基于数字水印的互联网数字图像舆情信息事件预防技术研究*

郑媛裕

(广东外语外贸大学)

基于数字水印的互联网数字图像舆情信息事件预防技术研究*

郑媛裕

(广东外语外贸大学)

为了预防篡改图像信息导致的舆情事件的发生，提出一种基于超混沌加密和小波变换的数字水印算法，设计出一种新的基于数字水印技术的图像舆情信息安全体系.在进行仿真实验后证实，该系统能有效甄别网络图像文件虚实，预防恶意篡改，非法拷贝，非法传播，从而能进一步完善网络图像舆情信息的安全监管体系，促使网络图像信息朝向绿色健康的方向发展.

图像舆情;图像信息安全;数字水印技术;超混沌系统;小波变换

0 引言

网络舆情是以网络为载体，以事件为核心，体现为广大网民情感、态度、意见、观点的表达、传播与互动，以及后续影响力的集合［1］.网络舆论表达快捷化，方便化，信息多元化，在人们的生活有着不可或缺的地位，对政治生活秩序和社会稳定的影响更是与日俱增.大量被恶意篡改的虚假的网络图像信息的传播，不仅对网络社会，对现实社会的稳定也产生了不良的影响.现在只需要点几下鼠标，就可简单轻松地复制别人的图像作品，严重侵犯了他人的作品著作权.甚至是一些包括在政府机关，企业内部的机密信息的图像文件资料都会受到攻击和篡改，而当今社会尤其是网民们更多地关注那些负面信息与评论，在不了解事情的始末时就加以评论，这会引发严重的舆情事件.基于网络图像本身数量大、易传播的特点，造成网络舆情监管工作难度高，涉及技术难度大.该文将结合网络舆情信息安全和小波数字水印技术提出一种用超混沌加密的数字水印系统.这个系统对虚假信息进行甄别，能有效防止虚假图像信息的非法传播，避免原始图像被恶意篡改和复制，从而增强图像舆情事件的可预防性，提高网络图像信息传播的安全性.

1 文献综述

网络舆情［2］是指在互联网上流行的对社会问题不同看法的网络舆论，是社会舆论的一种表现形式，是在互联网传播中一些有代表性的、倾向性的看法和主张.网络舆情事件［3］不同于传统的流言事件，它具有“辟不胜辟”的新特点，网络上的诸如论坛、博客、微博等平台为网络舆论的传播提供了便利，网络传播使虚假信息的流传更加广泛，加大了辟谣的难度.其次，由于舆情信息的不对称性加深了舆情危机度.在舆情事件中，作为舆情主体的政府、企业事业单位处于获取发送信息的上端，而普通民众则处于下端，双方由于舆情信息的不对称、立场和认识的不共通，容易生成双方矛盾的加深，导致舆情危机的加剧.

目前我国网络舆情监测系统存在舆情数据采集不全、舆情信息抓取有漏洞、信息冗余等问题，针对这一状况，需要建立专业的网络舆情预防监测体系，但是这对相关技术有着严格的要求，既要注重于数据的过滤，又要对客户相关信息有自动发现、趋势分析和挖掘的能力.网络舆情与某一些突变事件的发生紧密相连，凡是涉及到政治、民生、军事等敏感性因素，即可掀起一股全国人民思想暴动的热潮.罗伯特?希斯［4］主张，最经济、成本最小也是最成功的解决方案是尽可能地避免危机的发生或是将危机消灭在萌芽的状态.孙多勇［5］则从心理学的角度上分析在产生突发事件后人民的心理活动、行为方式以及情感等方面的变化.唐喜亮［6］从政府的角度出发，深入探究在突发事件发生后，政府该采取哪些措施对网络舆情进行指引和预警.黄成军［7］，曾润喜［8］等站在公共事件和网络舆情关系的角度上，研究网络舆情的根源、发展速度、对突发事件发展的影响程度，探究了一般网络舆情事件的发展演变机制，以及其对公共事件发展变化的影响规律.在图像舆情信息监控和预防方面，并没有太多的资料与文献.因此，该文提出一种基于数字水印技术的网络图像信息安全体系，该体系在对建构图像与舆情信息安全之间关系的研究具有一定的现实意义.

2 数字水印综述

1954年产生的一种对数字产品产权保护的方法是数字水印产生的最初形态.Emil Hembrooke是Muzak公司的职员，他为保护音乐作品产权的方法申请了一项专利.在这项专利中，间歇性地应用了中心频率为1kHz的窄带陷波器，并且还使用了莫尔斯电码.该认证码就被嵌入到音乐作品中.从而开辟了一个对数字产品保护的有效途径.直到1993年由Tirkel A Z等发表的“Electronic water mark”［9］论文，首次出现了“water mark”这专业一术语，数字水印才作为一个正式的研究课题得到了学者们的关注.

数字水印又分为可见的和不可见的，可见的数字水印会破坏原始数字产品的美观.在图像作品中，通常嵌入的是不可见的数字水印.通过在图像作品中秘密地嵌入一些作者信息，当与别人发生作品版权纠纷时，通过一定的方法提取出原本的水印信息，以此来证明自己的原创性.

按水印的特性可将数字水印分为两大类，一种是鲁棒性数字水印:这种水印具有较高的鲁棒性，能够抵抗各种攻击，应用于数字作品.而另一种数字水印是脆弱性数字水印，这种水印抗攻击的能力弱，主要是应用于作品的完整性保护.按水印的检测过程又可将其分为明文水印和盲水印.在检测过程中需要提供原始作品的，是明文水印，而不需要原始作品只需要密钥的，是盲水印.本文利用文献［10］产生的超混沌系统为基础，对嵌入的水印信息进行加密处理，在水印嵌入的过程中采用了DWT变换域的嵌入算法，实验表明，该方法大大地增强了盲水印的鲁棒性和不可见性.

水印嵌入和水印提取是数字水印系统的两大组成部分，数字水印系统的基本流程如图1所示.针对不同的数字产品，其水印的嵌入要求、算法和具体的过程是有区别的.第一部分是水印的生成和嵌入，其输入的内容包括原始水印mg1、原始载体D和一个密钥，然后利用嵌入算法嵌入水印，得到含有水印信息的图像E.接下来是水印的检测和提取，通过水印提取算法即水印嵌入的逆过程，提取出置乱的水印tImg和原始图像F，将置乱的水印图像tImg反置乱后则可以得到原水印mg1.

图1 数字水印系统的基本流程

3 分数阶超混沌系统

Lyapunov指数是衡量系统动力学特性的一个重要定量指标，通过计算最大Lyapunov指数是否大于零可以判断系统是否存在动力学混沌，而超混沌系统至少具有两个或以上正的 Lyapunov指数.与混沌系统不同的是，超混沌振荡通常发生在四维以上的非纯属自治动力学系统和三维以上的非自治动力学系统.因此，超混沌系统表现出更为复杂的非线性动力学特性，可以大大地提高保密通信的安全性，描述这个分数阶LIU文献超混沌系统的状态方程组如下

其中:a，b，k，h，c，e为系统参数，q1，q2，q3，为阶数，当它们同时为1时，系统就是平常所说的整数阶LIU系统.在Matlab 7.0平台上编写m文件，调用其求解函数ode45，其中a=10，b= 40，k=1，c=2.5，h=4，q1=0.91，q2= 0.92，q3=0.93.此时，系统处于混沌状态.其动力学混沌吸引子如图2所示.同时编写计算该混沌系统的李雅普诺夫指数的m文件，求出其三个李雅普诺夫指数的值 Le1、Le2、Le3分别为4.9727、11.5346、－29.0073，如图3所示.由此可以得出该系统有两个正的Lyapunov指数，反映了在系统相空间中，随着时间的推移，其奇怪吸引子在多个方向上成指数率的增加以达到不可预测的状态，反映出系统振荡时相邻轨道的扩展性.而另外一个负的Lyapunov指数反映出系统振荡时相邻轨道的收缩性.

由此可以显示出该混沌系统的动力学特性.

图2 分数阶LIU混沌系统吸引子

图3 Lyapunov指数谱图

图4、图5、图6分别是分数阶LIU混沌系统在x－y、x－z、y－z平面上的相图.该超混沌系统具有丰富的动力学振荡行为，为密钥空间的拓展提供了有利条件.

图4 x－y平面相图

图5 x－z平面相图

图6 y－z平面相图

4 水印图像加密

混沌序列具有迭代不重复性和初值敏感性的特性，文献［10］提出的分数阶LIU超混沌系统具有两个正Lypaunov指数，依赖更多的参数和初值，与以往的整数阶混沌系统相比，其吸引子更加复杂，动态行为更加难以预测，具有高度的伪随机性，较大的密钥空间，良好的系统复现性.

根据分数阶LIU超混沌系统的混沌序列，任选其中两个离散序列对水印图像进行加密处理.

在嵌入水印图像之前，需要对水印图像进行置乱处理，即将一个带有作品版权信息的图像转换为一个无意义或者无序的图像，从而达到增强图像抵抗攻击能力的效果，进一步提高水印图像的安全性.此处进行对水印图像完成初次置乱预处理.

Step1:读入水印图像，构建像素矩阵A，大小为N×N.

Step2:以分数阶LIU超混沌产生的混沌序列为基础，任选其中的两个序列x和y，通过对x和y进行排序，可以得到索引序列x'和y'.

Arnold变换［11］的定义如下:

对任意N×N矩阵A(所有元素都相同的矩阵除外)，设m，n为矩阵元素原始下标，经过Arnold变换后新下标为m'，n'，且满足下式:

根据Arnold变换具有周期性的特性，在对水印进行嵌入的过程时，可以将水印置乱次数i作为密钥来对图像进行反变换，当对水印进行提取时，再继续置乱周期性T减去置乱次数i次，从而恢复出原始水印.

Arnold变换具有周期性，即经过若干次变换后，矩阵回到最初状态，且周期T与N的大小有关.此处直接利空域的Arnold算法对排序后的水印图像进行像素值的置乱.

5 DWT数字水印的嵌入

对数字水印嵌入的算法步骤如下:

Step1:对置乱加密后的水印图像tImg采用db1小波文献(‘Haar’wavelet)变换进行三级小波分解，分别得到水平分量(CH)，垂直分量(CV)和对角分量(CD)以及近似分量(CA).

Step2:利用db1小波变换对载体图像D进行三级小波分解，可以分别得出水平分量(CH)，垂直分量(CV)和对角分量(CD)以及近似分量(CA).

Step3:用zeros函数产生与加密后的水印图像tImg大小相同的零矩阵R，用reshape()函数将分解后的CA分量转化为一维矩阵.

step4:参照嵌入位置(i，j)，如果加密后的水印图像tImg的像素点值为0时，CA矩阵加上任意小数，在这里取p=0.05，同时标记出水印的嵌入位置，此时在R矩阵的相应位置加上－1.

Step5:将CA分量用reshape函数转化为原有维数，利用二维离散小波的逆变换得到含有水印的图像E.

6 水印图像提取

对水印图像提取的过程是水印嵌入的逆过程，算法如下:

step1:利用db1小波变换对含有水印的图像E进行三级小波分解，可以得出图像的水平分量(CH)，垂直分量(CV)和近似分量(CA)以及对角分量(CD).

step2:构造零矩阵R，并用于标记提取的水印信息.

step3:用reshape函数对原始图像离散小波变换后得到的CA分量转化为一维矩阵.

step4:参照嵌入位置(i，j)，当密钥矩阵R的元素值为 －1时，将CA矩阵对应元素的值减p;反之，零矩阵R对应的元素取值为1，以及CA矩阵对应元素值不改变，并且将R变维后可以得出置乱的水印图像tImg.

step5:利用Arnold反变换将加密的水印图像tImg转换为原始的水印图像mg1.

step6:将恢复后原始图像的CA分量变为原维数，用小波逆变换，得出恢复后的原载体F.

7 实验结果与分析

对水印质量的评价分为主观性评价和客观性评价.在主观性评价中，它通过观察者对图像的视觉评分来判定图像的好坏.主观性评价分为绝对评价和相对评价.绝对性评价是依据质量尺度和妨碍尺度作为评断标准的，是将图像按视觉感觉分级来划分的.国际上规定的5级绝对尺度见表1.对专业人员来说，多采用妨碍尺度，而对一般人员来说，则多采用质量尺度.

表1 国际上的绝对评价尺度

在相对评价中，由观察者依据自己的视觉评价将一批图像相互比较后进行分类，最终给出相应的评分.表2是相对评价尺度与绝对评价尺度的对照.

表2 相对评价尺度与绝对评价尺度的对照

一般来说，评价的最终结果由合理数量的观察者给出的平均分数求出.平均分数由下面公式计算得来:

其中，Ci是图像为第i类的分数，Ni是判定此图像为第i类的观察者数量.为了确保最终统计分数的合理性与公平性，一般参加评分的观察者包括普通观察者和专业人员，且人数至少有20名.

客观性评价是依据人眼的生理视觉系统来建立，主要包括有均方误差(MSE，mean squared error)和峰值信噪比(PSNR，peak signal to noise rate).均方误差法预先计算待检测图像与原始图像像素差值的均方值，然后依据此均方值的大小来判定待检测图像的失真程度.MSE越小，说明图像之间的误差越小;PSNR越大，说明图像之间越相像.峰值信噪比(PSNR)的公式如下:

其中D(d1，d2)代表原始图像D中的一个像素，E(d1，d2)表示嵌入水印后图像E中的一个像素.L为图像中像素的最大灰度值.

相关性是信号分析和信号处理中的重要概念，可以用来检测提取出的水印信号与已知的水印信号的相关性.公式如下:

下面在Matlab7.0平台进行仿真实验，依据本文提出的嵌入算法进行水印嵌入，如下图所示是实验的结果.图7和图8分别是载体图像和原始水印，图9和图10分别是置乱乱后的水印图像和嵌入水印后的图像，载体图像与加水印后的图像从肉眼分辨不出有何区别，说明水印的嵌入效果较强.图11和图12分别是恢复置乱的水印和恢复原始的水印，恢复水印后的载体图像图13与原载体图像图7视觉效果相同，经过计算，原始水印mg和恢复后的水印之间的相关系数NC=1.

图7 载体图像

图8 原始水印

图9 置乱后的水印

图10 嵌入水印后的原始图像

图11 恢复置乱后的水印

图12 恢复原始的水印

图13 恢复后的原图

为了进一步验证该水印系统的鲁棒性，该文选取常见的高斯噪声和椒盐噪声对含水印的图像进行攻击测试，分析算法的PSNR值，以及进行相关性NC的检测.

用MATLAB 7.0中图像处理工具箱提供的imnoise()函数向水印图像mg1分别加入高斯噪声和椒盐噪声.其调用形式分别如下:

J=imnoise(I，’gaussian’，M，V)，(M为均值，V为方差)，默认的M，V值分别为0，0.01，方差值要进行归一化处理，取值在0～1之间.

J = imnoise(I，’salt＆pepper’，parameters)，Parameters表示噪声密度，取值在0～1之间.

7.1 椒盐噪声攻击

图14 加入椒盐噪声的含水印图

图15 恢复后的原图

在嵌入水印后的图像E里加入了椒盐噪声，在MATLAB 7.0平台上编写M文件，通过计算，加入椒盐噪声的含水印图(图14)与恢复后的原图(图15)的峰值信噪比PSNR=64.0718，均方差MSE=0.0255，说明该算法抗攻击的能力强，具有较强的鲁棒性，相关系数NC=1没有改变，可见该水印具有较强的抗噪能力.

7.2 高斯噪声攻击

在嵌入水印后的图像E里加入了高斯噪声，在MATLAB 7.0平台上编写M文件，通过计算，加入高斯噪声的含水印图(图16)与恢复后的原图(图17)的峰值信噪比PSNR=69.6170，均方差MSE=0.0071，的人原始水印mg和恢复后的水印mg1之间相关系数NC=1，仍然没有改变，可见该水印抗噪能力强.

图16 加入高斯噪声的含水印图

图17 恢复后的原图

通过上述的两种攻击测试，得出了以下结论.原始图像D与含水印图像E在肉眼上相同，即在视觉上具有不可觉察性;该水印系统具有较强的鲁棒性，对于基本图像处理的抗攻击能力较强.通过水印的检测与提取，可以证明水印的唯一性，有效地防止了图像作品的盗版行为.在网络图像舆情信息处理方面，可以将该基于该超混沌加密置乱和小波域变换的数字水印技术应用于其中，这在一定程度上完善了网络图像舆情监管体系，保障了舆情图像信息在网络上传输的安全性与可控制性.

8 结论

提出了基于分数阶超混沌理论和小波变换的数字水印算法，用算法中构造的滤波器应用于数字水印嵌入和提取的过程中，同时用密钥标识水印在图像中嵌入的位置，在检测时根据密钥进行盲水印的提取，在算法的最后部分对含水印图像进行噪声攻击，仿真实验证明，高斯噪声、椒盐噪声等仿真均对该文提出的算法不构成威胁，该算法具有较强的鲁棒性，在网络数字图像舆情监控技术方面具有广泛的发展前景.在信息技术日益发展和广泛应用的今天，仅仅从技术层次上对图像舆情信息安全进行研究是不够的，还需要对网络图像舆情的管理机制、舆情危机治理及监测进行深入探究，在实践中不断发展创新.

［1］姜胜洪.试论网上舆情的传播途径、特点及其现状.社科纵横，2008(1):36－40.

［2］曾润喜.网络舆情管控工作机制研究［J］.图书情报工作，2009，53(18):79－82.

［3］燕道成，杨瑾胡，江春.网络舆情新特点及应对策略.党政视野，2016(3):71－71.

［4］罗伯特·希斯.危机管理［M］.王成，宋炳辉，金瑛，译.北京:中信出版社，2001.

［5］孙多勇.突发事件与行为决策.北京:社会科学文献出版社，2007.

［6］唐喜亮.我国突发公共事件的网络舆情研究.成都:电子科技大学硕士论文，2005.

［7］黄成军.网络舆情与公共事件关系研究.重庆:重庆大学硕士论文，2009.

［8］詹必胜，曾润喜，佘硕，等.基于信息安全的网络图像舆情分析与识别研究.情报杂志，2015，34(2)32－35.

［9］Tirkel A Z，Rankin G A，vanSchyndel R M，et al.Electronic Water Mark［D］，Sydney，Macquarie University，1993:56－58.

［10］林涛，吴朋，高凤梅，等.基于分数阶超混沌系统和DWT的数字水印研究.激光杂志，2015，36(6):40－44.

［11］Arnold V I，Avez A.Ergodic Problems of Classical Mechanics.The Mathematical Physics Monograph Series.New York: 1968.

The Research on Prevention Technology of Internet Digital Image Public Opinion Event Based on Digital Watermark Information

Zheng Yuanyu

(Guangdong University of Foreign)

In order to prevent the happening of the image tampering with public opinion events，an algorithm based on chaotic encryption and digital watermarking of wavelet transform is put forward，and a new image public opinion information security system comprised of digital watermarking technology is designed.After doing experiment，network images of malicious tampering，illegal copying and illegal spread，identify its reality are confirmed.So as to improve the network public opinion image information security supervision system，prompting image information is developed with green and healthy.

Image public opinion;Image information security;Watermark technology;Hyperchaotic system;Wavelet Transform

TP391.9

:A

:1000－5617(2017)01－0064－07

(责任编辑:季春阳)

2016－12－15

*广东省大学生创新创业训练计划资助项目“网络图像篡改舆情事件预防关键技术研究”(201612620004)