Please use this identifier to cite or link to this item: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/1971
A high capacity and robust image-based watermarking technique for relational data
Maikel Lázaro Pérez Gort
CLAUDIA FEREGRINO URIBE
Agostino Cortesi
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Relational data
Relational data
Robust watermarking
Image-based
High capacity
Information hiding techniques have been very useful for passing secret messages unnoticed since old times, but nowadays they have also been purposeful to prove ownership of digital assets. The increment of internet services has brought easy access to illegal or unauthorized copies of files and data sets, the reason why digital piracy is at its best. That is why watermarking schemes have emerged as a popular tool to be used for ownership proof, traitor tracing or content authenticity, among others. Despite there have been several techniques for watermarking multimedia data, the proposed literature is not so mature for the case of relational data. Due to the di_erent nature of these data types, another angle is necessary to the conceptions of its watermarking schemes. In this research, a robust watermarking technique for relational data protection using a meaningful signal to generate the watermark is designed and validated through experimental methods. Our approach is resilient to benign updates (i.e., daily routine operations performed over databases) as well as to common and popular attacks performed over publicly distributed data. Furthermore, the watermark capacity is increased without provoking more distortion over data being protected. In this document, we present details of processes design involved in our approach along with results obtained for their validation.
Las técnicas de ocultamiento de información han sido muy útiles para transportar mensajes secretos de forma desapercibida desde tiempos remotos. En la actualidad, el mismo principio ha sido aplicado para demostrar derechos de autoría de datos digitales. El incremento del uso de los servicios de internet ha permitido el acceso a la información, facilitando con ello también la práctica de la piratería. En este contexto emergen las técnicas de marcas de agua, ganando popularidad debido a que permiten detectar la identidad de los propietarios de los datos, conocer si un individuo ha violado contratos de posesión, conocer si la información gestionada es auténtica o no, entre otras tantas aplicaciones. En comparación con la variedad de técnicas de marcas de agua desarrolladas para los datos multimedia, la literatura propuesta no es tan abundante en relación a las técnicas de marcas de agua para datos relacionales. Debido a las diferencias existentes entre estos tipos de datos, es necesario considerar otros enfoques y enfrentar otros tipos de problemas derivados de la aplicación de esta alternativa de protección. En esta investigación se diseña y valida experimentalmente una técnica de marca de agua robusta para la protección de datos relacionales, que emplea una señal con significado propio para la generación de la marca de agua. La técnica es resistente a operaciones de rutina efectuadas de forma diaria sobre la base de datos, así como a ataques populares y comunes sufridos por datos que pueden ser accedidos con facilidad. Un logro notable en esta investigación es el incremento de la capacidad de la marca de agua sin causar una mayor distorsión sobre los datos protegidos. En este documento se presentan detalles de los procesos propuestos, así como los resultados que validan la aplicabilidad de los mismos.
Instituto Nacional de Astrofísica, Óptica y Electrónica
2020-02
Tesis de doctorado
Inglés
Estudiantes
Investigadores
Público en general
Pérez Gort, M. L., (2020), A high capacity and robust image-based watermarking technique for relational data, Tesis de Doctorado, Instituto Nacional de Astrofísica, Óptica y Electrónica.
DISPOSITIVOS DE TRANSMISIÓN DE DATOS
Versión aceptada
acceptedVersion - Versión aceptada
Appears in Collections:Doctorado en Ciencias Computacionales

Upload archives


File SizeFormat 
PerezGoML.pdf18.66 MBAdobe PDFView/Open