【技术实现步骤摘要】
本专利技术涉及水印嵌入领域，尤其涉及一种基于服务调用数据的水印嵌入方法。
技术介绍
1、随着信息技术的快速发展，数字内容的保护和版权管理变得日益重要。为了实现对数字内容的有效追溯和版权保护，数字水印技术被广泛应用。数字水印是将特定信息嵌入到数字内容中，且不易被察觉或破坏的一种技术手段，可以用于识别内容的来源、追踪非授权复制和分发，以及提供篡改检测等功能。
2、服务调用数据中的水印嵌入还需要考虑数据的完整性、可用性和安全性。嵌入水印的过程中，不能对原始数据造成过大的影响，以免影响数据的正常处理和解析。同时，嵌入的水印信息需要具有一定的鲁棒性，能够抵抗数据篡改和攻击。
3、因此，开发一种适用于服务调用数据的水印嵌入方法，能够在保证数据完整性和可用性的前提下，实现版权追溯和版权保护，成为当前急需解决的技术问题。
技术实现思路
1、本专利技术的目的是要提供一种基于服务调用数据的水印嵌入方法 。
2、为达到上述目的，本专利技术是按照以下技术方案实施的：
3、本专利技术包括以下步骤：
4、获取基于服务的调用数据，对所述调用数据进行预处理；
5、根据相关权重对预处理后的所述调用数据进行选择获得重点数据，对所述重点数据添加时间戳获得增强数据；
6、对所述增强数据进行贡献度选择获得优质数据，对所述优质数据进行数据编码获得编码数据；
7、采用所述编码数据构建数据水印嵌入模型，将待嵌入的服务调用数据输入所述数
8、进一步的，根据相关权重对预处理后的所述调用数据进行选择获得重点数据的方法，包括：
9、计算调用数据的相关权重：
10、
11、
12、其中数据e的最大值为，数据e的最小值为，数据e的相关权重为，数据e 的初始相关权重为，随机抽样c中所属类别的比例为，b类调用数据的比例为，b类调用数据中的第a个最近邻数据为，相关性e的数据值为，近邻中第a个调用数据e的采样数据值为，第a个采样数据为，随机抽样c中所属类别为，采样数据的数量为，最近邻数据为g，调用数据c与采样数据在相关性e上的差为，调用数据c与采样数据在最近邻上的差为；
13、根据相关权重对调用数据进行降序排序，给定相关权重阈值，根据相关权重阈值筛选相关集；
14、对探索子位置和相关集进行映射，表达式为：
15、
16、
17、其中映射函数为，第i个探索子的第a个相关的为，随机数为r，自然常数为e，计算探索子的适应度值：
18、
19、其中适应度为，分类的误分率为，相关集中的数据数量为m，误分率的重要性为，相关子集的重要性为，选择的相关子集的数量为；
20、比较探索子的适应度，更新全局和局部最优解，更新探索子位置，表达式为：
21、
22、
23、其中第i个探索子在d维度的速度为，第i个探索子在d维度的位置为，探索子的惯性权重为，学习因子为、，随机常数为、，全局最优位置为，个体最优位置为，更新的后探索子位置为；
24、执行自适应t分布扰动策略，不断迭代直到达到最大迭代次数，将筛选剩下的数据输出为重点数据。
25、进一步的，对所述重点数据添加时间戳获得增强数据的方法，包括：
26、计算距离重点数据最近的点以及距离：
27、
28、其中第p个近邻点到第c个重点数据的距离为，维度为d，维度的数量为，第d个维度的第c个样本为，第d个维度的第p个近邻点为；
29、计算距离样本点最近的近邻点到重点数据的距离之和：
30、
31、其中近邻点的数量为，第c个重点数据与近邻点的距离之和为；
32、根据距离之和进行降序排序，给定邻域参数的取值区间，根据重点数据与近邻点的距离之和的大小，将邻域参数平均分配到邻域内，表达式为：
33、
34、
35、其中邻域参数为，邻域参数的最大值为，邻域参数的最小值为，第1个重点数据与近邻点的距离之和为，控制参数为，重点数据与近邻点距离之和的最大值为；
36、计算局部近邻权重和原始局部线性结构权重：
37、
38、
39、其中增强权重为，重点数据与第y个邻居的近邻序列结构权重为，原始局部线性结构权重为，二级范数函数为，重点数据的第y个邻居为，第c个重点数据为，最小值参数值函数为，第c个重点数据和第y个邻居的衰减系数为；
40、计算重要性权重：
41、
42、其中重要性权重为，近邻序列结构权重为，序列系数为，线性系数为；
43、将重要性权重大于等于0.372点对应的近邻点作为时间戳的插入点，插入时间戳输出增强数据。
44、进一步的，对所述增强数据进行贡献度选择获得优质数据的方法，包括：
45、计算增强数据之间的距离：
46、
47、其中第j个数据和第个数据的相异度为，第j个数据和第个数据的距离为，条件概率为，第j个数据和第个数据的数值型距离为；
48、计算增强数据的累计贡献度：
49、
50、其中累计贡献度为，第j个方差解释率为，第j个数据和第个数据偏移值为，距离为，遗传因子为，偏移值的平均值为；
51、将累计贡献度大于1的增强数据输出为优质数据。
52、进一步的，对所述优质数据进行数据编码获得编码数据的方法，包括：
53、计算成对差错概率的上限：
54、
55、其中信道矩阵为r，预编码矩阵为k，成对差错概率为，优质数据为a，编码数据为，误差率为，优质数据a变换为编码数据的成对差错概率为，范数函数为；
56、计算信道概率密度：
57、
58、其中信道r的概率密度为，信道均值为，传输协方差为，传输逆矩阵为，矩阵的秩为，信道矢量数量为n，行列式为，第f个信号矢量的数量为；
59、计算最小目标函数：
60、
61、其中目标函数为，最小码距为d，传输协方差的逆矩阵为，信道调整矩阵为b，调整参数为，信道r的预编码矩阵为，预编码矩阵最优时矩阵的码距为，信道调整的逆矩阵为，信道r的信道均值为；
62、给出约束目标函数，表达式为：
63、
64、其中拉格朗日系数为，信道调整矩阵b和拉格朗日系数的约束目标函数为，预编码矩阵为；
65、计算最优编码矩阵：
66、
67、
68、其中最优编码矩阵为，右奇异向量为x，左奇异向量为y，根据最优编码矩阵输出编码数据。
69、进一步的，采用所述编码数据构建数据水印嵌入模型的方法，包括：
70、数据本文档来自技高网...
【技术保护点】
1.一种基于服务调用数据的水印嵌入方法 ，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，根据相关权重对预处理后的所述调用数据进行选择获得重点数据的方法，包括：
3.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，对所述重点数据添加时间戳获得增强数据的方法，包括：
4.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，对所述增强数据进行贡献度选择获得优质数据的方法，包括：
5.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，对所述优质数据进行数据编码获得编码数据的方法，包括：
6.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，采用所述编码数据构建数据水印嵌入模型的方法，包括：
7.一种电子设备，包括：处理器；以及
8.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要
...【技术特征摘要】
1.一种基于服务调用数据的水印嵌入方法 ，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，根据相关权重对预处理后的所述调用数据进行选择获得重点数据的方法，包括：
3.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，对所述重点数据添加时间戳获得增强数据的方法，包括：
4.根据权利要求1所述一种基于服务调用数据的水印嵌入方法 ，其特征在于，对所述增强数据进行贡献度选择获得优质数据的方法，包括：
...【专利技术属性】
技术研发人员：王蒙湘，张雨辰，付强，万福军，周幸窈，刘娜，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。