本發(fā)明涉及數(shù)字指紋，具體涉及一種基于文檔內(nèi)容的數(shù)字指紋隱藏方法。

背景技術(shù)：

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)字文檔的復(fù)制和傳播變得越來越容易。然而，這種便利性同時也帶來了版權(quán)侵犯和身份識別等問題。為了解決這些問題，數(shù)字指紋技術(shù)應(yīng)運而生。數(shù)字指紋技術(shù)通過在數(shù)字文檔中嵌入獨特的標識信息，使得每個文檔都有一個唯一的標識，從而可以追蹤和識別文檔的來源。

2、然而，現(xiàn)有的數(shù)字指紋技術(shù)通常需要在文檔的顯眼位置嵌入標識信息，這無疑會破壞文檔的原始內(nèi)容。此外，一些攻擊者可能會嘗試移除或修改這些標識信息，以逃避版權(quán)追蹤和身份識別。傳統(tǒng)的文件在下載之后，由于留存于個人計算機，當個人進行再次分發(fā)時就無法或知發(fā)送出去的最終人（合法版權(quán)最終操作人）和發(fā)出的時間。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于文檔內(nèi)容的數(shù)字指紋隱藏方法，主要在于解決各類文件（包括word、ppt、excel、pdf等格式文件），在外傳以后仍然能夠?qū)?shù)字信息隱藏在文檔的每一個頁和每一個段落中，且該數(shù)字信息不易被發(fā)現(xiàn)和清除，確保大家在未來進行全文粘貼單頁粘貼段落復(fù)制時仍然能保持最終的數(shù)字指紋，用于文檔的身份識別、追根溯源，充分保護知識產(chǎn)權(quán)，即在不破壞文檔原始內(nèi)容的情況下，將標識信息隱藏在文檔中，同時保證這些信息在常規(guī)使用中不會被輕易發(fā)現(xiàn)或修改。

2、本發(fā)明通過下述技術(shù)方案實現(xiàn)：

3、一種基于文檔內(nèi)容的數(shù)字指紋隱藏方法，對進行改動并保存后的目標文件新增數(shù)字指紋切片并寫入進所述目標文件的多個區(qū)域中，具體步驟包括：

4、s1、解析目標文件，確定數(shù)字指紋切片可寫入?yún)^(qū)域；

5、s2、獲取要寫入目標文件的數(shù)字信息，并將所述數(shù)字信息進行加工生成隱藏式的數(shù)字指紋切片；

6、s3、將不同的多個所述隱藏式的數(shù)字指紋切片基于設(shè)定的規(guī)則隱藏式的對應(yīng)分散寫入所述目標文件的多個數(shù)字指紋切片可寫入?yún)^(qū)域。

7、作為優(yōu)化，所述目標文件包括word文件、pdf文件、excel文件和powerpoint文件。

8、作為優(yōu)化，s1中，對word文件的解析以確定所述數(shù)字指紋切片可寫入?yún)^(qū)域的過程為：

9、a1、確定word文件的格式；

10、a2、對docx文件進行解析或者對doc文件進行解析；

11、具體的，對docx文件的數(shù)字指紋切片可寫入?yún)^(qū)域進行解析；

12、通過對docx文件結(jié)構(gòu)解壓、讀取xml文件、分析所述docx文件的文件結(jié)構(gòu)、處理所述xml文件之間的關(guān)系文件來完成對所述docx文件結(jié)構(gòu)的解析，得到的所述docx文件的文件結(jié)構(gòu)包含三層內(nèi)容，第一層內(nèi)容為[content_types].xml，用于描述整個docx文件的文檔內(nèi)容；第二層內(nèi)容是_rels，用于描述存儲文檔內(nèi)容、樣式和布局的不同的文件夾和文件中之間的關(guān)系；第三層內(nèi)容為docx文件解壓后的內(nèi)容，包括word文件對象、xml文件；所述docx文件的數(shù)字指紋切片可寫入?yún)^(qū)域包括第一層內(nèi)容和第三層內(nèi)容；

13、具體的，對doc文件進行解析：

14、doc?文件是二進制存儲數(shù)據(jù)文件，解析步驟如下：

15、a、通過編程語言和庫來讀取doc文件的二進制內(nèi)容，分析所述doc文件的文件結(jié)構(gòu)得到文件包含的文件頭、文件屬性、文本內(nèi)容、對象索引；

16、b、解析獲取到的二進制內(nèi)容信息：

17、文件頭：用于標識文件類型和版本；

18、文件屬性：包含了文件的元數(shù)據(jù)信息；

19、文本內(nèi)容：包含了文檔的實際文本數(shù)據(jù)；

20、對象索引：用于定位和管理文檔中的word文件對象；

21、a3、解析所述word文件中的文檔內(nèi)容，識別和提取所述文檔內(nèi)容中的對象的特征和屬性；

22、a4、比對解析出來的文件結(jié)構(gòu)和文檔內(nèi)容，確認所述word文件的真實性和完整性以及是否存在非法操作；

23、s1中，對pdf文件的解析過程為：

24、b1、基于物理結(jié)構(gòu)將所述pdf文件劃分成文件頭、文件體、交叉引用表和文件尾；

25、b2、利用“特征分析法”對所述pdf文件的特征向量進行識別并分析所述pdf文件的特征；

26、b3、利用“對象分析法”對所述pdf文件進行邏輯結(jié)構(gòu)分析，得到所述pdf文件的各個模塊對象；

27、所述pdf文件劃分成的文件頭、文件體、交叉引用表和文件尾即為數(shù)字指紋切片可寫入?yún)^(qū)域；

28、s1中，對excel文件的解析過程為：

29、c1、解析所述excel文件的文件頭，獲取所述excel的基本信息，所述基本信息包括文件版本、工作表數(shù)量；

30、c2、根據(jù)所述excel文件的文件頭的信息，逐個解析所述excel文件中的各個工作表，獲取各個所述工作表的名稱、行數(shù)、列數(shù)以及單元格信息，所述excel文件的文件頭、各個所述工作表的名稱、行數(shù)、列數(shù)以及單元格信息即為數(shù)字指紋切片可寫入?yún)^(qū)域；

31、s1中，對pptx文件的解析過程為：

32、d1、確定powerpoint文件的格式；

33、d2、對pptx文件進行解析或者對ppt文件進行解析；

34、具體的，對pptx文件的數(shù)字指紋切片可寫入?yún)^(qū)域進行解析；

35、解析所述pptx文件的結(jié)構(gòu)，得到多個關(guān)于所述pptx文件的子文件以及各個所述子文件之間的關(guān)系；所述子文件包括演示文稿文件、宏文件、圖片文件和圖表文件；

36、利用“對象識別法”對所述演示文稿文件中的每一張幻燈片的對象以及宏文件進行識別和分析，充分了解每一張幻燈片的對象和結(jié)構(gòu)以及宏文件的代碼，所述幻燈片的對象包括圖片、圖表、文本和動畫；

37、利用“特征分析法”對每一張幻燈片的對象和宏文件的代碼進行特征向量提取，得到每個所述對象的屬性以及對象在幻燈片中的作用，以及宏文件的代碼在pptx文件中的應(yīng)用，所述pptx文件的演示文稿文件、宏文件、圖片文件和圖表文件即為數(shù)字指紋切片可寫入?yún)^(qū)域；

38、具體的，對pptx文件的數(shù)字指紋切片可寫入?yún)^(qū)域進行解析：

39、pptx文件是二進制存儲數(shù)據(jù)文件，解析步驟如下：

40、a、文件讀取：首先利用編程語言的函數(shù)讀取整個ppt文件；

41、b、結(jié)構(gòu)分析：利用編程語言獲取.ppt文件的內(nèi)部結(jié)構(gòu)和格式；

42、c、數(shù)據(jù)提?。和ㄟ^對二進制數(shù)據(jù)進行位操作、字節(jié)解析和轉(zhuǎn)換，提取二進制數(shù)據(jù)，所述ppt文件的數(shù)字指紋切片可寫入?yún)^(qū)域包括幻燈片正文、文件屬性。

43、作為優(yōu)化，所述數(shù)字信息包括產(chǎn)品信息、公司組織信息、時間戳信息、圖標信息、加密信息和自編碼序列信息。

44、作為優(yōu)化，s2中，將所述數(shù)字信息進行加工生成不同層次的隱藏式的數(shù)字指紋切片的具體過程為：

45、s2.1、把選定的所有所述數(shù)字信息進行匯總并保存為原有的數(shù)字信息，并按照設(shè)定的序列將不同的所述數(shù)字信息進行編碼，并以第一特定符號將不同的所述數(shù)字信息的編碼分隔開，以形成聚合數(shù)字編碼信息；

46、s2.2、根據(jù)不同的分類維度對所述聚合數(shù)字編碼信息進行切片轉(zhuǎn)換，形成不同分類維度的多維的第一特征向量，所述第一特征向量均為第一切片信息，并對各個所述第一切片信息進行二進制編碼得到第一切片編碼信息，利用混合加密技術(shù)結(jié)合多種加密策略對所述第一切片編碼信息進行加密得到多個第一加密切片編碼信息；

47、s2.3、結(jié)合切片信息的分類維度中的時間維度和用戶組織信息維度，對所述目標文件中的所有聚合數(shù)字編碼信息的第一特征向量使用聚類算法將相似度高于設(shè)定閾值的第一特征向量歸為一類，將屬于同一類的所述第一特征向量以第二特定符號隔開形成不同的層次的第二特征向量，所述第二特征向量為屬于同一類的第一特征向量的組合，且所述第一特定符號和第二特定符號不相同，所述第二特征向量均為第二切片信息，并對各個所述第二切片信息進行二進制編碼得到第二切片編碼信息，利用混合加密技術(shù)結(jié)合多種加密策略對所述第二切片編碼信息進行加密得到多個第二加密切片編碼信息；

48、s2.5、對多個所述第一加密切片編碼信息和第二加密切片編碼信息進行視覺效果設(shè)置，從而形成隱藏式的數(shù)字指紋切片。

49、作為優(yōu)化，s2.4還可以為：用降維技術(shù)提取所述目標文件中的所有聚合數(shù)字編碼信息的不同類型的第一特征向量的主要成分，形成不同層次的第二特征向量。

50、作為優(yōu)化，s3的具體過程為：

51、s3.1、若目標文件為word文件，則將所述數(shù)字指紋切片采用“信息隱寫技術(shù)”和“信息隱藏技術(shù)”分散寫入所述word文件的數(shù)字指紋切片可寫入?yún)^(qū)域中；

52、s3.2、若目標文件為pdf文件，則將所述數(shù)字指紋切片中的第一加密切片編碼信息和第二特征向量采用“信息隱寫技術(shù)”和“信息隱藏技術(shù)”分散寫入所述pdf文件的數(shù)字指紋切片可寫入?yún)^(qū)域中；

53、s3.3、若目標文件為excel文件，則將所述數(shù)字指紋切片中的第一加密切片編碼信息和第二特征向量采用“信息隱寫技術(shù)”和“信息隱藏技術(shù)”分散寫入所述excel文件的數(shù)字指紋切片可寫入?yún)^(qū)域中；

54、s3.4、若目標文件為powerpoint文件，則所述數(shù)字指紋切片中的第一加密切片編碼信息和第二特征向量采用“信息隱寫技術(shù)”和“信息隱藏技術(shù)”分散寫入所述powerpoint文件的數(shù)字指紋切片可寫入?yún)^(qū)域中。

55、作為優(yōu)化，還包括s4、在接收到隱藏式的寫入數(shù)字指紋切片的目標文件后，對所述目標文件中的數(shù)值指紋切片進行提取、重組和驗證。

56、作為優(yōu)化，s4的具體過程為：

57、s4.1、在需要對所述目標文件進行檢測時，通過設(shè)定的規(guī)則進行位置定位來提取嵌入在目標文件各處的數(shù)字指紋切片；

58、s4.2、將提取出的若干數(shù)字指紋切片進行解密、重組并與原始的數(shù)字信息進行比對，判斷所述目標文件是否被篡改。

59、作為優(yōu)化，s4.2中，提取出來的若干數(shù)字指紋切片對應(yīng)該目標文件中的所有聚合數(shù)字編碼信息，s4.2的具體過程為：

60、s4.2.1、通過對所有所述第一加密切片編碼信息進行加密的密鑰公鑰對應(yīng)的密鑰私鑰循環(huán)遍歷所有所述第一加密切片編碼信息從而對所有所述第一加密切片編碼信息進行解密，得到所有的第一切片編碼信息，對所有的所述第一切片編碼信息進行重組得到該目標文件的所有聚合數(shù)字編碼信息，分別對所有的聚合數(shù)字編碼信息中的各數(shù)字信息與原有的所有的數(shù)字信息進行比對，判斷所述目標文件是否被篡改；

61、s4.2.2、通過對所有所述第二加密切片編碼信息進行加密的密鑰公鑰對應(yīng)的密鑰私鑰循環(huán)遍歷所有所述第二加密切片編碼信息從而對所有所述第二加密切片編碼信息進行解密，得到所有的第二切片編碼信息，對所有的所述第二切片編碼信息進行重組得到該目標文件的所有聚合數(shù)字編碼信息，分別對所有的聚合數(shù)字編碼信息中的各數(shù)字信息與原有的所有的數(shù)字信息進行比對，判斷所述目標文件是否被篡改；

62、s4.2.3、如果s4.2.1?和s4.2.2得到的結(jié)論均是所述目標文件未被篡改，即可說明目標文件的真實性。

63、本發(fā)明與現(xiàn)有技術(shù)相比，具有如下的優(yōu)點和有益效果：

64、本發(fā)明的數(shù)字指紋信息包括合法版權(quán)人最后一次操作信息（操作人、操作時間），流轉(zhuǎn)出去后，這個指紋信息一直隱藏在文件中，可以溯源文件版權(quán)信息。

65、本發(fā)明通過第一加密切片編碼信息和第二加密切片編碼信息分散式的寫入到目標文件中的可寫入?yún)^(qū)域，在得到目標文件后再將分散式的第一加密切片編碼信息和第二加密切片編碼信息分別重組，這樣雙重信息的落實可以更好的判斷目標文件是否被篡改，且有些加密切片編碼信息是寫在文件頭和文件尾、xml文件等看不到的地方，能更好的隱藏加密切片編碼信息。