一種基于空格編碼的PDF文本數(shù)字水印算法

顧艷春，馮君婷

（1.佛山科學(xué)技術(shù)學(xué)院電子與信息工程學(xué)院，廣東佛山528000；2.佛山市第一人民醫(yī)院計算機中心，廣東佛山528000）

一種基于空格編碼的PDF文本數(shù)字水印算法

顧艷春1，馮君婷2

（1.佛山科學(xué)技術(shù)學(xué)院電子與信息工程學(xué)院，廣東佛山528000；2.佛山市第一人民醫(yī)院計算機中心，廣東佛山528000）

提出一種基于空格編碼和置亂技術(shù)的適用于PDF文檔的文本數(shù)字水印算法。首先，將水印圖像進(jìn)行置亂變換；其次，將原PDF文檔轉(zhuǎn)換成PS文件，PS文件中保存有字符和位置信息。利用空格不可見的特點，在PS文件中疊加若干由空格組成的行，并利用空格的位置信息來嵌入水印信息值及水印的位置信息值；最后，將PS文件轉(zhuǎn)換為含有水印的PDF文檔。實驗結(jié)果表明，該算法具有較好的可視性和魯棒性。

信息隱藏；空格編碼；置亂技術(shù)；文本數(shù)字水?。籔DF文檔

作為多媒體產(chǎn)權(quán)保護(hù)和信息安全維護(hù)的一種有效手段，數(shù)字水印技術(shù)已經(jīng)成為信息處理領(lǐng)域的一個研究熱點［1-2］。當(dāng)前，數(shù)字水印的研究主要集中在圖像、音頻、視頻等方面，對以文本文檔為載體的數(shù)字水印研究較少［3］。但是，文本數(shù)字水印同樣具有很廣闊的應(yīng)用空間和重要價值［4］。由于文本文件的特殊性，在嵌入水印的方法上還存在一定的難度。目前，文本水印算法在基于文本格式、結(jié)構(gòu)、語義、語法等方面的研究已取得了長足發(fā)展。Bender等［5］從信息隱藏的角度提出對文本中特定單詞進(jìn)行同義詞替換的方法。Brassil等［6］提出了基于文本空間特征的水印嵌入算法。Zhao等［7］提出了基于像素統(tǒng)計特征的信息隱藏方案。文獻(xiàn)［8-9］分別提出了基于文本特征編碼的二值文本水印方案。但是，文本數(shù)字水印技術(shù)在理論上尚未成熟，已有的研究結(jié)果普遍存在水印難以深入到文本的內(nèi)容中、水印嵌入容量不足、魯棒性較差、破壞原文檔內(nèi)容等問題［10］。

PDF（Portable DocumentFormat）文檔由于其獨立于硬件及操作系統(tǒng)，可以方便地在不同計算機平臺傳播和共享，目前PDF文檔已經(jīng)發(fā)展成為網(wǎng)絡(luò)信息傳遞中的主流文件格式。因此，研究基于PDF文檔的數(shù)字水印技術(shù)，具有重要的應(yīng)用價值［11］。

本文在分析以往算法的基礎(chǔ)上，提出一種根據(jù)PDF文檔格式，利用空格編碼原理，將不會影響文檔視覺變化的空格插入文檔中，并利用其對應(yīng)PS文件中的字符間距等信息，嵌入二值圖像水印的算法。插入過程中，首先，對原水印圖像進(jìn)行置亂變換，提高嵌入水印的安全性和檢測的準(zhǔn)確率；其次，獲取原文檔對應(yīng)的PS文件，找到各行中行位置信息和字符的間距信息，添加若干由空格字符組成的行，將置亂變換后的二值圖像水印信息依據(jù)一定的規(guī)則嵌入到這些空格對應(yīng)的間距信息中，同時，將水印的行值和列值信息嵌入到指定位置，作為檢測水印的位置信息；最后，保存嵌入了水印信息的PS文件，并由此得到含有水印信息的PDF文檔。

1 有關(guān)技術(shù)基礎(chǔ)

1.1 PDF文本表示方法和基于PDF的水印算法模型

PDF文檔的文字內(nèi)容和頁面格式可由相應(yīng)的PS文件獲得，PS文件是用PostScript語言編寫的頁面描述程序。PDF和PS之間可以相互轉(zhuǎn)換。為了簡化頁面描述過程和實現(xiàn)文檔的隨機定位，PDF采用一種嚴(yán)格定義的文件結(jié)構(gòu)，而PS能提供可讀性較好的編程語言結(jié)構(gòu)，所以利用PS文件更容易實現(xiàn)水印編、解碼的操作，通過修改PS文件中頁面輸出格式來實現(xiàn)PDF文檔水印的嵌入。基于此思想的數(shù)字水印模型［12］如圖1所示。

圖1 PDF文檔的水印嵌入與水印提取模型

在水印編碼過程中，先將PDF文檔轉(zhuǎn)換成PS文件，然后將處理后的水印信息嵌入到關(guān)于PDF文檔格式的描述中，最后將修改后的PS文件轉(zhuǎn)換成含有水印信息的PDF文檔。水印解碼時，同樣先將PDF文檔轉(zhuǎn)換成PS文件，然后從PS文件的PDF頁面格式描述中，依照某種方式提取出水印信息。

1.2 空格編碼算法原理

空格編碼是指利用文本中的空白空間變換來加入水印?？崭窬幋a具有不易引起閱讀者注意的優(yōu)點?？崭窬幋a主要有三種實現(xiàn)方式：利用句間空格、利用行尾空格和利用字間空格［13-14］。

第1種方法是在某個特征符號后插入一個或者兩個空格來表示放入的信息數(shù)據(jù)，如在英文詩歌的每行后，C語言源程序的每個分號后等等。這種方法具有如下缺點：首先是編碼效率非常低；其次是數(shù)字水印的編碼方法在一定程度上依賴于文本的內(nèi)容類型，如有些散文詩缺乏特征字符來標(biāo)記，一些字處理軟件在一個或兩個詞后會自動插入空格等。

第2種方法是在每一行的行尾插入空格。這種方法的好處在于幾乎對所有的文本格式均可進(jìn)行數(shù)字水印的加載，而且不易覺察。這種方法也存在著許多缺點，例如有一些軟件會自動刪除文本中行尾的空格，無法抵抗復(fù)制攻擊，水印健壯性較差等。

第3種方法是在詞和詞之間插入空格從而嵌入信息。為了區(qū)別插入的空格和原有的空格，可以使用類似曼徹斯特編碼的方法進(jìn)行編碼和解碼。這種方法的編碼速率較前兩種有顯著提高。

本文利用在PDF文件中加入空格不會引起讀者視覺上的變化的特點，在PDF文件中疊加一些由空格組成的行，并利用所加行中各空格之間的字符間距值來嵌入水印信息。

1.3 Arnold置亂變換

Arnold變換［15］又稱貓臉變換,因為經(jīng)常用一張貓臉演示而得名。Arnold變換與其他一些置亂算法相比，變換簡單且具有周期性，因此使用較為廣泛。Arnold變換方程如下

其中，x，y∈（0，1，2，…，N-1）表示某一像素點的坐標(biāo)，N表示圖像矩陣的階數(shù)。經(jīng)Arnold變換后的圖像會變得混亂不堪，可以利用Arnold變換的這種性質(zhì)來增加圖像對某些攻擊的抵抗力。當(dāng)被置亂的圖像遭到惡意攻擊導(dǎo)致局部受到嚴(yán)重毀壞后，在置亂圖像的恢復(fù)中，Arnold變換將會把原來遭到毀壞的那部分分散開來，減少其對人眼視覺的影響，從而提高了數(shù)字水印的魯棒性。對置亂后的圖像繼續(xù)使用Arnold變換，一定會出現(xiàn)一幅與原圖相同的圖像，即Arnold變換具有周期性。

2 數(shù)字水印嵌入和提取

2.1 對水印圖像置亂處理

水印圖像為二值圖像文件。對原水印圖像，做Arnold置亂變換，置亂因子即變換次數(shù)，可作為檢測水印的密鑰。

2.2 水印嵌入算法

（1）運用Arnold置亂方法對原始二值水印圖像Iw（圖像大小為N×N）進(jìn)行K次置亂，保存K作為提取水印時的密碼，置亂后的圖像記為Iw'。

（2）將原始文檔Dp轉(zhuǎn)換為PS文件Dps，獲取行位置信息和字符間距信息。記行位置信息為Lr，字符間距信息為Lr（x，y）。

（3）增加一些由空格字符組成的行，行位置信息為Lr，將置亂后的水印圖像值按下式（2）嵌入到字符間距信息中

同時，將水印圖像的位置信息也嵌入到字符間距值中。嵌入過程為：選取PDF文檔增加的空格行的第i個字符間距作為水印位置信息的嵌入起始位置，選取此位置時，應(yīng)盡量選取每行中間位置處。這是因為非法復(fù)制者經(jīng)常選取中間位置處的內(nèi)容，而且中間位置處的信息不容易發(fā)生改變，這樣會提高水印提取的準(zhǔn)確率。本文實驗中，取i=10，即選取每行第10個字符間距開始處，連續(xù)的2*M位作為水印信息的位置信息，其中M=「log2N」。得到每行第i+2*M個字符間距嵌入水印的位置信息，將行列值分別轉(zhuǎn)換為二進(jìn)制數(shù)據(jù)，再將此位置的二進(jìn)制的行列值信息按下式（3）填入此行從第i到i+2*M的字符間距信息內(nèi)

其中，LL'（x，y）為嵌入位置信息后的字符間距值，LL2（x，y）為初始字符間距值，W2（x，y）為位置信息值，P2為加權(quán)因子，可適當(dāng)調(diào)整此值增加魯棒性。

（4）將嵌入水印后的PS文件轉(zhuǎn)換為PDF文件，從而得到含有水印的PDF文檔。

2.3 水印提取算法

（1）將含有水印的PDF文檔轉(zhuǎn)換為PS文件。

（2）取出所有由空格字符組成的行，讀取字符間距值，獲取嵌入的水印信息和位置信息（PDF轉(zhuǎn)換到PS過程中可能有很小的誤差，實驗中可考慮這些誤差）。然后根據(jù)獲得的位置信息值和水印信息值，得到二值圖像。

（3）將得到的二值圖像進(jìn)行反Arnold置亂變換，得到提取出的水印圖像。

3 實驗仿真及結(jié)果分析

本文的實驗以Adobe distiller 9為工具，圖像處理環(huán)境為Matlab 7.0，原始水印圖像為32×32的二值圖像，Arnold變換次數(shù)K為3。

圖2給出了實驗過程的部分?jǐn)?shù)據(jù)。其中，LL1取為2，LL2取為3，P1取為5，P2取為8。

圖2 水印嵌入過程效果圖

實驗結(jié)果分析：可感知性方面，由人的肉眼來識別。用NC值來反映提取水印與原始水印的相似程度，計算公式如下

其中，w表示原始水印圖像的像素點，w'表示提取出的水印圖像中的像素點。NC越接近1，說明提出的水印和原始水印越相似。

圖3給出了實驗結(jié)果。由于水印算法的原理是在原始PDF文檔上疊加由空格組成的行，因此，人眼觀測到的嵌入水印后的文檔與原圖完全一致，從中提取出的水印圖像跟原始水印圖像完全相同，具有很好的效果。

同時，筆者也對嵌入水印后的文檔做了一些攻擊，以檢測水印提取算法的魯棒性。對于PDF文檔，最常見的操作方法就是裁剪。為此，裁剪出其中的一段，根據(jù)裁剪出的這一段PDF文檔，利用水印提取算法對其分析，得到如圖4所示的水印圖像。由圖4可以看出，即使是裁剪出比較小的一部分文檔，仍然能檢測出含有的水印圖像。

圖4 裁剪后提取的水印效果圖

由以上結(jié)果可以看出，本文提出的算法信息隱藏能力較強，嵌入效果較好，水印提取算法具有一定的魯棒性。另外，筆者也做了在水印提取時置亂因子值不符的實驗，實驗結(jié)果表明，當(dāng)密碼不正確時，基本不可能提取到正確的水印。

4 結(jié)語

本文針對PDF文檔的特點，提出了一種適用于PDF文檔的水印嵌入方案。實驗結(jié)果表明，本算法具有較好的透明性、可視性和較強的魯棒性。同時，利用Arnold置亂技術(shù)，進(jìn)一步增強了水印的安全性和健壯性。水印檢測結(jié)果準(zhǔn)確，從而具有較強的實用性。但本文提到的算法只能針對PDF文檔，而且，不能應(yīng)對文字識別軟件類的攻擊。

［1］LUCS,LIAO H YM.MultipurposeWatermarking for Image Authentication and Protection［J］.IEEE Transactions on Image Processing,2001,10（10）∶1579-1592.

［2］COX I J,MILLER M L.Watermarking Application and Their Properties［C］//International Conference on Information Technology∶Coding and Computing.Las Vegas∶［s.n.］,2000∶27-29.

［3］KIM YW,OH S.Watermarking textdocument images using edge direction histograms［J］.Pattern Recognition Letters,2004, 25（11）∶1243-1251.

［4］COX L J,MILLERM L.The First50 YearsofElectronicWatermarking［J］.EURASIPJofApplied SignalProcessing,2002（2）∶120-132.

［5］BENDERW,KUTTERM.Multimediawatermark technique［J］.Proc of IEEE,1999,87（7）∶1077-1079.

［6］BRASSIL J,LOW S,MAXEMCHUK N F.Copyright Protection for the Electronic Distribution of Text Documents［J］. Proceedingsof the IEEE,1999,87（7）∶1181-1196.

［7］ZHAO J,KOCH E.Embedding Robust Labels into Images for Copyright Protection［C］//The Int Congress on Intellectual Perperty Rights for Speciallized Information,Knowledgeand New Technologies.Vienna,Austria∶［s.n.］,1995∶8.

［8］RABAH K.Steganography-the ArtofHiding Data［J］.Information Technology Journal.2004,3（3）∶245-249.

［9］SHIRALIS.A New Approach to Persian/Arabic Text Steganography Computer and Information Science［C］//5th IEEE/ACIS InternationalConference.Honolulu,USA∶［s.n.］,2006∶310-315.

［10］王飛燕,李峰,陳松貴.基于一維正態(tài)云模型的半脆弱文本水?。跩］.計算機工程與設(shè)計,2008,29（17）∶4578-4580.

［11］張秋余,余冬梅,管偉.中文PDF文檔數(shù)字水印算法［J］.計算機工程與設(shè)計,2007,28（24）∶5983-5987.

［12］顧艷春,楊揚.一種基于PDF文檔和置亂技術(shù)的文本數(shù)字水印技術(shù)［J］.佛山科學(xué)技術(shù)學(xué)院學(xué)報∶自然科學(xué)版,2009, 27（2）∶43-46.

［13］STEFANK.Information Hiding Techniques for Steganography and DigitalWatermarking［M］.Boston∶Artech House,2000.

［14］傅瑜,王保保.文本水印附加空格編碼方法的實現(xiàn)及其性能［J］.長安大學(xué)學(xué)報,2002,22（3）∶85-87.

［15］ARNOLDEA,AVEZA.Ergodic problemsofclassicalmechanics［M］.New Jersey∶Benjamin,W A,1968.

【責(zé)任編輯：王桂珍foshanwgzh@163.com】

A text digitalwatermarking algorithm for PDF documentbased on spaceencoding and scrambling technique

GUYan-chun1，F(xiàn)ENG Jun-ting2

（1.SchoolofElectronicsand Information Engineering,Foshan University,Foshan 528000,China; 2.Information System Department,The FirstPeople’sHospitalof Foshan,Foshan 528000,China）

∶A text digital watermarking algorithm for PDF document based on space encoding and scrambling technique is proposed.Thewatermark image is firstencrypted by scrambling technique.Then,the original PDF document is transformed into PS file,in which preserved the characters and their location information.Thirdly, we superimpose some rows composed of space into the PS file.The binary watermark image with its location information is embedded into the character spacing of the PS file.Finally,we get the PDF document containing watermark through the PS file.Experimental results demonstrate that the proposed algorithm is imperceptibility and robust to some degradation processessuch as cropping.

information hiding;spaceencoding;scrambling technique;textdigitalwatermarking;PDFdocument

TP391.4

A

1008-0171（2015）01-0076-05

2014-05-14

佛山科學(xué)技術(shù)學(xué)院科研基金資助項目（2010X063）

顧艷春（1981-），男，河南信陽人，佛山科學(xué)技術(shù)學(xué)院講師，博士。