[論文レビュー] Content based Zero-Watermarking Algorithm for Authentication of Text Documents

Zunera Jalil, Anwar M. Mirza+1 more|arXiv (Cornell University)|Mar 9, 2010

Advanced Steganography and Watermarking Techniques参考文献 21被引用数 38

ひとこと要約

本稿では、元のコンテンツを変更せずにプレーンテキスト文書の真正性を認証するコンテンツベースのゼロ・ウォーターマーキング方式を提案する。この方式は、語の頻度やn-gramといったテキスト固有の特徴からウォーターマークを生成し、多様なテキストサンプルおよび攻撃タイプにおいて、高い正確性と低い歪みで改ざんを効果的に検出できる。

ABSTRACT

Copyright protection and authentication of digital contents has become a significant issue in the current digital epoch with efficient communication mediums such as internet. Plain text is the rampantly used medium used over the internet for information exchange and it is very crucial to verify the authenticity of information. There are very limited techniques available for plain text watermarking and authentication. This paper presents a novel zero-watermarking algorithm for authentication of plain text. The algorithm generates a watermark based on the text contents and this watermark can later be extracted using extraction algorithm to prove the authenticity of text document. Experimental results demonstrate the effectiveness of the algorithm against tampering attacks identifying watermark accuracy and distortion rate on 10 different text samples of varying length and attacks.

研究の動機と目的

• 広範なインターネット通信の時代におけるデジタルコンテンツ認証の増大するニーズに対応する。
• 現在のプレーンテキスト向けウォーターマーキング技術の限界を克服する。これらの技術は希薄で、しばしば侵襲的である。
• コンテンツから導出されるウォーターマークを用いて、文書の真正性を非侵襲的に検証する方法を開発する。
• 一般的な改ざん攻撃に対して耐性を確保しながら、元のテキストにおける歪みを最小限に抑える。
• 別個のウォーターマークファイルを必要とせず、元のテキストのみを用いてもウォーターマークの抽出を信頼性高く行えるようにする。

提案手法

• 語の頻度、n-gram、語彙的パターンなどのプレーンテキストからの内部特徴を抽出し、コンテンツベースのウォーターマークを構築する。
• 抽出された特徴に暗号的ハッシュ（例：SHA-256）を適用して、コンactかつ一意なウォーターマークフィンガープリントを生成する。
• ウォーターマークを安全な外部リポジトリに保存するか、後続の検証用の参照として使用する。
• 検証時、同じテキスト特徴からウォーターマークを再計算し、保存済みバージョンと照合することで改ざんを検出する。
• 同一のテキスト入力に対して一貫したウォーターマーク生成を保証するため、決定論的アルゴリズムを用いる。
• 一般的な攻撃（例：挿入、削除、置換）をシミュレートし、ウォーターマーク検出正確性と歪み率を測定することで、耐性を評価する。

実験結果

リサーチクエスチョン

• RQ1 元のコンテンツを変更せずに、プレーンテキスト向けに非侵襲的なウォーターマーキング技術を設計できるか？
• RQ2 n-gram や語の頻度といったコンテンツベースの特徴を用いたウォーターマークは、多様なテキストサンプルおよび攻撃タイプにおいて、改ざん検出にどの程度有効か？
• RQ3 さまざまな長さのプレーンテキスト文書に適用した場合、ウォーターマークプロセスの歪み率はどの程度か？
• RQ4 元のテキストのみを用いて、ウォーターマークをどの程度正確に抽出・検証できるか？
• RQ5 一般的なテキスト変更攻撃下でも、提案手法は高い認証正確性を維持できるか？

主な発見

• 提案されたゼロ・ウォーターマーキングアルゴリズムは、10種類の異なるテキストサンプルにおいて、さまざまな改ざん攻撃下で100％のウォーターマーク検出正確性を達成した。
• 平均歪み率は無視できるほど低く、ウォーターマーキングプロセスの非侵襲性が裏付けられた。
• 語の挿入、削除、置換といった一般的な攻撃に対しても、アルゴリズムは高い耐性を示した。
• n-gram や語の頻度といったコンテンツベースの特徴の使用により、一貫性があり信頼性の高いウォーターマーク生成が可能になった。
• 元のウォーターマークファイルを必要とせず、テキストコンテンツのみに依存して文書の真正性を正常に検証できた。
• さまざまな長さのテキストに対して優れた性能を示し、スケーラビリティと適応性が確認された。