Abstract
Fingerprinting scheme uses digital watermarks to trace originator of unauthorized or pirated copies, however, multiple users may collude and escape identification by creating an average or median of their individually watermarked copies. Previous research works are based on ACC (anti-collusion code) for identifying each user, however, ACC are shown to be resilient to average and median attacks, but not to LCCA and cannot support large number of users. In this paper, we propose a practical SACC (scalable anti-collusion code) scheme and its angular decoding strategy to support a large number of users from basic ACC (anti-collusion code) with LCCA (linear combination collusion attack) robustness. To make a scalable ACC, we designed a scalable extension of ACC codebook using a Gaussian distributed random variable, and embedded the resulting fingerprint using human visual system based watermarking scheme. We experimented with standard test images for colluder identification performance, and our scheme shows good performance over average and median attacks. Our angular decoding strategy shows performance gain over previous decoding scheme on LCCA colluder set identification among large population.
핑거프린팅이란 허가되지 않았거나 불법적인 사본의 출처를 확인하기 위해, 사용자마다 개별적인 워터마크를 삽입하는 기술이다. 공모공격이란 다수의 사용자가 공모하여, 개별적인 워터마크가 삽입된 사본의 평균값이나 중앙값을 이용함으로써 공모자의 식별을 방해하는 경우이며, 개별적인 워터마크는 공모방지코드 (anti-collusion Code: ACC)를 사용하여 표시하게 된다. 하지만 공모방지코드는 평균화 공격과 중앙값 공격에 강인성을 보이지만, 선형결합공모공격 (Linear Combination Collusion Attack: LCCA)에 취약하며, 많은 수의 사용자를 지원하지 못하는 단점이 있다. 본 논문에서는 많은 수의 사용자를 지원하고, 선형결합공모공격에 견고한, 가변공모방지코드 (Scalable ACC)와 각도해석전략 (Angular Decoding Strategy)을 제안하였다. 기존의 공모방지코드에 정규분포를 가지는 확률변수를 결합하여 평균과 중앙값 공격에 강인한 가변공모방지코드를 설계하였고, 인간의 시각적 특성을 이용한 워터마킹 방법을 사용하여 핑거프린트를 영상에 삽입하였다. 공모공격에 대한 강인성을 비교하기 위해, 표준실험영상 실험 결과, 본 논문에서 제안하는 방법은 평균 및 중앙값 공격에 대하여 공모자 추적 능력이 우수하였으며, 특히 많은 사용자 중에서 다수의 공모자가 선형결합공모공격을 이용하여 공모하는 경우, 높은 공모추적 성능을 보였다.
