一种对压缩数据进行水印嵌入的方法及系统技术方案

本发明专利技术涉及数字水印技术领域，提出一种对压缩数据进行水印嵌入的方法，该方法通过结合卷积神经网络等深度学习模型，可实现对半结构化数据的压缩数据深入理解和特征提取，进而实现在半结构化数据的压缩数据中进行水印嵌入和水印信息验证。本发明专利技术能够实时监测每个位置水印的嵌入效果，确保嵌入水印后的半结构化数据的压缩数据能保持高效传输和解析的同时，可确保水印信息的安全性与隐蔽性。

【技术实现步骤摘要】

本专利技术涉及数字水印，尤其涉及一种对压缩数据进行水印嵌入的方法及系统。

技术介绍

1、在数字信息时代，数据安全面临愈多的挑战，水印技术作为一种重要的保护手段得到了广泛的应用，通常是在数字图像、音频和视频等多媒体数据中添加水印来实现对这类数据的版权保护、防篡改和合法使用鉴别。随着互联网及大数据技术的迅猛发展，结构化和半结构化数据（如json、xml、bson等）在地理信息系统、电子商务、金融服务和大数据分析等领域的应用变得越来越重要，但由于半结构化数据的特点，如何有效地在半结构化数据的压缩数据嵌入水印仍是一个挑战。

2、bson，全称binary json，是一种二进制形式的半结构化数据。它是由mongodb所使用的一种数据序列化格式，用于存储和网络传输数据。为了进一步减小数据的大小，bson数据在存储和传输时会对数据进行压缩，相关技术如gzip被广泛用于bson数据的压缩处理，《mongodb: the definitive guide, 2nd edition》（o’reilly media, 2013）中提供了针对bson数据高效存储和传本文档来自技高网...

【技术保护点】

1.一种对压缩数据进行水印嵌入的方法，其特征在于，包括：

2.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，S11中所述经过训练的深度学习模型M包括：由卷积神经网络构成的Encoder网络、由卷积神经网络构成的Decoder网络、变分自动编码器（VAE）模块和及概率分布生成模块，其中所述变分自动编码器（VAE）模块和及概率分布生成模块位于Encoder卷积神经网络层和Decode卷积神经网络层之间；

3.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，S11中所述半结构化数据的压缩数据D中的半结构化数据为json、BSON、x...

【技术特征摘要】

1.一种对压缩数据进行水印嵌入的方法，其特征在于，包括：

2.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，s11中所述经过训练的深度学习模型m包括：由卷积神经网络构成的encoder网络、由卷积神经网络构成的decoder网络、变分自动编码器（vae）模块和及概率分布生成模块，其中所述变分自动编码器（vae）模块和及概率分布生成模块位于encoder卷积神经网络层和decode卷积神经网络层之间；

3.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，s11中所述半结构化数据的压缩数据d中的半结构化数据为json、bson、xml、yaml、avro、orc中任一种。

4.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，s11中所述概率生成模块是任一种注意力模型。

5.根据权利要求1所述的一种对压缩数据进行水印嵌入的方法，其特征在于，s14中将所述水印信息块bj嵌入到所述半结构化数据的压缩数...

【专利技术属性】
技术研发人员：范状状，郭玉刚，张志翔，
申请(专利权)人：合肥高维数据技术有限公司，
类型：发明
国别省市：