基于数字水印技术的医院电子档案管理系统设计

李欣

摘  要： 为了有效提高医疗体系中大量电子档案的安全性，避免被非法拷贝和篡改，设计一种基于数字水印技术的医院电子档案管理系统。首先，结合电子档案的实际应用环境，设计数字水印系统的整体架构和关键流程;其次，在传统数字水印算法的基础上，提出一种基于非下采样轮廓波变换和奇异值分解的水印算法，在Contourlet域进行水印的嵌入和提取;利用C#编程实现了设计的水印算法以及医院电子档案管理系统。结果显示该系统运行正常，且提出的水印算法具有良好的不可见性和较好的鲁棒性。

关键词： 档案管理系统; 数字水印设计; 水印算法; 电子档案管理; 水印信息嵌入; 水印信息提取

中图分类号： TN915.08?34; TP393                  文献标识码： A                   文章编号： 1004?373X（2020）05?0078?04

Design of hospital electronic archive management system

based on digital watermarking technology

LI Xin1， 2

（1. Central South University， Changsha 410012， China; 2. Dean′s Office of the Second People′s Hospital of Wuhu， Anhui Province， Wuhu 241000， China）

Abstract： In order to effectively improve the security of a large number of electronic archives in the medical system and avoid illegal copying and falsifying， a hospital electronic archive management system based on digital watermarking technology is designed. Firstly， the overall architecture and key processes of digital watermarking system are designed in combination with the actual application of electronic archives. Secondly， on the basis of the traditional digital watermarking algorithm， a watermarking algorithm based on NSCT （nonsubsampled contourlet transform） and SVD （singular value decomposition） is proposed to embed and extract the watermarking in Contourlet domain. The designed watermarking algorithm and the hospital electronic archive management system are realized with C# programming. The results show that the system works normally and the proposed watermarking algorithm has good invisibility performance and satisfied robustness.

Keywords： archive management system; digital watermarking design; watermarking algorithm; electronic archive management; watermarking information embedding; watermarking information extraction

0  引  言

21世紀是信息化的时代，随着计算机技术的飞速发展，数字化和电子化潮流开始席卷社会的各个领域。由于互联网的便利性、快捷性使得电子档案作为未来信息的载体，成为政府和企业各界的发展趋势，正在逐渐取代传统档案。电子档案具有易复制性、流动性高等优点，但是电子档案也带来了一些负面的影响，例如，信息的不稳定性。信息化的数据存储和管理很容易出现非授权的传播现象，可能会导致严重的经济损失和个人隐私泄露问题。

但是符合电子档案管理需求的数字水印算法并不多，且安全性有待进一步提升。因此，本文以医院电子档案管理的实际安全需求为基础，研发了一种适用于电子档案管理的数字水印技术系统，从而保证信息的安全性和唯一性。该系统采用了一种基于非下采样轮廓波变换（Nonsubsampled Contourlet Transform，NSCT）[1]和奇异值分解（Singular Value Decomposition，SVD）的水印算法，相比传统水印拥有更高的安全性。

1  相关研究分析

现有的电子档案管理手段主要分为法律上的手段和技术上的手段。前者包括各种数字档案和版权保护的法律法规，后者主要基于计算机或者电子设备手段来实施。例如，文献[2]设计并实现了一种基于C#与SQL Server的装备电子档案系统。文献[3]设计并实现了基于RFID的档案管理系统。但是，如何鉴定电子档案的原始性是目前急需解决的难点和重点问题。

目前解决该问题的主流加密技术为数字水印技术。例如，文献[4]对基于数字水印的档案数据库安全策略进行了研究。文献[5]提出了面向图博档的分块压缩感知图像零水印算法。 文献[6]提出了一种基于零水印的图博档彩色图像资源版权保护策略。查阅相关领域资料发现，现阶段符合电子档案管理需求的数字水印算法并不多，且安全性有待进一步提升。因此，在传统数字水印算法的基础上，提出一种基于非下采样轮廓波变换和奇异值分解的水印算法，并以此为基础设计和实现了医院电子档案管理系统。

2  医院电子档案管理系统的设计

2.1  系统整体架构设计

现阶段，网络办公和无纸化是电子档案普及的驱动力，受到政府政策上大力扶持。针对医院的实际需求，电子档案管理系统必须具备经济和技术上的可行性。本文采用C/S模式来构建系统网络架构，以满足网络化的需求，所有数据均存储在数据服务器中。本文系统整体架构分为三层，包括数据访问层、业务层和用户交互层，如图1所示。系统数据库中设计的档案信息数据表如表1所示，共包含13个字段。

2.2  数字水印嵌入与提取流程

目前标准的水印系统一般可分为两个过程：水印嵌入和水印提取。图2为水印信号的嵌入流程，图3为水印的提取流程。

3  基于非下采样轮廓波变换和奇异值分解的数字水印算法

3.1  非下采样轮廓波变换NSCT

非下采样轮廓波变换NSCT的主要原理[7?8]是基于塔型方向滤波器组，分为拉普拉斯金字塔分解的Contourlet变换和方向滤波组。相比传统Contourlet变换，NSCT在分解重构过程中，均不存在上采样、下采样步骤，因此继承了图像信息的多方向性和各向异性，实现了特有的平移不变性，其分解框架如图4所示。因此，本文采用NSCT变换来实现系统中水印服务。

在方向滤波器组中，一个[d]维的网格可用一个[d×d]的非奇异整数矩阵来表示。输入信息[x（n）]的采样方式为：

[xd（n）=x（Mn）] （1）

式中[M]表示采样倍数。使用的采样矩阵为Quincunx采样矩阵[9][Q0]和[Q1]：

[Q0=1-111，     Q1=11-11] （2）

二维双通道Quincunx滤波器组的表示方式为：

[X（w）=12H0（w）G0（w）+H1（w）G1（w）X（w）+12H0（w+π）G0（w）+H1（w+π）G1（w）X（w+π）] （3）

完全重构条件为[8]：

[H0（w）G0（w）+H1（w）G1（w）=2H0（w+π）G0（w）+H1（w+π）G1（w）=0] （4）

式中：[H0]，[G0]，[H1]和[G1]均表示方向滤波器，能够在满足式（4）的条件下把输入信号分解到不同的方向，并确保样本数量一致。

3.2  奇异值分解SVD

为了保持变换后图像信息的稳定性和质量，本文对NSCT变换后得到的分块采用奇异值分解SVD处理。假设分块图像的矩阵表示为[A∈RM×N]，[R]为实数域。通常情况下，[A]可表示为[10]：

[A=UΣVT] （5）

式中：[U]和[V]均表示正交阵;[Σ]表示非对角线为零值的矩阵。

具体表示为：

[Σ=σ1000?000σM] （6）

式中[σ]为[A]的奇异值，也是[Σ]的唯一分解。

通过推导得出：

[AAT=UΣΣTUT] （7）

[ATA=VΣTΣVT] （8）

所以， 如果令[U]和[V]表示为：

[U=u1    u2    …    uM] （9）

[V=v1    v2    …    vN] （10）

式中[ui]和[vi]分别表示[U]和[V]的列向量。则式（5）可表示为[11]：

[A=i=1rσiuivTi]   （11）

式中[r]是[A]的秩，即[A]矩陣中非零奇异值的个数。通过上述SVD处理，可以确保图像的信息在发生较小的扰动时，其奇异值避免出现较大的变化，确保变换后图像信息的稳定性。

3.3  水印信息嵌入的具体步骤

本文设计的数字水印算法中采用了量化嵌入方式，具体就是取[Σi]中的最大奇异值[σ1]进行量化，以嵌入1 bit水印信息。水印信息嵌入的具体步骤为：

1） 对原始图像进行NSCT变换;

2） 获取低频逼近子图并进行分块;

3） 获取分块，进行奇异值分解，采用量化方式嵌入水印;

4） 进行逆奇异值分解，进行非下采样轮廓波变换NSCT，得到嵌入水印的图像。

3.4  水印信息提取的具体步骤

水印信息提取的具体步骤如下：

1） 对嵌入水印的图像进行NSCT变换，得到低频子带图像;

2） 对低频子图进行分块，对分块进行SVD分解，提取水印;

3） 对提取的水印进行解密，得到最终的水印。

4  系统的实现和测试

4.1  系统实现

本文利用C#与编程实现了设计的水印算法以及医院电子档案管理系统，并选择SQL数据库。图5显示了医院电子档案管理系统中数据导出模块的界面。系统运行正常，满足医院日常办公的数据管理需求。

4.2  系统的安全性能测试

数字水印的安全性能评价一般采用的鲁棒性评估指标为归一化相关系数NC，其计算方式为[12]：

[NC=x=1My=1NW（x，y）×W（x，y）x=1My=1NW2（x，y）] （12）

式中：[W（x，y）]表示原始水印在[（x，y）]处的值;[W（x，y）]表示提取出来的水印在[（x，y）]处的值。

在Windows 10环境下，对提出的数字水印系统进行实际测试。测试图像是大小为512[×]512的Lena标准图像，水印图像大小为32[×]32。椒盐噪声攻击情况下，本文算法和压缩感知图像零水印算法[6]的NC值对比结果如图6所示。从图6可以看出，尽管随着椒盐噪声浓度的不断增加，两种水印算法的NC值均不断下降，导致提取的水印信息逐渐模糊失真，但是在相同的椒盐噪声浓度条件下，本文提出的数字水印算法比压缩感知图像零水印算法具有更高的NC值。这表明在满足水印不可见的前提下，提取的水印包含更多的有效信息，鲁棒性更高。

5  结  论

本文提出了一种基于数字水印技术的医院电子档案管理系统。该系统采用了C/S模式的三层整体架构，有效实现了网络化的无纸化办公。相比现有类似水印算法，该系统采用了基于非下采样轮廓波变换和奇异值分解的水印算法，具有更好的不可见性和较好的鲁棒性。但是，系统的鲁棒性分析仅进行了噪声攻击测试，后续将对裁剪攻击、JPEG压缩和缩放攻击开展进一步安全性能验证分析。

参考文献

[1] YANG Y， TONG S， HUANG S， et al. Multifocus image fusion based on NSCT and focused area detection [J]. IEEE sensors journal， 2015， 15（5）： 2824?2838.

[2] 谭龙丹，郭睿志，王帅，等.基于C#与SQL Server的装备电子档案系统的设计与实现[J].现代电子技术，2014，37（14）：40?42.

[3] 赵旭，高鸿雁.基于RFID的档案管理系统设计与实现[J].电子设计工程，2018，26（4）：176?179.

[4] 刘爽，孙光明，刘奕.基于数字水印的档案数据库安全策略研究[J].情报科学，2010（2）：271?273.

[5] 郝世博，朱学芳.面向图博档的分块压缩感知图像零水印算法[J].现代图书情报技术，2014，30（6）：87?93.

[6] 朱光.基于零水印的图博档彩色图像资源版权保护策略研究[J].现代图书情报技术，2015，31（12）：89?94.

[7] 周研，李庆武，霍冠英.基于非下采样Contourlet变换系数直方图匹配的自适应图像增强[J].光学精密工程，2014，22（8）：2214?2222.

[8] AMINI N， FATEMIZADEH E， BEHNAM H. MRI?PET image fusion based on NSCT transform using local energy and local variance fusion rules [J]. Journal of medical engineering & technology， 2014， 38（4）： 211?219.

[9] WANG J J， JIA Z H， YANG J， et al. Medical image enhancement algorithm based on NSCT and the improved fuzzy contrast [J]. International journal of imaging systems & technology， 2015， 25（1）： 7?14.

[10] BARANYI P， YAM Y， VARKONYI?KOCZY A R， et al. SVD?based complexity reduction to TS fuzzy models [J]. IEEE tran?sactions on industrial electronics， 2015， 49（2）： 433?443.

[11] HASTIE T， MAZUMDER R， ZADEH R， et al. Matrix completion and low?rank SVD via fast alternating least squares [J]. Journal of machine learning research， 2015， 16（1）： 3367?3402.

[12] PANYCH L P， OESTERLE C， ZIENTARA G P， et al. Implementation of a fast gradient?echo SVD encoding technique for dynamic imaging [J]. Magnetic resonance in medicine， 2015， 35（4）： 554?562.

[13] OUAMER?ALI M I， BELKADI F， LAROCHE F， et al. Facet?based approach for the management of information multi points?of?view in product modeling [J]. Computer?aided design and applications， 2017， 14（5）： 582?594.

[14] MOHAMMED S A， PANDA R， MADHAN B， et al. Rumex abyssinicus （mekmeko） extract as cleaner approach for dyeing in product manufacture： optimization and modeling studies [J]. Asia?pacific journal of chemical engineering， 2017， 13（2）： e2165.