一种可逆数据库水印的嵌入和提取方法

1.本发明属于数字水印的领域，具体涉及一种基于菱形预测和双层嵌入直方图平移的可逆数据库水印的嵌入和提取方法。


背景技术：

2.近年来，数据库水印(database watermarking)技术逐渐成为信息安全领域的研究热点，该技术旨在利用隐秘的手段将有意义的版权说明、用户身份等水印信息嵌入到数据库中。在接收端只有拥有特定密钥的接收者能够使用对应的水印提取和数据恢复算法从数据库中提取出水印信息，该技术被广泛地应用于数据库版权保护、篡改检测、泄密溯源以及完整性认证等领域。其中的可逆数据库水印技术(reversible database watermarking)不仅能够提取嵌入的水印信息，还能够没有任何失真地恢复原始数据。该技术的研究重点主要在于如何降低数据失真和提升水印嵌入容量。由于这种无损恢复的特性，可逆数据库技术被广泛地应用于财务、法律及军事等敏感领域。
3.hu等人提出了基于遗传算法的直方图平移(genetic algorithm and histogram shifting watermarking，缩写为gahsw)的数据库水印方法，该论文的引用信息如下：hu d,zhao d,zheng s.a new robust approach for reversible database watermarking with distortion control[j].ieee transactions on knowledge and data engineering,2018,31(6):1024-1037.。该方法采用了预测误差直方图来进行扩展和平移操作，以嵌入秘密信息。预测误差直方图是通过预测误差的绝对值构建，通过遗传算法进行优化，平衡水印嵌入过程中容量相关成本和元组失真。因此，预测误差直方图的峰值更高，且使用扩展和平移操作导致单个属性值的数据失真较小。该方法可以总结为以下三个主要步骤：
[0004]
(1)水印预处理：首先，通过遗传算法得到用于分组的最佳密钥，然后对数据库进行分组操作，每组嵌入1比特水印信息，分组公式如下：
[0005]
ni＝h(ks||h(ks||t
α
，pk)％ng[0006]
其中，ni是分组后的数据库中元组的编号，ni＝1，2，
…
，ng，ng为水印长度；h()表示加密散列函数，例如安全散列算法(sha)，其应用于元组的主键t
α
，pk和密钥ks以确保安全地分组；“||”是连接符号。
[0007]
(2)属性值预测和直方图生成：首先，计算预测值
[0008]
其中，j为属性所在列，min[j]和max[j]分别为第j列的最小值和最大值。然后得到预测误差最后，统计预测误差值的绝对值的频数生成预测误差直方图。
[0009]
(3)直方图修改：通过对预测误差直方图执行扩展和平移操作来嵌入水印信息。具体地，对于每个预测误差pe，修改公式如下：
[0010][0011]
其中，p是预测误差的绝对值为非零值且出现频率最多的数值，即峰值点，w∈{0，1}代表待嵌入的二值信息比特。值在p处的图柱进行扩展操作来完成水印信息的嵌入，值在(-∞，p)和(p，+∞)之间的图柱分别向左向右执行平移操作，从而保证算法的可逆性。最后，将属性值修改为得到最后的嵌入水印的数据库。
[0012]
在图1中展示了当p＝1时，基于遗传算法的直方图映射规则示意图。可以看到，上述基于遗传算法的直方图平移(gahsw)方法需要在每个分组中单独创建一个预测误差直方图，位于峰值点的属性值均嵌入同样的1比特水印信息。尽管一系列基于gahsw的方法取得了很好的成果，但gahsw方法的性能仍有提高的空间。这是因为在传统的直方图平移方法中，没有利用数据库属性的离散分布特性，在生成的预测误差直方图中除了对峰值进行扩展外，还需要对峰值右侧的图柱进行平移，会造成很大的冗余失真，且每个分组仅嵌入1比特水印信息，没有充分利用峰值点处可嵌入水印信息的载体，导致水印嵌入容量较低。
[0013]
有鉴于此，特提出本发明。


技术实现要素：

[0014]
本发明的目的是提供一种可逆数据库水印的嵌入和提取方法，其能够更好地利用了数据库属性值分布的离散性，实现了良好的数据失真和水印嵌入容量。
[0015]
为了实现上述目的，本发明提供的一种可逆数据库水印的嵌入方法，包括以下步骤：
[0016]
s1：对数据库数据进行预处理，并使用基于一维logistic映射的置乱算法，对数据库元组进行行置乱，并将行置乱后的元组均匀分组；
[0017]
s2：在每个分组中将属性值按顺序排列成矩阵，并将矩阵分为空白集合和阴影集合，对阴影集合的属性值执行菱形预测器以获取预测误差值；
[0018]
s3：对阴影集合的预测误差值绝对值的频数进行统计，构建阴影集合的预测误差直方图；
[0019]
s4：对于阴影集合的预测误差直方图，根据单图柱双比特的嵌入规则确定嵌入载体及其嵌入的水印信息；
[0020]
s5：对于每个属性值，通过直方图平移的方法进行水印嵌入和属性值修改；
[0021]
s6：对矩阵的空白集合重复上述步骤s1一s5，得到嵌入水印信息的数据库。
[0022]
进一步地，所述步骤s1中，所述对数据库数据进行预处理包括：选择数据库中属性值为整数型的属性列，并根据属性名称对所选择的属性列进行升序或降序排序，采用自增主键方式为数据库所有元组添加主键。
[0023]
进一步地，所述步骤s2中，对于一个分组中的每个阴影集合属性值x
i，j
，基于其四个相邻像素，执行菱形预测以得出其预测值，预测值的计算公式如下：
[0024][0025]
其中，x
i，j
为矩阵第i行、第j列的属性值，预测误差为：
[0026]
进一步地，所述步骤s4中，选择频次大于或等于2且右侧为空的图柱作为水印信息嵌入载体。
[0027]
进一步地，所述步骤s4中，使用两个二维数组pea1和pea2来分别存储所有分组的阴影集合和空白集合中选择的嵌入位置。
[0028]
进一步地，所述步骤s4中，对于每个频次大于或等于2且右侧为空的图柱，将对应的属性值分为两组，每组嵌入1bit的水印信息。
[0029]
进一步地，所述步骤s5中，属性值修改的计算公式为：
[0030][0031]
其中，为pe
i，j
对应的新预测误差值。新的属性值为：
[0032]
进一步地，还包括：
[0033]
s7：通过基于一维logistic映射的置乱还原算法，将数据库的元组顺序恢复成原始顺序。
[0034]
进一步地，还包括：
[0035]
s8：将辅助信息传递给接收端；所述辅助信息包括：基于一维logistic映射的置乱算法的初始值；数据库元组主键的范围；每组的阴影集合和空白集合中选择的属性列acc1、acc2；每组的阴影集合和空白集合中选择的嵌入位置pea1和pea2。
[0036]
本发明还提供了一种可逆数据库水印的提取方法，包括：
[0037]
s11：根据一维logistic映射的置乱算法的密钥，得到数据库元组的分组情况；
[0038]
s12：对空白集合先进行第二层嵌入的水印信息提取和数据恢复；
[0039]
s13：对阴影部分进行第一层水印信息提取和数据恢复，得到嵌入的整体水印信息与原始数据库。
[0040]
本发明提供的一种可逆数据库水印的嵌入和提取方法，不同于传统的预测误差直方图平移中每组仅嵌入同样的1比特水印信息和需要平移大量图柱，本方法利用了数据库直方图中可能存在的大量间隙，消除了水印嵌入过程中的冗余失真，并利用菱形预测对水印信息进行双层嵌入以提高水印嵌入容量。本方法可以实现版权信息在关系型数据库中的嵌入和提取，无损恢复原始数据库。本发明通过设计可逆算法将数据库分成相似大小的分组，并充分利用了属性值分布的离散性，使用菱形预测和双层嵌入、单图柱双比特嵌入的直方图平移方法，从而使嵌入水印信息的数据库失真程度要低于现有的可逆数据库水印算法。因此，本方法是一种性能良好的低失真高容量可逆数据库水印算法，可以用于数据库版权保护、篡改检测、泄密溯源以及完整性认证等领域。
附图说明
[0041]
图1为当p＝1时现有技术中基于遗传算法的直方图平移方法的示意图。
[0042]
图2为本具体实施方式中的一种可逆数据库水印的嵌入方法的流程图。
[0043]
图3为本具体实施方式中的一种可逆数据库水印的提取方法的流程图。
[0044]
图4为是本方法在元组数为25的分组中构建成一个5
×
5的矩阵，计算预测值的示意图。
[0045]
图5是根据本发明的可逆数据库水印的嵌入方法构建的预测误差直方图的示意图。
[0046]
图6是根据本发明的可逆数据库水印的嵌入方法对主键分别为1381、891、1048、552的元组，进行水印嵌入的示例。
[0047]
图7是根据本发明的可逆数据库水印的嵌入方法和现有技术中基于遗传算法的直方图平移方法的水印嵌入容量对比结果示意图；
[0048]
图8是根据本发明的可逆数据库水印的嵌入方法与hgw、nshgw和rcw的性能对比结果示意图。
具体实施方式
[0049]
为了使本技术领域的人员更好地理解本发明方案，下面结合具体实施方式对本发明作进一步的详细说明。
[0050]
本发明提出了一种可逆数据库水印的嵌入和提取方法，其利用了数据库数据值分布的离散性，导致预测误差直方图中可能存在的大量间隙，并利用菱形预测对水印信息进行双层嵌入，在选择的右侧为空的图柱上进行单图柱双比特嵌入，使得水印嵌入容量和数据失真得到进一步优化。
[0051]
请参考图2，本发明实施例提供的一种可逆数据库水印的嵌入方法，包括以下步骤：
[0052]
s1：对数据库数据进行预处理，并使用基于一维logistic映射的置乱算法，对数据库元组进行行置乱，并对行置乱后的元组均匀分组，以便于后续针对每个分组进行直方图构建。数据库元组需要分成指定的分组数(在后面的示例中，选择的是与现有技术中gahsw方法相同的48组)，在每个分组中，均需要构建一个矩阵，并将该矩阵都再分成空白集合和阴影集合。
[0053]
基于一维logistic映射的置乱算法的初始值为密钥x0和μ，其中x0∈(0，1)，μ∈(3.569945，4)。该基于一维logistic映射的置乱算法的过程如下：
[0054]
(1)将数据库所有元组的主键转换成一维序列k＝{k1，k2，
…
，kn}，n为行数。
[0055]
(2)由x0和μ生成一个长度为n的随机不重复序列l＝{l1，l2，
…
，lr}，将l升序排序得到序列s＝{s1，s2，
…
，sn}；
[0056]
(3)创建空序列e＝{e1，e2，...，en}，按索引递增的顺序检索l中的每个元素li在s中的位置j，令ei＝ki，则新生成的序列e为序列k置乱后的序列。
[0057]
(4)按照置乱后的序列e中的主键的相对位置，对数据库进行行置乱。
[0058]
预处理过程中，需要选择数据库中属性值为整数型的属性列，并根据属性名称对所选择的属性列进行升序或降序排序，采用自增主键方式为数据库所有元组添加主键。升
序或者降序选择一项，只需要保持在嵌入和提取过程中的排序方法一致即可，在后文中的示例中采用的是对属性名进行升序排序操作。
[0059]
s2：在每个分组中将属性值按顺序排列成矩阵，并将矩阵分为空白集合和阴影集合，对阴影集合的属性值执行菱形预测器以获取预测误差值。
[0060]
具体地，将分组中选中的属性列的所有属性值构建成一个长宽大小相当的矩阵，在矩阵中采用双层嵌入的方式将数据库的属性值分为阴影集合(即第一层嵌入)和空白集合(即第二层嵌入)两类，图4中示出了元组数为25的分组中构建成一个5
×
5的矩阵，计算预测值示意图。
[0061]
在确定矩阵的长宽时，根据数据库元组数量及采取的分组数不同，会导致每个分组里的元组数量可能并不能恰好构成一个矩阵，因此，本发明中选择矩阵行数为分组中元组数量的平方根向上取整，列数为使行列乘积不超过分组中元组数量的最大值，如分组中元组数量为50，则行数为50开根号向上取整，即8，而列数为6。
[0062]
并且，将矩阵中的属性值分别分成阴影集合和空白集合，其中，构建的阴影集合和空白集合是交错的。图4中示出了矩阵的示例，阴影的方块是阴影集合，白色的方块的空白集合，且需要对每个分组均分成阴影集合和空白集合。
[0063]
该步骤s2中，首先预测并修改阴影集合中的属性值(即第一层嵌入)，然后对空白集合实施相同的操作(即第二层嵌入)。
[0064]
预测是指利用菱形预测器对阴影集合中的属性值求其预测值，然后计算其预测误差，构建直方图后利用直方图平移来嵌入水印，修改是指嵌入水印后的属性值需要进行修改，得到新的属性值。具体而言，对于一个分组中的每个阴影集合属性值x
i，j
，基于其四个相邻像素，执行菱形预测以得出其预测值，参见图4，预测值的计算公式如下：
[0065][0066]
其中，x
i，j
为矩阵第i行、第j列的属性值，相应的预测误差为：
[0067]
对于矩阵的边，如果某个方向上不存在相邻属性值则不使用该方向计算预测值。例如，矩阵的左上角，只有右侧和下方两个相邻的属性值，则其预测值为：(右侧属性值+下方属性值)/2。
[0068]
s3：对分组内阴影集合的预测误差值绝对值的频数进行统计，构建阴影集合的预测误差直方图。
[0069]
s4：对于分组内阴影集合的预测误差直方图，根据单图柱双比特的嵌入规则确定嵌入载体及其嵌入的水印信息。
[0070]
为更好的说明，图5中示出了构建的一个直方图的实施例，本方法选择频次大于或等于2且右侧为空的图柱(标为深色)作为水印信息嵌入载体。如此选择有以下两个优点：1、选择频次大于或等于2的图柱，则可将该图柱对应的属性值分成2组(每组中至少有一个属性值)，每组可嵌入1比特水印信息，即该图柱总共可嵌入2比特水印信息，已有方法采用的都是在图柱中只嵌入1比特水印信息；2、选择右侧为空的图柱，则在对图柱进行扩展来嵌入水印时，无需对右侧的其他图柱进行平移来腾出空间，消除了非水印嵌入载体进行平移而造成的冗余失真。
[0071]
使用两个二维数组pea1和pea2来分别存储所有分组的阴影集合(第一层嵌入)和
空白集合(第二层嵌入)中选择的嵌入位置(即图柱对应的预测误差值的绝对值)。该嵌入位置并不是矩阵中对应数据的位置，而是指我们构建的预测误差直方图中的图柱位置，因为本方法构建的预测误差直方图的横坐标是使用了预测误差的绝对值，所以这里的嵌入位置是指记录的预测误差的绝对值，并以此来标记图柱位置。
[0072]
为了提高水印信息容量，本方法在嵌入水印前对所有属性列预先构建直方图，找出可供选择的图柱数最多的属性列。分别用两个一维数组acc1和acc2来存储每组的阴影集合和空白集合中所选择的属性列编号。
[0073]
具体地，对于每个频次大于或等于2且右侧为空的图柱，将对应的属性值分为两组，每组嵌入1bit的水印信息w，共计嵌入2bit的信息。如果图柱对应的属性值为奇数个，则第一组的属性值数量要大于第二组的属性值数量；若为偶数个则两组数量相同。
[0074]
s5：对于每个属性值，通过直方图平移的方法进行水印嵌入和属性值修改。具体的属性值修改的计算公式为：
[0075][0076]
其中，为pe
i，j
对应的新预测误差值，w为嵌入的水印信息，其取值为0或1。新的属性值为：
[0077]
为了简单说明步骤s5中的过程，图6中示出了根据本发明的方法对主键分别为1381、891、1048、552的元组第一层嵌入过程中一个图柱的示例。在选择的每个图柱中，通过对元组主键进行升序排序处理，将主键较小的属性值分为第一组，主键较大属性值的分为第二组。例如，图5中预测误差值|pe|＝4的图柱的频次为4，代表该位置有4个属性值。他们对应元组的主键分别为1381、891、1048、552，该图柱嵌入的水印信息为w
|pe|-1
＝{1，0}。那么，第一组包括主键为552和891所对应的属性值，其需要嵌入的水印信息w＝1；第二组包括主键为1048和1381所对应的属性值，其需要嵌入的水印信息w-0。水印信息可以是某些特定的版权信息转换成的二进制串。
[0078]
在对数据库进行第一层嵌入并修改属性值之后，以类似的方式实现第二层嵌入。因此，对于每个数据库分组，本发明所提出的方法均可以嵌入双层水印信息，并对每个选择的图柱均嵌入2比特水印。
[0079]
s6：对矩阵的空白集合重复上述步骤，最终完成两层嵌入过程后得到嵌入水印信息的数据库；
[0080]
在所有分组的水印信息全部嵌入完毕后，还需要以下步骤：
[0081]
s7：通过基于一维logistic映射的置乱还原算法，将数据库的元组顺序恢复成原始顺序。
[0082]
一维logistic映射的置乱还原算法与步骤s1中的一维logistic映射的置乱算法过程类似，属于逆向与正向的关系。具体方法为：将得到的新数据库的主键转换成一维序列k
′
，用密钥生成序列l
′
并进行升序排列得到新序列s
′
；检索s
′
中每个元素在s
′i在l
′
中的位置j，创建空序列e
′
，并令e
′
i-k
′j，由e
′
即可恢复出原始数据库元组的位置顺序。
[0083]
此外，为了在接收端无损地恢复原始数据，本发明中还需要以下步骤：
[0084]
s8：将一些辅助信息通过秘密渠道传递给接收端。辅助信息包括有：
[0085]
1.密钥x0和μ，即基于一维logistic映射的置乱算法的初始值；
[0086]
2.数据库元组主键pkey的范围；
[0087]
3.每组第一层嵌入和第二层嵌入时选择的属性列acc1、acc2；
[0088]
4.每组第一层嵌入和第二层嵌入时选择的嵌入位置pea1和pea2。
[0089]
如图3所示，本发明实施例还提供的一种可逆数据库水印的提取方法，该提取的方法和嵌入方法顺序相反，利用密钥可以得到相同的数据库分组状态，然后对空白集合先进行第二层嵌入的水印信息提取和数据恢复，再对阴影部分进行第一层水印信息提取和数据恢复，即可得到嵌入的整体水印信息与原始数据库。该提取可逆数据库水印的提取方法包括以下步骤：
[0090]
s11：根据一维logistic映射的置乱算法的密钥，得到数据库元组的分组情况；
[0091]
s12：对空白集合先进行第二层嵌入的水印信息提取和数据恢复；
[0092]
具体操作过程为：
[0093]
首先，进行第二层嵌入的水印提取。对每个分组使用菱形预测方法，计算属性值的预测值并生成预测误差pe
′
i，j
：
[0094][0095]
然后，根据pe
′
i，j
与pea2来进行水印提取和数据恢复。对于每个|pe
i，j
|∈pea2，分别将|pe
′
i，j
|-|pe
i，j
|和|pe
′
i，j
|-|pe
i，j
+1|对应的元组纳入同一图柱分组，将这些元组按主键进行升序排序的方法，将主键较小的分为第一组，主键较大的分为第二组(与嵌入水印阶段的方法一致)，按如下规则对两个分组进行水印提取：
[0096][0097]
水印提取完成后，通过以下公式来恢复属性值：
[0098][0099]
修改第二层属性值之后再对第一层属性重复上述步骤进行水印提取和数据恢复。
[0100]
s13：对阴影部分进行第一层水印信息提取和数据恢复，得到嵌入的整体水印信息与原始数据库。
[0101]
下面，结合附图说明本发明与现有技术相比的优点。
[0102]
图7中示出了本发明的方法与现有技术中的基于遗传算法的直方图平移(gahsw)方法的性能对比，即针对数据库分为48组时，元组数据分别为1000、2000、5000和10000组时的水印嵌入率(watermark embedding rate，wer)、水印长度(watermark length，wl)、数据失真(data distortion，dd)、平均绝对误差(mean absolute error，mae)和每比特失真
non-redundancy shifting-based histogram gaps[j].international journal of distributed sensor networks,2020,16(5):1550147720921769；
[0115]
rcw：li y,wang j,jia h.a robust and reversible watermarking algorithm for a relational database based on continuous columns in histogram[j].mathematics,2020,8(11):1994.。
[0116]
图8a中示出了数据失真率对比，图8b中示出了嵌入的水印长度对比。具体地，针对数据库分为48组时，元组数目分别为1000、1200、1400、1600、1800、2000时的数据失真率(data distortion rate，ddr)和水印长度。ddr的计算公式如下：
[0117][0118]
其中，t
dis
表示失真的数据总和，td表示数据库中的所有的数据总和。
[0119]
对比hgw，nshgw和rcw方法，本发明的方法可以在实现与其相似甚至更小的数据失真的同时，达到远高于这三种方法的水印嵌入容量。
[0120]
与现有技术相比，本发明的有益效果在于：
[0121]
采用本发明，可以实现版权信息在关系型数据库中的嵌入和提取，无损恢复原始数据库。本发明通过设计可逆算法将数据库分成相似大小的分组，并充分利用了属性值分布的离散性，使用菱形预测和双层嵌入、单图柱双比特嵌入的直方图平移方法，从而使嵌入水印信息的数据库失真程度要低于现有的可逆数据库水印算法。因此，本方法是一种性能良好的低失真高容量可逆数据库水印算法，可以用于数据库版权保护、篡改检测、泄密溯源以及完整性认证等领域。
[0122]
本文中应用了具体个例对发明构思进行了详细阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离该发明构思的前提下，所做的任何显而易见的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。

技术特征：
1.一种可逆数据库水印的嵌入方法，其特征在于，包括以下步骤：s1：对数据库数据进行预处理，并使用基于一维logistic映射的置乱算法，对数据库元组进行行置乱，并将行置乱后的元组均匀分组；s2：在每个分组中将属性值按顺序排列成矩阵，并将矩阵分为空白集合和阴影集合，对阴影集合的属性值执行菱形预测器以获取预测误差值；s3：对阴影集合的预测误差值绝对值的频数进行统计，构建阴影集合的预测误差直方图；s4：对于阴影集合的预测误差直方图，根据单图柱双比特的嵌入规则确定嵌入载体及其嵌入的水印信息；s5：对于每个属性值，通过直方图平移的方法进行水印嵌入和属性值修改；s6：对矩阵的空白集合重复上述步骤s1-s5，得到嵌入水印信息的数据库。2.根据权利要求1所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s1中，所述对数据库数据进行预处理包括：选择数据库中属性值为整数型的属性列，并根据属性名称对所选择的属性列进行升序或降序排序，采用自增主键方式为数据库所有元组添加主键。3.根据权利要求2所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s2中，对于一个分组中的每个阴影集合属性值x
i，j
，基于其四个相邻像素，执行菱形预测以得出其预测值，预测值的计算公式如下：其中，x
i，j
为矩阵第i行、第j列的属性值，预测误差为：4.根据权利要求3所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s4中，选择频次大于或等于2且右侧为空的图柱作为水印信息嵌入载体。5.根据权利要求4所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s4中，使用两个二维数组pea1和pea2来分别存储所有分组的阴影集合和空白集合中选择的嵌入位置。6.根据权利要求5所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s4中，对于每个频次大于或等于2且右侧为空的图柱，将对应的属性值分为两组，每组嵌入1bit的水印信息。7.根据权利要求6所述的可逆数据库水印的嵌入方法，其特征在于，所述步骤s5中，属性值修改的计算公式为：其中，为pe
i，j
对应的新预测误差值。新的属性值为：8.根据权利要求5所述的可逆数据库水印的嵌入方法，其特征在于，还包括：s7：通过基于一维logistic映射的置乱还原算法，将数据库的元组顺序恢复成原始顺
序。9.根据权利要求5所述的可逆数据库水印的嵌入方法，其特征在于，还包括：s8：将辅助信息传递给接收端；所述辅助信息包括：基于一维logistic映射的置乱算法的初始值；数据库元组主键的范围；每组的阴影集合和空白集合中选择的属性列acc1、acc2；每组的阴影集合和空白集合中选择的嵌入位置pea1和pea2。10.一种可逆数据库水印的提取方法，其特征在于，包括：s11：根据一维logistic映射的置乱算法的密钥，得到数据库元组的分组情况；s12：对空白集合先进行第二层嵌入的水印信息提取和数据恢复；s13：对阴影部分进行第一层水印信息提取和数据恢复，得到嵌入的整体水印信息与原始数据库。

技术总结
本发明公开了一种可逆数据库水印的嵌入和提取方法，属于数字水印的领域，嵌入方法，包括：S1：对数据库数据进行预处理，并对数据库元组进行行置乱，并将行置乱后的元组均匀分组；S2：在每个分组中将数据库分为空白集合和阴影集合，对阴影集合的属性值执行菱形预测器以获取预测误差值；S3：对阴影集合的预测误差值绝对值的频数进行统计，构建阴影集合的预测误差直方图；S4：对于阴影集合的预测误差直方图，确定嵌入载体及其嵌入的水印信息；S5：通过直方图平移的方法进行水印嵌入和属性值修改；S6：对第二层嵌入中的空白集合重复上述步骤S1-S5。能够更好地利用了数据库属性值分布的离散性，实现了良好的数据失真和水印嵌入容量。实现了良好的数据失真和水印嵌入容量。实现了良好的数据失真和水印嵌入容量。


技术研发人员：亓文法 李程 韩心慧 郭宗明
受保护的技术使用者：北京大学
技术研发日：2023.04.23
技术公布日：2023/7/25