن واترمارک باینری 0 و 1 استفاده می شود. قانون تعبیه واترمارک پیشنهادی به طور موثر از تغییر ناپذیری ترتیب ذخیره سازی استفاده می کند. این نه تنها مقادیر مختصات داده ها را تغییر نمی دهد، بلکه به طور موثر در برابر حملات تبدیل طرح ریزی مقاومت می کند.

در این بخش، طرح واترمارک پیشنهادی را بر اساس متغیرهای ویژگی به تفصیل توضیح می دهیم. در طرح پیشنهادی سه روش وجود دارد: تولید اطلاعات واترمارک، تعبیه واترمارک و استخراج واترمارک. رویه های مختلف به طور مفصل در بخش زیر توضیح داده شده است.

3.2. تولید اطلاعات واترمارک

به منظور افزایش محرمانه بودن واترمارک، اطلاعات واترمارک قبل از ساخت با تغییر شکل درهم پردازش می شود.

فرض کنید کلید k باشد ، w _o واترمارک اصلی و S تابعی برای تولید اطلاعات واترمارک جدید w باشد . سپس تابع تعریف می کند:

(3)

که در آن تبدیل آرنولد [ 32 ] به عنوان تابع S برای جابجایی واترمارک اصلی انتخاب شده است. این یک روش متداول درهم‌سازی برای واترمارک کردن است [ 33 ، 34 ، 35 ]. تبدیل آرنولد یک تبدیل چرخه ای با دوره T برای دو بعدی استسیگنال‌ها و k در معادله (3) از 1 تا متغیر است . محاسبه تبدیل آرنولد را می توان به صورت ریاضی بیان کرد:

(4)

که در آن mod عملیات مدول برای بدست آوردن باقیمانده پس از تقسیم است. r و c به ترتیب شماره ردیف و شماره ستون عنصر در سیگنال هستند. r’ و c’ درهم می‌شوند. از آنجایی که واترمارک در این مقاله یک سیگنال یک بعدی است، عملیات تغییر شکل معرفی شده است. در شکل 3 ، فرآیند درهم ریختن یک واترمارک نشان داده شده است. در اینجا، k را روی 2 قرار می دهیم ، بنابراین برای واترمارک “1101111010100010” با طول 16، نتیجه رمزگذاری شده “1110010001101101” است.

3.3. تعبیه واترمارک

ما از تعداد رئوس ثابت دو شیء مجاور برای حفظ همگام سازی واترمارک طرح واترمارک پیشنهادی بهره برداری می کنیم. هنگامی که داده های جغرافیایی برداری واترمارک شده توسط تبدیل های طرح ریزی دلخواه مورد حمله قرار می گیرند، ویژگی ثابت از تخریب اطلاعات واترمارک جلوگیری می کند. فرآیند تعبیه پیشنهادی در شکل 4 نشان داده شده است .

در زیر مراحل خاص فرآیند تعبیه شده است.

مرحله 1: داده های جغرافیایی برداری را بخوانید

، بیان شده توسط

، به اندازه m.

مرحله 2: اطلاعات واترمارک باینری را بخوانید

، ایجاد شده توسط معادله (3)، با طول

. علاوه بر این، واترمارک w و کلید k را ذخیره کنید.

مرحله 3: محاسبه شاخص واترمارک با تعداد رئوس دو جسم مجاور و موقعیت جاسازی واترمارک

از رابطه (2) به دست می آید. سپس بیت واترمارک تعبیه شده را بدست آورید

مرحله 4: جهت ذخیره سازی را محاسبه کنید

دو جسم مجاور با استفاده از رابطه (1).

مرحله 5: جاسازی واترمارک با استفاده از قانون زیر

با جهت ذخیره سازی مطابقت دارد

از دو جسم مجاور اگر آنها یکسان باشند، ترتیب ذخیره سازی دو شیء مجاور بدون تغییر باقی می ماند. در غیر این صورت، ترتیب ذخیره سازی دو شیء مجاور را معکوس کنید.

مرحله 6: این عملیات را برای همه اشیا تکرار کنید. سپس، واترمارک را می توان در هر شی جاسازی کرد تا داده های جغرافیایی بردار واترمارک نهایی را به دست آورد. داده های واترمارک شده را ذخیره کنید

همانطور که در بالا توضیح داده شد، واترمارک با تغییر ترتیب ذخیره سازی دو شیء مجاور جاسازی می شود و مختصات داده های اصلی تغییر نمی کند. بنابراین، بر صحت داده ها تأثیر نمی گذارد.

3.4. استخراج واترمارک

فلوچارت کلی فرآیندهای استخراج واترمارک در شکل 5 نشان داده شده است . فرآیند استخراج واترمارک برعکس فرآیند جاسازی است. در این مقاله، الگوریتم استخراج واترمارکینگ کور است زیرا به داده های اصلی در مرحله استخراج نیاز ندارد.

در واقع، موقعیت واترمارک جاسازی شده است

و جهت ذخیره سازی

دو شیء مجاور به همان روشی که تعبیه واترمارک محاسبه می شود.

بیت واترمارک فعلی را می توان با قضاوت در جهت ذخیره سازی دو جسم مجاور به دست آورد. اگر جهت ذخیره دو شی مجاور 1 باشد، بیت واترمارک 1 است. اگر جهت ذخیره سازی دو شیء مجاور 0 باشد، بیت واترمارک 0 است. بیت واترمارک به صورت زیر تخمین زده می شود:

(5)

لازم به ذکر است که هر بیت واترمارک ممکن است چندین بار استخراج شود و بنابراین مکانیسم رأی اکثریت برای تعیین بیت واترمارک به کار گرفته می شود. مکانیسم رأی اکثریت مقدار ممکنی را که دارای حداکثر فرکانس است تعیین می کند. یعنی اگر بیش از نیمی از این مقادیر 0 باشد، پس

0 است. در غیر این صورت،

1 است. سپس، تبدیل معکوس آرنولد با استفاده از همان کلید k برای به دست آوردن واترمارک رمزگشایی شده پیاده سازی می شود.

همبستگی بین واترمارک اصلی و واترمارک استخراج شده محاسبه می شود تا بررسی شود که چه مقدار واترمارک استخراج شده است. همانطور که می دانیم، همبستگی نرمال شده ( NC ) به همبستگی نرمال شده اشاره دارد، که یکی از معیارهایی است که برای یافتن کیفیت واترمارک استخراج شده در رابطه با واترمارک اصلی استفاده می شود. با استفاده از فرمول زیر پیدا می شود:

(6)

جایی که مقدار واترمارک اصلی است و به ترتیب مقدار واترمارک استخراج شده است. NC از 0 تا 1 متغیر است، جایی که NC بالا نشان دهنده شباهت زیاد است. اگر NC بالاتر از یک آستانه از پیش تعیین شده باشد، نشان می دهد که داده ها حاوی اطلاعات واترمارک هستند.

4. آزمایش ها و نتایج

4.1. داده ها و پارامترهای آزمایشی

طرح پیشنهادی برای چند خط و چند ضلعی در داده های جغرافیایی برداری اعمال می شود. از چهار نقشه برداری در مقیاس 1:4,000,000 استفاده شده است. فرمت داده‌های داده‌های تجربی، فرمت شکل فایل ESRI است که یک فرمت داده‌های برداری مکانی محبوب برای نرم‌افزار GIS است. آنها حاوی انواع مختلفی از داده ها از مناطق مختلف هستند، یعنی خطوط راه آهن، رودخانه ها، دریاچه ها، و بخش های اداری، که به نوبه خود با Railroad، River، Lake و Division نشان داده می شوند. آنها هیچ طرح نقشه ای ندارند و سیستم مختصات جغرافیایی آنها یکسان است، یعنی سیستم جهانی ژئودتیک (WGS) 1984، که واحد زاویه ای آن درجه، نصف النهار اول گرینویچ و مبدأ WGS 1984 است. شکل 6نقشه های بردار میزبان را در پروژکشن صفحه کاره، یکی از رایج ترین و ساده ترین پیش بینی های نقشه نشان می دهد. جدول 1 اطلاعات دقیق چهار نقشه برداری را نشان می دهد.

در مرحله تولید واترمارک، واترمارک باینری بی معنی [ 11 ] w ₀ حق چاپ “مالکیت IS GEOMARK است” را ارائه می دهد. طول واترمارک 130 بیت است. قبل از جاسازی، اطلاعات واترمارک باینری w با درهم زدن w ₀ با تبدیل آرنولد به دست می آید و کلید k که برای درهم زدن واترمارک اصلی استفاده می شود 6 است.

در مرحله ارزیابی، NC شباهت بین اطلاعات واترمارک استخراج شده و اطلاعات واترمارک اصلی را به ما می دهد. آستانه NC یک مقدار تجربی است. یک آستانه خوب باید مبادله بین نرخ های مثبت کاذب و منفی کاذب را نشان دهد [ 9 ]. در این مقاله، آستانه NC برابر 0.75 تعیین شده است. به عبارت دیگر، زمانی که مقدار NC محاسبه‌شده بالاتر از آستانه باشد، واترمارک با موفقیت استخراج می‌شود. هنگامی که مقدار NC 1 است، نشان داده می شود که واترمارک استخراج شده با واترمارک اصلی یکسان است.

4.2. نتایج استخراج واترمارک

پس از جاسازی اطلاعات واترمارک در داده های آزمایشی، استخراج واترمارک می تواند بررسی کند که آیا واترمارک با موفقیت جاسازی شده است یا خیر. هنگامی که داده های واترمارک شده هیچ حمله ای را متحمل نشده اند، واترمارک باید به طور کامل شناسایی شود، که نیاز اساسی همه روش های واترمارک است.

جدول 2 اطلاعات واترمارک استخراج شده از داده های واترمارک شده را با روش پیشنهادی نشان می دهد. مشاهده می شود که تمام مقادیر NC 1.00 است، و بنابراین حق چاپ “مالکیت IS GEOMARK است” با موفقیت در داده های آزمایشی جاسازی شده و شناسایی شده است. این نشان می دهد که روش پیشنهادی نیاز اساسی واترمارک را برآورده می کند.

4.3. نامرئی بودن

بخش قبلی ثابت کرد که واترمارک واقعاً در داده ها تعبیه شده است، و سپس باید نامرئی بودن واترمارک را تأیید کنیم. نامرئی بودن واترمارک را می توان به عنوان شباهت ادراکی بین داده های جغرافیایی برداری واترمارک شده و داده میزبان مشاهده کرد، به این معنی که پس از جاسازی واترمارک، هیچ اعوجاج قابل مشاهده ای نباید در داده های جغرافیایی برداری ظاهر شود [16 ] . این یکی از حیاتی ترین عوامل است و یک روش واترمارکینگ خوب باید الزامات خاصی از نامرئی بودن را برآورده کند [ 36 ].

در این بخش فرعی، ارزیابی می کنیم که تعبیه واترمارک در مقایسه با داده های اصلی چقدر به صورت بصری بر داده های واترمارک شده تأثیر می گذارد. نرخ تغییر مقادیر مختصات چهار داده آزمون با معادله (7) در طرح صفحه کاری محاسبه می شود و نتایج تجربی در جدول 3 فهرست شده است :

(7)

که در آن _بردار N به معنای تعداد کل رئوس داده های جغرافیایی برداری است و تعداد مقادیر مختصات تغییر یافته را نشان می دهد. به معنی مقدار مختصات واترمارک شده و به معنای مقدار مختصات اصلی است. rc از 0 تا 1 متغیر است و مقدار کمتر rc نشان دهنده تغییر کمتر داده است. هنگامی که داده های جغرافیایی برداری تغییر نمی کند، مقدار rc 0 می شود.

از جدول 3 می بینیم که هیچ مختصاتی پس از جاسازی واترمارک تغییر نمی کند. تعداد رئوس تغییر یافته چهار داده تجربی 0 است، بنابراین نرخ های تغییر مربوط به مقادیر مختصات، یعنی مقادیر rc ، 0 است. این بدان معنی است که دقت داده داده های اصلی و داده های واترمارک شده دقیقاً یکسان است. بنابراین، نتایج تجربی نشان می‌دهد که روش پیشنهادی نامرئی واترمارک خوبی دارد. همچنین مهم است که توجه داشته باشید که طرح پیشنهادی یک واترمارک بدون تلفات است که به هیچ وجه بر صحت داده های داده های واترمارک شده تأثیر نمی گذارد.

4.4. استحکام تبدیل پروجکشن

استحکام تبدیل طرح به توانایی الگوریتم واترمارک برای استخراج اطلاعات واترمارک به درستی حتی پس از حملات تبدیل های طرح ریزی به داده های واترمارک اشاره دارد. یک الگوریتم واترمارکینگ خوب که در برابر تبدیل طرح ریزی مقاومت می کند باید در برابر تبدیل طرح ریزی دلخواه مقاومت کند. به عنوان شاخص ارزیابی نتایج تجربی، هر چه NC بالاتر باشد ، استحکام قوی‌تر است. اگر NC بین واترمارک استخراج شده و واترمارک اصلی همیشه بعد از پیش بینی های مختلف نقشه یکی باشد، نشان می دهد که الگوریتم می تواند در برابر تبدیل طرح ریزی دلخواه مقاومت کند.

برای ارزیابی استحکام تبدیل طرح‌ریزی، تبدیل طرح‌ریزی توسط چهار نوع پیش‌بینی نقشه، یعنی پیش‌بینی مساحت مساوی، پیش‌بینی منسجم، پیش‌بینی هم‌فاصله و پیش‌بینی مصالحه اجرا می‌شود. سه مورد اول به ترتیب می توانند مساحت، شکل و فاصله داده ها را تا حدودی حفظ کنند، اما نه همه عوامل. نوع آخر، طرح سازش، تضمین می کند که همه عوامل در یک نمای کوچک بدون تغییر باقی می مانند، نه در یک نمای بزرگ. همانطور که در جدول 4 نشان داده شده است، دوازده پیش بینی نقشه انتخاب شده است، که در آن هر نوع شامل سه نوع فرعی است که تا حد امکان جنبه های اعوجاج را نشان می دهد. همچنین برای تأیید امکان سنجی روش پیشنهادی مساعدتر است.

علاوه بر این، روش پیشنهادی را با دو روش موجود به نام‌های Tong [ 22 ] و Li [ 29 ] مقایسه می‌کنیم که به ترتیب نمایندگان واترمارک غیر کور و کور هستند. هنگام آزمایش روش تانگ، تعداد 20٪ از نقاط ویژگی داده اصلی ذخیره می شود و واترمارک در موقعیت سوم پس از نقطه اعشار داده اصلی جاسازی می شود. در همین حال، برای تسهیل مقایسه، در الگوریتم لی، مقادیر NC را بر اساس شباهت واترمارک محاسبه می‌کنیم. جدول 5 ، جدول 6 ، جدول 7 و جدول 8 نتایج مقایسه طرح های واترمارکینگ مختلف را بر حسب NC نشان می دهد.به ترتیب تحت چهار نوع پیش بینی نقشه. √ یعنی مقدار NC بالاتر از آستانه است و × به این معنی است که مقدار NC کمتر از آستانه است. نمودارهای متناظر از چهار داده تجربی به ترتیب در شکل 7 ، شکل 8 ، شکل 9 و شکل 10 نشان داده شده است که در آن خط نقطه چین آستانه NC را نشان می دهد .

از جدول 5 ، جدول 6 ، جدول 7 و جدول 8 ، به طور کلی، مشخص است که هر دو روش پیشنهادی و روش تانگ دارای مقدار NC 1 زیر دوازده حمله طرح ریزی و چهار داده تجربی هستند. با این حال، مقادیر NC طرح لی با داده‌های مختلف و پیش‌بینی‌های نقشه متفاوت است – 31٪ از آنها زیر آستانه هستند و حداکثر فقط 0.92 است. در جزئیات، مقادیر NC روش لی به طور قابل توجهی با داده های تجربی مختلف متفاوت است. به طور خاص، تمام NC آنمقادیر برای Lake 0 است. این به این دلیل است که توزیع چند ضلعی ها در Lake گسسته است و بنابراین MC بر اساس روابط همسایه وجود ندارد. در مقابل، نشان می‌دهد که روش پیشنهادی می‌تواند بدون توجه به نوع داده داده‌های میزبان، در برابر تبدیل طرح‌بندی مقاومت کند. در عین حال، به وضوح، شکل 7 ، شکل 8 ، شکل 9 و شکل 10 نیز نشان می‌دهد که روش پیشنهادی مقدار NC 1 را تحت چهار نوع (12 نوع فرعی) پیش‌بینی و چهار داده تجربی حفظ می‌کند. بنابراین، روش پیشنهادی از استحکام قوی‌تری نسبت به لی برخوردار است و به همان اثر تانگ در مقاومت در برابر حملات تبدیل طرح‌ریزی بدون کمک داده‌های اصلی دست می‌یابد.

علاوه بر این، هر یک از این چهار نوع پیش‌بینی تنها می‌توانند برخی از ویژگی‌های داده‌ها مانند مساحت، زاویه و فاصله را به قیمت سایرین حفظ کنند، به این معنی که می‌توانند جامع‌ترین اعوجاج را نشان دهند. نتایج تجربی نشان می‌دهد که روش در این مقاله می‌تواند به طور کامل در برابر دوازده زیرگروه تبدیل طرح‌ریزی مشتق شده از چهار نوع ارائه شده مقاومت کند. این به این دلیل است که پس از تبدیل طرح، اگرچه شکل‌ها و مقادیر مختصات داده‌های جغرافیایی برداری به درجات مختلف تغییر شکل می‌دهند، تعداد رئوس، ترتیب ذخیره‌سازی و جهت ذخیره‌سازی بدون تغییر باقی می‌مانند. علاوه بر این، مکانیسم هماهنگ سازی واترمارک و قانون تعبیه واترمارک بر اساس این متغیرهای ویژگی حفظ می شود. از این رو،

4.5. استحکام RST

RST متعلق به تبدیل هندسی است که به چرخش، مقیاس بندی و ترجمه اشاره دارد. به طور کلی، حمله RST برای داده های پیش بینی شده در سیستم مختصات پیش بینی شده است. بنابراین، داده های واترمارک شده باید توانایی مقاومت در برابر حملات RST را پس از انجام حملات تبدیل طرح ریزی داشته باشند.

برای تأیید استحکام RST، طرح لامبرت را برای نمایش داده های واترمارک شده انتخاب می کنیم و سپس حمله RST را با پارامترهای مختلف به نوبه خود اجرا می کنیم. حمله چرخشی از مرکز داده به عنوان یک نقطه ثابت استفاده می کند و سپس 0 تا 360 درجه با فاصله 30 درجه می چرخد. حمله اسکیلینگ به گونه ای عمل می کند که داده ها را از 0.1 تا 10 برابر مقیاس می کند. حمله ترجمه داده ها را با نسبت معینی از حداکثر عرض داده ها در محور X و Y-محور به طور همزمان ترجمه می کند. شکل 11 ، شکل 12 و شکل 13 نتایج تجربی را نشان می دهد.

از شکل 11 ، شکل 12 و شکل 13 ، به راحتی می توان دریافت که مقادیر NC چهار داده تجربی، همگی در محدوده های مختلف حمله RST یکی هستند. در جزئیات، روش پیشنهادی می تواند در برابر حمله هر زاویه چرخش مقاومت کند. این می تواند شرایط شدید در مقیاس بندی و ترجمه را اداره کند. به عنوان مثال، داده ها به 0.1 و 10 برابر اصلی مقیاس می شوند و نسبت ترجمه 100٪ است. بنابراین، نشان می دهد که الگوریتم پیشنهادی می تواند به طور کامل در برابر حملات RST مقاومت کند.

4.6. استحکام افزودن و حذف اشیا

افزودن و حذف اشیا برای داده های جغرافیایی برداری نیز عملیات رایج در تحلیل جغرافیایی است. این عملیات متفاوت از تبدیل طرح ریزی و حملات RST، تعداد اشیاء را در داده های جغرافیایی برداری افزایش یا کاهش می دهد. یک الگوریتم واترمارک خوب همچنین باید بتواند در برابر حملات اضافه و حذف اشیا مقاومت کند.

در بخش فرعی، با افزودن اشیا به داده های واترمارک شده به ترتیب ذخیره سازی، حمله جمع انجام می شود. این معمولاً با نسبت جمع تعیین می شود که به عنوان درصدی از تعداد اشیاء بدون واترمارک اضافه شده به تعداد اشیاء اصلی تعریف می شود. حمله حذف فقط عملیات معکوس حمله اضافه است و نسبت حذف برای نشان دادن درجه حذف استفاده می شود. شکل 14 نتایج شبیه سازی را در مورد استحکام در برابر اضافه کردن اشیا نشان می دهد. نسبت اضافه از 10% به 200% تغییر می کند. نتایج مربوط به حذف اشیا با رادیو حذف 10% تا 90% در شکل 15 آورده شده است .

در شکل 14 می توان مشاهده کرد که همبستگی واترمارک استخراج شده و واترمارک اصلی، یعنی مقادیر NC ، با روش پیشنهادی، تحت تمام حملات اضافه، بالاتر از آستانه، 0.75 است. به عنوان مثال، حتی قدرت حمله نیز بسیار قوی است، به عنوان مثال، زمانی که نسبت افزودن 200٪ است، مقادیر NC چهار داده تست هنوز بالاتر از 0.77 است. علاوه بر این، ما همچنین متوجه شدیم که با افزایش رادیو جمع، مقادیر NC تمام داده ها روند نزولی را نشان می دهد.

در همین حال، همانطور که در شکل 15 نشان داده شده است ، مقادیر NC با نسبت حذف کاهش می یابد، با یک روند نزولی. با این حال، مقادیر NC همه داده‌ها همچنان بالاتر از آستانه هستند، حتی زمانی که 70٪ از اشیاء حذف شوند. علاوه بر این، مقدار NC دریاچه زمانی که 80٪ از اشیاء حذف می شوند شروع به پایین آمدن از آستانه می کند و سپس تمام NC هابا حذف اشیاء بیشتر، مقادیر داده های تست از آستانه کمتر می شود. می توان استنباط کرد که واترمارک به همراه داده های واترمارک شده تحت حملات حذف اشیا حذف خواهد شد. با این حال، واترمارک را می توان در اشیاء باقی مانده استخراج کرد، و واترمارک را می توان تحت محدودیت های خاصی استخراج کرد. بنابراین، به طور خلاصه، طرح پیشنهادی در برابر حملات اضافه و حذف مقاوم است.

5. بحث

نتایج تجربی بالا نشان می‌دهد که روش پیشنهادی مبتنی بر متغیرهای ویژگی از استحکام بالایی برخوردار است، به‌ویژه در حملات تبدیل طرح‌ریزی. به همان اثر واترمارکینگ غیر کور می رسد و بهتر از واترمارکینگ کور است. برای درک بهتر ویژگی های روش پیشنهادی، در ادامه بحث های بیشتری از سه منظر ارائه شده است.

5.1. ویژگی های مقاومت در برابر دگرگونی فرافکنی دلخواه

روش پیشنهادی با استفاده از متغیرهای ویژگی، به عنوان مثال، تعداد رئوس ثابت، ترتیب ذخیره سازی و جهت ذخیره سازی، جهت جدیدی را در مقاومت در برابر تبدیل طرح ریزی باز می کند. متفاوت از واترمارک غیر کور با کمک داده های اصلی، این متغیرهای ویژگی هم در داده های اصلی و هم در داده های واترمارک شده وجود دارند و نیازی به ثبت از قبل ندارند. بنابراین، روش تشخیص بر اساس این متغیرهای ویژگی کاملاً کور است. علاوه بر این، این روش نیز با سایر روش‌های واترمارک کور که بر اساس مقادیر مختصات هستند متفاوت است. این متغیرهای ویژگی کاملاً از تغییر مقادیر مختصات ناشی از تبدیل طرح ریزی جلوگیری می کنند. به عنوان مثال، تعداد رئوس دو جسم مجاور از یک نوع مشخصه آماری ناشی می شود.

علاوه بر این، نتایج تجربی همچنین ثابت می‌کند که این متغیرهای ویژگی مورد استفاده در این روش در هر چهار نوع پیش‌بینی (یعنی پیش‌بینی مساحت مساوی، پیش‌بینی منسجم، طرح‌ریزی با فاصله مساوی و طرح‌ریزی سازشی) بسیار خوب عمل می‌کنند، نه فقط در یکی از آنها. . همانطور که قبلا ذکر شد، این چهار نوع پیش بینی نقشه، تمام موقعیت های ممکنی را که باعث اعوجاج تبدیل طرح ریزی می شود، پوشش می دهند. توانایی مقاومت در برابر این چهار نوع پیش بینی به طور همزمان نشان دهنده توانایی مقاومت در برابر تبدیل طرح دلخواه است. بنابراین، متغیرهای ویژگی روش پروز در این مقاله می توانند به طور کامل در برابر تبدیل طرح ریزی دلخواه مقاومت کنند.

5.2. ویژگی های واترمارک بدون اتلاف

روش پیشنهادی نوعی روش واترمارک بدون تلفات است که روشی است که می تواند حفاظت از حق چاپ را بدون آسیب رساندن به داده های جغرافیایی برداری [ 16 ] محقق کند. همانطور که در جدول 3 نشان داده شده است، ویژگی های واترمارکینگ بدون تلفات روش پیشنهادی به طور موثر بدست می آید. هیچ یک از مقادیر مختصات در چهار مجموعه از داده های تجربی اصلاح نشده است. یعنی جاسازی واترمارک تاثیری بر دقت داده ها ندارد. این به این دلیل است که واترمارک روش در جهت ذخیره اشیاء مجاور تعبیه شده است و تغییر جهت ذخیره سازی بر مقادیر مختصات اشیاء مجاور تأثیر نمی گذارد. در جزئیات، ترتیب ذخیره سازی بین اشیاء در داده های جغرافیایی برداری نامنظم و بی معنی است. تغییر اشیاء نامنظم به اشیاء مرتب شده، روش پیشنهادی را به یک واترمارک بدون تلفات تبدیل می کند. علاوه بر این، در مقایسه با سایر واترمارکینگ های بدون تلفات، این روش کاربرد وسیع تری دارد، به ویژه در برخی از صنایع با الزامات دقت داده بسیار بالا.

برای نشان دادن بهتر ویژگی‌های بدون تلفات روش پیشنهادی، یکی از مجموعه داده‌های تجربی، Railroad، به عنوان مثال در نظر گرفته شده است. در مقایسه با روش تانگ [ 22 ]، نتایج مقایسه در جدول 9 نشان داده شده است . نشان داده شده است که تعداد رئوس تغییر یافته در روش پیشنهادی 0 و مقدار rc نیز 0 است. اما 5053 راس در روش تانگ اصلاح شده و rc مربوطهمقدار 19.68٪ است، به این معنی که دقت 19.68٪ از رئوس را نمی توان تضمین کرد. در برخی از زمینه ها، مانند رشته های نظامی و پزشکی، که به دقت داده های بسیار بالایی نیاز دارند، غیرقابل قبول است. برعکس، روش موجود در این مقاله به دلیل اینکه تاثیری بر صحت داده ها ندارد، این موضوع را ندارد. بنابراین، روش پیشنهادی بدون تلفات است و می تواند برای سناریوهای کاربردی مختلف اعمال شود.

5.3. تجزیه و تحلیل مکانیسم هماهنگ سازی واترمارک

روش پیشنهادی از مکانیسم هماهنگ سازی واترمارک بر اساس تعداد رئوس ثابت استفاده می کند، که در آن مکانیسم رأی اکثریت نقش مهمی ایفا می کند. مکانیسم همگام سازی واترمارک اجازه می دهد تا واترمارک به صورت اضافی تعبیه شود. یعنی هر بیت واترمارک چندین بار در داده ها جاسازی می شود که شرایط مکانیزم رای اکثریت را فراهم می کند. هنگامی که تعداد اشیاء در ویرایش نقشه تغییر می کند، مکانیسم رأی اکثریت می تواند نتیجه اشتباه ناشی از افزودن یا حذف شی را کاهش دهد. بنابراین، احتمال استخراج اطلاعات کامل واترمارک بسیار بهبود می‌یابد و روش پیشنهادی دارای استحکام قوی در برابر حملات اضافه و حذف است، همانطور که در آزمایش‌های افزودن و حذف اشیا تأیید شده است.

علاوه بر این، شاخص واترمارکی که قرار است تعبیه شود با تعداد رئوس اشیاء مجاور در مکانیسم همگام سازی واترمارک تعیین می شود. برای داده های چند خطی و چند ضلعی بسیار مفید است، زیرا توزیع تعداد رئوس در چند خط و چند ضلعی نسبتاً گسسته است. با این حال، برای داده های نقطه ای مناسب نیست. این به این دلیل است که یک شی نقطه ای به طور کلی فقط دارای یک راس است که منجر به این می شود که همه شاخص های واترمارک مقدار ثابت یکسانی در داده های نقطه ای داشته باشند. بنابراین، شاخص های واترمارک را نمی توان به طور کامل ترسیم کرد، یعنی اطلاعات واترمارک را نمی توان به طور کامل در داده های نقطه ای جاسازی کرد.

6. نتیجه گیری

نحوه مقاومت در برابر تبدیل طرح ریزی برای داده های جغرافیایی برداری در GIS یک موضوع چالش برانگیز در تحقیقات واترمارکینگ قوی است. برای حل این مسئله، یک روش جدید واترمارکینگ قوی و کور، بر اساس متغیرهای ویژگی، پیشنهاد شده است. در این روش، از تعداد رئوس دو شی مجاور برای محاسبه شاخص واترمارک تعبیه شده استفاده می‌شود که می‌تواند به طور موثر مکانیزم همگام‌سازی واترمارک را تضمین کند. در عین حال، جهت ذخیره سازی دو شی مجاور برای جاسازی واترمارک استفاده می شود که نیازی به الگوریتم پیشنهادی برای اصلاح مختصات ندارد و در نتیجه یکپارچگی داده ها را حفظ می کند. نتایج تجربی تأیید می‌کند که این روش نه تنها می‌تواند استحکام خوبی در مقاومت در برابر تبدیل‌های طرح‌ریزی دلخواه داشته باشد، بلکه به کوری و عدم تلفات نیز دست می‌یابد. که باعث می شود آن را به راحتی در عمل به خصوص در صنایع GIS با دقت داده بالا مورد استفاده قرار داد. به عنوان مثال، در حمل و نقل هوشمند و ناوبری نظامی، هم حفاظت از حق چاپ و هم دقت داده های جغرافیایی برداری همیشه عوامل کلیدی هستند که باید در نظر گرفته شوند. این مستلزم آن است که داده ها واترمارک را تحت حملات مختلف از جمله تبدیل طرح ریزی نگه دارند. علاوه بر این، دقت داده ها نباید تحت تأثیر تعبیه واترمارک قرار گیرد زیرا هر گونه کوچکترین خطا در داده ها منجر به شکست در تصمیم گیری های ناوبری می شود. بنابراین، روش پیشنهادی ابزار موثری برای این برنامه‌ها فراهم می‌کند که تعادل خوبی بین قوی بودن در برابر حملات و بدون ضرر بودن از نظر داده ایجاد می‌کند. روش پیشنهادی برای اولین بار از تعداد رئوس استفاده کرد تا ترتیب ذخیره‌سازی بی‌معنا را به جهت ذخیره‌سازی معنادار تغییر دهد، در مقایسه با پیشرفته‌ترین تحقیقات واترمارکینگ برای داده‌های جغرافیایی برداری. این روش تبدیل یک ویژگی بی معنی در داده های جغرافیایی برداری به یک ویژگی معنی دار و جاسازی اطلاعات واترمارک در ویژگی می تواند مرجع ارزشمندی برای تحقیقات واترمارک فعلی باشد. با این حال، محدودیت اصلی طرح ما در این است که برای امتیاز مناسب نیست. نحوه تبدیل نقاط به چند خط یا چند ضلعی یک مسئله کلیدی است. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. در مقایسه با پیشرفته‌ترین تحقیقات واترمارکینگ برای داده‌های جغرافیایی برداری. این روش تبدیل یک ویژگی بی معنی در داده های جغرافیایی برداری به یک ویژگی معنی دار و جاسازی اطلاعات واترمارک در ویژگی می تواند مرجع ارزشمندی برای تحقیقات واترمارک فعلی باشد. با این حال، محدودیت اصلی طرح ما در این است که برای امتیاز مناسب نیست. نحوه تبدیل نقاط به چند خط یا چند ضلعی یک مسئله کلیدی است. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. در مقایسه با پیشرفته‌ترین تحقیقات واترمارکینگ برای داده‌های جغرافیایی برداری. این روش تبدیل یک ویژگی بی معنی در داده های جغرافیایی برداری به یک ویژگی معنی دار و جاسازی اطلاعات واترمارک در ویژگی می تواند مرجع ارزشمندی برای تحقیقات واترمارک فعلی باشد. با این حال، محدودیت اصلی طرح ما در این است که برای امتیاز مناسب نیست. نحوه تبدیل نقاط به چند خط یا چند ضلعی یک مسئله کلیدی است. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. این روش تبدیل یک ویژگی بی معنی در داده های جغرافیایی برداری به یک ویژگی معنی دار و جاسازی اطلاعات واترمارک در ویژگی می تواند مرجع ارزشمندی برای تحقیقات واترمارک فعلی باشد. با این حال، محدودیت اصلی طرح ما در این است که برای امتیاز مناسب نیست. نحوه تبدیل نقاط به چند خط یا چند ضلعی یک مسئله کلیدی است. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. این روش تبدیل یک ویژگی بی معنی در داده های جغرافیایی برداری به یک ویژگی معنی دار و جاسازی اطلاعات واترمارک در ویژگی می تواند مرجع ارزشمندی برای تحقیقات واترمارک فعلی باشد. با این حال، محدودیت اصلی طرح ما در این است که برای امتیاز مناسب نیست. نحوه تبدیل نقاط به چند خط یا چند ضلعی یک مسئله کلیدی است. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت. به نظر می رسد یک رویکرد امکان پذیر ساختن نمودار ورونوی از نقاط به گونه ای باشد که هر نقطه دارای یک چندضلعی تیسن منحصر به فرد باشد. این موضوع در کارهای آینده ما بیشتر مورد بررسی قرار خواهد گرفت.

منابع

لو، جی. باتی، م. استروبل، جی. لین، اچ. زو، تبر; چن، ام. بازتاب ها و گمانه زنی ها در مورد پیشرفت در سیستم های اطلاعات جغرافیایی (GIS): دیدگاه جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2019 ، 33 ، 346-367. [ Google Scholar ] [ CrossRef ]
Goodchild، MF بازاندیشی تاریخچه GIS. ان GIS 2018 ، 24 ، 1-8. [ Google Scholar ] [ CrossRef ]
پنگ، اف. لین، ز. ژانگ، ایکس. طولانی، M. پنهان کردن داده‌های برگشت‌پذیر در گرافیک‌های برداری دوبعدی رمزگذاری‌شده بر اساس مدل نقشه‌برداری برگشت‌پذیر برای اعداد واقعی. IEEE Trans. Inf. پزشکی قانونی امن. 2019 ، 14 ، 2400–2411. [ Google Scholar ] [ CrossRef ]
وانگ، ن. Men, C. واترمارک شکننده برگشت پذیر برای احراز هویت نقشه برداری 2 بعدی با محلی سازی. محاسبه کنید. دس 2012 ، 44 ، 320-330. [ Google Scholar ] [ CrossRef ]
تانگ، ز. ژانگ، ی. هوانگ، جی. او، اچ. دینگ، ی. روش جدید تشخیص تخلف برای داده های برداری GIS. ISPRS Int. J. Geo-Inf. 2019 ، 9 ، 12. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
زو، سی. پیشرفت‌های تحقیقاتی در واترمارکینگ دیجیتال و کنترل رمزگذاری برای داده‌های جغرافیایی. Acta Geod. کارتوگر. گناه 2017 ، 46 ، 1609-1619. [ Google Scholar ] [ CrossRef ]
لوپز، سی. واترمارک مجموعه داده های جغرافیایی دیجیتال: بررسی مسائل فنی، حقوقی و حق چاپ. بین المللی جی. جئوگر. Inf. علمی 2002 ، 16 ، 589-607. [ Google Scholar ] [ CrossRef ]
ابوبهیا، ع. Cocea، M. پیشرفت‌ها در طرح‌های حفاظت از حق نسخه‌برداری نقشه GIS-یک بررسی انتقادی. چندتایی. ابزارهای کاربردی 2017 ، 76 ، 12205-12231. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ingemar، JC; میلر، ام ال. جفری، AB; فردریش، جی. Kalker, T. Digital Watermarking and Steganography , 2nd ed.; مورگان کافمن ناشران: برلینگتون، MA، ایالات متحده آمریکا، 2008. [ Google Scholar ]
Shih, FY Digital Watermarking and Steganography: Fundamentals and Techniques , 2nd ed.; تیلور و فرانسیس؛ CRC Press: Boca Raton، FA، ایالات متحده آمریکا، 2017. [ Google Scholar ]
وانگ، ی. یانگ، سی. زو، سی. دینگ، ک. یک الگوریتم واترمارک چندگانه قوی برای داده‌های جغرافیایی برداری. اطلاعات 2018 ، 9 ، 296. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
پنگ، ی. لان، اچ. یو، م. Xue, Y. واترمارک چند منظوره برای حفاظت از نقشه برداری و احراز هویت. چندتایی. ابزارهای کاربردی 2018 ، 77 ، 7239–7259. [ Google Scholar ] [ CrossRef ]
لیو، ی. یانگ، اف. گائو، ک. دونگ، دبلیو. Song, J. یک طرح واترمارک صفر با جاسازی مهر زمانی در نقشه های برداری برای محاسبات کلان داده. محاسبات خوشه ای 2017 ، 20 ، 3667–3675. [ Google Scholar ] [ CrossRef ]
یان، اچ. ژانگ، ال. Yang, W. یک طرح واترمارکینگ مبتنی بر نرمال سازی برای داده های نقشه برداری دوبعدی. علوم زمین آگاه کردن. 2017 ، 10 ، 471-481. [ Google Scholar ] [ CrossRef ]
پنگ، ز. یو، م. وو، ایکس. Peng, Y. طرح واترمارک کور برای چند خطوط در داده های جغرافیایی-مکانی برداری. چندتایی. ابزارهای کاربردی 2015 ، 74 ، 11721-11739. [ Google Scholar ] [ CrossRef ]
ژو، Q. رن، ن. زو، سی. تانگ، دی. الگوریتم واترمارکینگ مبتنی بر ویژگی ذخیره‌سازی با حفظ مقادیر مختصات برای داده‌های خط برداری. KSII Trans. اینترنت Inf. سیستم 2018 ، 12 ، 3475-3496. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
الارضی، س. تایانانتان، وی. Basuhail، A. تکنیک واترمارک ثابت RST برای نقشه برداری بر اساس تبدیل LCA. Telkomnika 2020 ، 18 ، 500. [ Google Scholar ] [ CrossRef ]
لیو، جی. یانگ، ی. ما، دی. او، دبلیو. Wang, Y. الگوریتم واترمارکی جدید برای مدل‌های سه بعدی نقطه-ابر بر اساس انحنای راس. بین المللی J. Distrib. Sens. Netw. 2019 , 15 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دا، س. سان، ج. ژانگ، ال. کو، ال. وانگ، دبلیو. هان، س. ژو، آر. یک طرح جدید امنیت اطلاعات ترکیبی برای نقشه برداری دوبعدی. اوباش شبکه Appl. 2018 ، 23 ، 734-742. [ Google Scholar ] [ CrossRef ]
یانگ، سی. زو، سی. وانگ، ی. روی، تی. ژو، جی. دینگ، ک. الگوریتم واترمارکی قوی برای داده‌های جغرافیایی برداری بر اساس Qim و تشخیص تطبیق. چندتایی. ابزارهای کاربردی 2020 . [ Google Scholar ] [ CrossRef ]
یان، جی. آهنگ، X. Gong, G. نسبت متوسط بین پروفایل‌های مکمل برای ارزیابی اعوجاج شکل پیش‌بینی‌های نقشه و مجموعه‌های سلسله مراتبی کروی. محاسبه کنید. Geosci. 2016 ، 87 ، 41-55. [ Google Scholar ] [ CrossRef ]
تانگ، دی. رن، ن. زو، سی. Lin, W. الگوریتم واترمارکینگ مقاوم در برابر تبدیل طرح ریزی برای داده های جغرافیایی برداری. J. Geo-Inf. علمی 2016 ، 18 ، 1037-1042. [ Google Scholar ] [ CrossRef ]
Doncel، VR؛ نیکولایدیس، ن. Pitas, I. یک ساختار آشکارساز بهینه برای واترمارکینگ دامنه توصیفگرهای فوریه در گرافیک های برداری دوبعدی. IEEE Trans. Vis. محاسبه کنید. نمودار. 2007 ، 13 ، 851-863. [ Google Scholar ] [ CrossRef ] [ PubMed ]
زو، سی. یانگ، سی. وانگ، کیو. الگوریتم واترمارکینگ برای داده های جغرافیایی-مکانی برداری بر اساس تبدیل موجک عدد صحیح. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2008 ، 37 ، 15-18. [ Google Scholar ]
زوپه چودهری، س. Venkatachalam، P. واترمارک قوی برای حفاظت از داده های مکانی. کنفرانس 2012 IACSIT هنگ کنگ. 2012 ، 29 ، 34-38. [ Google Scholar ]
هوانگ، ایکس. Gu, J. A Non-Blind Detection Watermarking الگوریتم برای نقشه های مهندسی دو بعدی. J. Eng. نمودار. 2006 ، 27 ، 158-161. [ Google Scholar ]
یانگ، اچ. Min، L. Hou, X. یک الگوریتم واترمارک دیجیتال در برابر تبدیل طرح ریزی بر اساس طرح مدولاسیون. علمی Surv. نقشه 2015 ، 40 ، 19-22. [ Google Scholar ] [ CrossRef ]
یانگ، اچ. Hou, X. یک طرح واترمارک در برابر طرح ریزی با زاویه برابر برای داده های نقشه برداری. جی. ژئومات. علمی تکنولوژی 2014 ، 31 . [ Google Scholar ] [ CrossRef ]
لی، AB; Zhu، AX احراز هویت نقشه‌های برداری دیجیتال بر اساس شاخص‌های خودهمبستگی فضایی. علوم زمین آگاه کردن. 2019 ، 12 ، 629–639. [ Google Scholar ] [ CrossRef ]
وانگ، ایکس. هوانگ، دی. Zhang, Z. الگوریتم صفر واترمارکینگ قوی برای نقشه های دیجیتال برداری بر اساس ویژگی های آماری. جی. سافتو. 2012 ، 7 ، 2349-2356. [ Google Scholar ] [ CrossRef ]
Xi، X. ژانگ، ایکس. لیانگ، دبلیو. شین، کیو. Zhang، P. طرح واترمارکینگ دوگانه صفر برای نقشه برداری دو بعدی بر اساس مش مثلث دلون و تجزیه ارزش منفرد. Appl. علمی 2019 ، 9 ، 642. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
آرنولد، VI; Avez, A. Ergodic Problems of Classical Mechanics ; WA Benjamin: نیویورک، نیویورک، ایالات متحده آمریکا، 1968. [ Google Scholar ]
سعدی، س. مراد، ا. بنزیان، ای. طرح ایمن رمان برای واترمارک کردن فضای هنجار صوتی/گفتاری کور توسط الگوریتم آرنولد. فرآیند سیگنال 2019 ، 154 ، 74-86. [ Google Scholar ] [ CrossRef ]
وام، NA; هورا، NN; Parah, SA; لی، جی دبلیو. شیخ، ج.ا. Bhat، GM Secure and Robust Image Image Watermarking با استفاده از ضریب تفاوت و رمزگذاری آشفته. دسترسی IEEE 2018 ، 6 ، 19876-19897. [ Google Scholar ] [ CrossRef ]
ژانگ، ز. وو، ال. یان، ی. شیائو، اس. Sun، H. یک الگوریتم واترمارک تصویر برگشت پذیر بهبود یافته بر اساس بسط تفاوت. بین المللی J. Distrib. Sens. Netw. 2017 , 13 . [ Google Scholar ] [ CrossRef ]
احمد الموسالمی، واترمارکینگ تصویر دیجیتال AMT با استفاده از منطق فازی و تبدیل طبیعی حفظ ; دانشگاه ایالتی کانزاس: منهتن، KS، ایالات متحده آمریکا، 2004. [ Google Scholar ]