[论文解读] 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 38

一句话总结

本文提出了一种基于内容的零水印方案，用于在不修改原始内容的情况下对纯文本文档进行认证。该方案从文本固有特征（如词频和n-gram）生成水印，能够在多种文本样本和攻击类型下实现高精度、低失真的篡改检测。

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.

研究动机与目标

• 应对互联网通信广泛传播时代对数字内容认证日益增长的需求。
• 克服现有纯文本水印技术稀疏且常具侵入性的局限。
• 开发一种非侵入性方法，利用内容衍生水印验证文档真实性。
• 在保持原始文本低失真的同时，确保对常见篡改攻击的鲁棒性。
• 仅依靠原始文本即可可靠提取水印，无需单独的水印文件。

提出的方法

• 从纯文本中提取固有特征，包括词频、n-gram和词汇模式，以形成基于内容的水印。
• 对提取的特征应用密码学哈希（例如SHA-256）以生成紧凑且唯一的水印指纹。
• 将水印存储在安全的外部存储库中，或用作后续验证的参考。
• 在验证过程中，从相同的文本特征重新计算水印，并与存储版本进行比对以检测篡改。
• 使用确定性算法，确保相同文本输入下水印生成的一致性。
• 通过模拟常见攻击（如插入、删除、替换）评估鲁棒性，并测量水印检测准确率和失真率。

实验结果

研究问题

• RQ1 能否设计一种非侵入式水印技术用于纯文本，且不修改原始内容？
• RQ2 基于内容的水印在多种文本样本和攻击类型下检测篡改的有效性如何？
• RQ3 将水印处理应用于不同长度的纯文本文档时，其失真率是多少？
• RQ4 仅依靠原始文本，水印能否被准确提取和验证？
• RQ5 在常见文本修改攻击下，所提方法能否保持高认证准确率？

主要发现

• 所提出的零水印算法在10种不同文本样本上，面对各种篡改攻击，均实现了100%的水印检测准确率。
• 平均失真率可忽略不计，证实了水印处理过程的非侵入性。
• 该算法对常见攻击（如单词插入、删除和替换）表现出强鲁棒性。
• 使用n-gram和词频等基于内容的特征，实现了稳定且可靠的水印生成。
• 该方案成功验证了文档的真实性，无需原始水印文件，完全依赖文本内容。
• 该方法在不同长度的文本上均表现出优异性能，表明其具备良好的可扩展性和适应性。