摘  要： 提出了一種基于云模型的唱片水印。首先，唱片中每首音樂都通過小波傳輸?shù)玫揭粋€(gè)小波系數(shù)，以其組合成的巨量的云晶作為零水??；然后利用逆向云生成器計(jì)算出云晶的3個(gè)特征參數(shù)Ex、En和He，利用特征變化率，就可以保護(hù)水印并評(píng)估原始水印與萃取水印相似度。實(shí)驗(yàn)結(jié)果表明，該算法能同時(shí)有效地保護(hù)整張唱片中的所有曲目，還能有效抵抗低濾波、重新采樣、壓縮以及剪輯等攻擊。
關(guān)鍵詞： 云模型；版權(quán)保護(hù)；數(shù)字水印

　在一張唱片中，所有音樂都享有同樣的版權(quán)，如果使用傳統(tǒng)的水印技術(shù)[1]，每個(gè)單曲都需要加上相同的完整水印，沒有考慮整張唱片的相互關(guān)聯(lián)，而唱片水印只需要整體加一次水印，即單曲不包含完整的水印，只有從整張唱片上才能萃取到完整水印。
本文所提出的算法利用唱片水印技術(shù)，根據(jù)DWT和0-水印方案，得到唱片的一個(gè)完整的0-水印云模型，然后利用逆向云生成器計(jì)算云模型的3個(gè)特征值Ex、En和He。由于云模型的模糊性和隨機(jī)性，受到攻擊后，一部分云晶被改變，這對(duì)云模型的整體特征幾乎沒有影響。因此，可以利用特征改變比例來(lái)保護(hù)水印。
在參考文獻(xiàn)[2-3]中利用主觀經(jīng)驗(yàn)設(shè)置參數(shù)并以此保護(hù)云晶，本文利用單曲自身特征保護(hù)水印云晶，將唱片和云模型緊密結(jié)合在一起，在技術(shù)上取得了較大的進(jìn)步。理論和實(shí)驗(yàn)都證明了該算法的先進(jìn)性[4]。
1 相關(guān)知識(shí)
1.1 云模型
　云模型[5]是定量和定性間不確定轉(zhuǎn)換的模型，有3個(gè)特征值，包括期望值Ex、墑En和超墑He，它們很好地表達(dá)了模糊性和隨機(jī)性，反映了數(shù)量特征。Ex是云的重心位置，表示質(zhì)量概念；En是概念覆蓋方法，即特定的模糊法；He是云晶的分布函數(shù)，即En的墑。
云由若干云晶組成，整體有形，但細(xì)節(jié)是模糊的。任一個(gè)云晶都是定性的，當(dāng)En/He很小或者He遠(yuǎn)大于En時(shí)，云的整體形狀就是霧。
1.2 逆向云生成器
　給定足夠數(shù)量的云晶，逆向云生成器即可計(jì)算其特征值Ex、En和He，方法如圖1所示。
逆向云生成器算法是一個(gè)靜態(tài)方法，計(jì)算的估值帶有誤差，但隨著云晶數(shù)量增大，誤差會(huì)逐步減少。
2 水印組成
　根據(jù)“db2”，唱片中的單曲分別分成5級(jí)DWT，得到CA5l(i)和CD5l(i)，其中CA5l(i)是第l單曲的低頻波系數(shù)，CD5l(i)是高頻波系數(shù)。
　將唱片中部分單曲的5級(jí)波系統(tǒng)構(gòu)成一個(gè)一維向量，如圖2所示。

4.2 攻擊方式
　為測(cè)試算法的有效性，依次對(duì)唱片中的單曲實(shí)施以下攻擊：
　(1)低通過濾：6級(jí)Butterworth濾波，截止頻率為22.05 kHz。
　(2)重采樣：采樣上下限分別為22.05 kHz和44.1 kHz。
　(3)重編碼：抽樣信號(hào)從16 bit分別轉(zhuǎn)換為8 bit或32 bit，再重新轉(zhuǎn)換為16 bit。
　(4)加噪聲：加入信噪比26 dB的白噪聲。
　(5)MP3壓縮：通過MPEG-1 Layer-3方式編解碼，將單曲壓縮為MP3格式，壓縮率為128 kb/s。
　(6)剪切：將數(shù)字錄音剪切前20%(或中部或后部)。
4.3 結(jié)果分析
　表1給出了云模型的Ex和En值以及相應(yīng)的變化率。通過對(duì)表1定量分析可以看出，受攻擊后，Ex的變化率遠(yuǎn)小于閾值30%，En的變化率小于70%，因此錄音水印是牢固的。

　本算法利用了唱片水印技術(shù)，將原始唱片的小波系數(shù)按照DWT和0-水印方式映射到云晶，得到新的水印。利用逆向云生成器計(jì)算云模型的3個(gè)特征值，由于云的模糊性和隨機(jī)性，受到攻擊后部分云晶的改變對(duì)整體云模型影響甚微，因此，可利用特征值變化率保護(hù)水印。實(shí)驗(yàn)表明，該方法優(yōu)于傳統(tǒng)0-水印算法，既同時(shí)保護(hù)了唱片中所有單曲，又將小波系數(shù)映射到云晶作為水印，使唱片與云模型深入結(jié)合，比傳統(tǒng)0-水印更有效。
參考文獻(xiàn)
[1] BASSIA P， PITAS I， NIKOLAIDIS N. Robust audio watermarking in the time domain[J]. IEEE Transactions on Multimedia， 2001，3(2)：232-241.
[2] Wang Rangding， Hu Wenji. Audio watermarking technology based on Cloud model[J]. Optoelectronic Engineering， 2007， 34(11)：114-119.
[3] Yan Yue， Zhang Zhihao， Wang Jianmin， et al. Clouds， watermarking natural language text[J]. The 11th World Congress of International Fuzzy Systems Association (IFSA2005)， Beijing， China， 2005(3)：15-29.
[4] Xing Jianfeng， Wang Pengfei， Shen Song. Reaserch and design of trusted cloud-platform based on virtual machine[J].Microcomputer & its applications， 2010， 29(16)：75-77.
[5] Li Deyi， Meng Haijun， Shi Xuemei. Membership clouds and membership clouds generator[J]. Journal of Computer Research and Development， 1995，42(8)： 32-41.