تقدم هذه الدراسة إطارا لامركزيا لحماية حقوق النشر للفيديو يدمج البلوكشين الخاص، والعقود الذكية، وتقنيات التجزئة الإدراكية. الهدف هو تمكين تسجيل الملكية الآمن، وإدارة السجلات غير القابلة للتغيير، والتحقق الفعال القائم على التشابه لمحتوى الفيديو في البيئات الموزعة.
مقالة بحثية
نهج لامركزي لحماية حقوق النشر للفيديو باستخدام البلوكشين الخاص والتجزئة الإدراكية
في هذه المقالة
ملخص
الملخص
أثارت الشعبية المتزايدة لمشاركة محتوى الفيديو على الإنترنت مخاوف بشأن انتهاكات حقوق النشر، والقرصنة، ونزاعات الملكية. تواجه الطرق المركزية التقليدية للتعامل مع حقوق النشر قضايا شفافية، وقابلية للتلاعب، والاعتماد على أطراف ثالثة موثوقة. لذلك، تقدم هذه الدراسة نظام حماية حقوق نشر فيديو لامركزي يعتمد على Hyperledger Fabric، العقود الذكية، والتجزئة الإدراكية. أولا، يتم استخراج الإطارات من الفيديوهات، ويتم إنشاء بصمات الإدراك باستخدام خوارزميات التجزئة المتوسطة (aHash)، التجزئة الفروق (dHash)، التجزئة الإدراكية (pHash)، والتجزئة المويجية (wHash). يتم تخزين التجزئة ومعلومات الملكية على البلوك تشين، بينما تحفظ أصول الوسائط المتعددة خارج دفتر الحسابات. تجرى فحوصات حقوق النشر باستخدام مقارنات التشابه على مستوى الإطارات بناء على مسافة هامينغ. تم اختبار الإطار المقترح عبر مختلف التعديلات الزمنية والمكانية والضغطية، بما في ذلك إدخال الإطار، والحذف، والقص، وتغيير الحجم، والدوران، والترشيح، والتحويل. أظهرت التجارب متانة عالية لهذه التغييرات مع اكتشاف تعديلات غير مصرح بها في الوقت نفسه. لذلك، يمكن لهذه التقنية أن توفر حلا عمليا لمشاكل حقوق النشر باستخدام إطار عمل بلوكشين لامركزي.
المقدمة
لقد غيرت التطورات في تقنيات الوسائط الرقمية المتعددة طريقة إنتاج وتوزيع واستهلاك الفيديوهات. تتيح بث الفيديو، والشبكات الاجتماعية، وأنظمة مشاركة المحتوى عبر الإنترنت التوزيع السريع والسهل للفيديوهات على الجماهير حول العالم. بينما تسمح التطورات التكنولوجية بمزيد من الإمكانيات الإبداعية في إنتاج محتوى الفيديو الرقمي ونمو الأعمال التجارية عبر الإنترنت، فإن هذه التطورات نفسها جعلت من السهل على صانعي المحتوى مواجهة انتهاكات حقوق النشر، والقرصنة، ومشاكل الملكية1. يمكن نسخ الفيديوهات وتحريرها وإعادة ترميزها وإعادة توزيعها بسهولة، مما يجعل حماية الملكية الفكرية أمرا أكثر صعوبة في عالم الوسائط المتعددة اليوم 2,3.
عادة ما تعتمد أنظمة إدارة حقوق النشر الحالية على سلطة مركزية لتسجيل المحتوى، والتحقق من الملكية، وإدارة اتفاقيات الترخيص، والتعامل مع النزاعات. على الرغم من اعتمادها الواسع، إلا أن هذه الأنظمة الإدارية معرضة لعدة قيود كبيرة4. أولا، يعرض المركزية أنظمة إدارة حقوق النشر لهجمات إلكترونية محتملة، وتلاعب بيانات، وفترات التوقف. بالإضافة إلى ذلك، يتم تخزين ملكية حقوق النشر من قبل أطراف ثالثة موثوقة، وقد لا يكون ذلك مرغوبا به تماما من حيث تدقيق والحفاظ على موثوقيةهذه المعلومات على المدى الطويل. زيادة كمية المحتوى الرقمي متعدد الوسائط تجعل عمليات التحقق التقليدية أقل كفاءة، لأنها تميل إلى أخذ وقت طويل وتصبح غير عملية6.
يبدو أن تقنية البلوك تشين هي واحدة من الحلول التي يمكنها حل قضايا الثقة والشفافيةفي البيئة الموزعة. باستخدام دفاتر غير قابلة للتغيير عبر التشفير وآليات التوافق، يمكن البلوك تشين حفظ السجلات بأمان دون سيطرة سلطة مركزية على العملية. بمجرد إضافة السجلات إلى البلوكشين، تصبح ثابتة وغير قابلة للتغيير، مما يوفر مستويات أعلى من التتبع والمساءلة8. لهذا السبب بذلت العديد من الجهود لدراسة تطبيقات البلوكشين في مجالات مثل إدارة حقوق الحقوق الرقمية، والملكية الفكرية، وضمان ملكية الوسائط المتعددة9. من بين منصات البلوكشين الحالية، حظي Hyperledger Fabric باهتمام كبير لميزاته، بما في ذلك البنية المصرح بها، وهيكل معياري، ودعم العقود الذكية، والخصوصية، والمعالجة السريعة. على عكس السلاسل العامة، فإن بنية Hyperledger Fabric المصرح بها تجعله مثاليا لأنظمة حماية حقوق النشر10.
ومع ذلك، هناك بعض القيود على استخدام البلوكشين كوسيلة وحيدة لتحديد حالة حقوق النشر لمحتوى الوسائط المتعددة11. أولا، دوال التجزئة التشفيرية التقليدية (مثل SHA-256) تنتج نتائج تجزئة مختلفة تماما حتى عند إجراء تغييرات طفيفة على فيديو12. على الرغم من أنها صفة مرغوبة لأغراض التشفير، إلا أنها تعيق التعرف البصري على النسخ المشابهة أو المعدلة من المحتوى المتعدد الوسائط المحمي بحقوق النشر. لذا، يجب أن يستند التحقق من حقوق النشر المتعددة الوسائط إلى خوارزميات واعية للمحتوى يمكنها اكتشاف التشابهات الإدراكية في الصور أو الفيديوهات13.
واحدة من أكثر الطرق الواعدة لمعالجة مشكلة حقوق النشر في المحتوى المتعدد الوسائط هي استخدام التجزئة الإدراكية14. على عكس التجزئة التشفيرية، ينتج التجزئة الإدراكية بصمات أصابع ترمز للخصائص البصرية للصورة أو الإطار15 للفيديو. لذا، حتى لو تم تغيير الملف من خلال العمليات المعتادة (الضغط، التصفية، إعادة التحجيم، إضافة الضوضاء، وما إلى ذلك)، تبقى التجزئة16 كما هي نسبيا. هناك أربعة أنواع من التجزئة الإدراكية المستخدمة حاليا: التجزئة المتوسطة، التجزئة الإدراكية، التجزئة الإدراكية، وتجزئة المويجات17،18.
هناك العديد من الدراسات البحثية التي تحقق في استخدام تقنية البلوك تشين جنبا إلى جنب مع تقنيات حماية حقوق النشر لبيانات الوسائط المتعددة19. استخدمت الأعمال السابقة تقنية البلوكشين لتسجيل الملكية، والعلامة المائية الرقمية، والتخزين الموزع وإدارة الأدلة، وإدارة الحقوق اللامركزية، والتخزين الآمن لمحتوى الوسائط المتعددة20. تم الاستفادة من نسيج هايبرليدجر في أعمال سابقة لتمكين تسجيل حقوق النشر، وإدارة الحقوق، وتدقيق المعاملات عبر العقود الذكية وبروتوكولات الإجماع المصرح بها 21,22. وبالمثل، تم اقتراح طرق التجزئة الإدراكية والعلامات المائية لاكتشاف المحتوى المتعدد الوسائط المكرر والمعدل. على الرغم من هذه الأعمال الواعدة في تمكين إدارة حقوق النشر باستخدام تقنية البلوكشين، لا تزال هناك بعض الثغرات23,24. أولا، العديد من الأطر السابقة كانت تهتم بشكل أساسي بتسجيل الملكية لكنها تفتقر إلى القدرة على التحقق من المحتوى. ثانيا، اعتمدت العديد من الأعمال على نهج تجزئة أو علامة مائية واحدة، مما جعلها أكثر عرضة لهجمات التلاعب بالفيديو25,26. يوضح الجدول 1 أن الأنظمة الحالية تدعم عادة تسجيل الملكية لكنها نادرا ما تجمع بين إدارة الملكية اللامركزية والتحقق من المحتوى متعدد التجزئة.
مع التقدم في تكنولوجيا تحرير الفيديو، هناك حاجة متزايدة للتحقق الفعال من ملكية الفيديو لمنع انتهاك حقوق النشر27. توفر التكنولوجيا الحالية عدة طرق للتلاعب الزمني بالفيديوهات من خلال الإضافة، والحذف، والاستبدال، وتغيير معدل الإطارات. وبالمثل، تشمل خيارات التلاعب المكاني تغيير حجم الإطارات، وتوسيع الحجم، والتصفية، والضغط، والتحويل، والتعديلات الهندسية لمقاطع الفيديو28. تجعل هذه التلاعبات من الصعب تحديد مالكي حقوق النشر، رغم أنها لا تغير مظهر الفيديو. يجب أن يكون النظام الفعال قادرا على التمييز بين التلاعب المسموح به، والملكية، وانتهاك حقوق الطبع والنشر مع النزاهة29.
لمعالجة تحدي إدارة حقوق نشر الفيديو بكفاءة، تقترح هذه الورقة نموذجا لامركزيا يستفيد من Hyperledger Fabric، والعقود الذكية، والتجزئة الإدراكية. سيقوم الإطار المقترح بتوليد بصمات إدراكية باستخدام تقنيات التجزئة، مع استخراج إطارات الفيديو30,31. سيتم استخدام أربع تقنيات تجزئة مختلفة، وهي aHash، dHash، pHash، وwHash، لتوليد بصمات إدراكية. يتم تسجيل معلومات الملكية، والطابع الزمني، والتجزئات في دفتر الأستاذ المصرح به المعتمد على البلوكشين. لتحسين قابلية التوسع، يستخدم CouchDB بالتزامن مع البلوك تشين لتخزين محتوى الوسائط المتعددة خارج السلسلة.
يستخدم الإطار المقترح تحليل مسافة هامينغ للتحقق من التشابه على مستوى الإطار واكتشاف التعديلات أو التكرار أو الاستخدام غير القانوني للفيديوهات. من خلال دمج عدة تقنيات تجزئة إدراكية مع سمعية تعتمد على البلوك تشين، يحقق الحل كل من المصادقة على مستوى المحتوى وإدارة ملكية مقاومة للتلاعب. على عكس الأنظمة السابقة التي تعتمد على طريقة تحقق واحدة، يستخدم الإطار المقترح عدة أوصاف إدراكية لتحمل مجموعة من التلاعبات الزمنية والمكانية والضغطية بالفيديو.
هذه هي المساهمات الرئيسية التي تم تقديمها في العمل البحثي: (1) نهج اللامركزية لعملية تسجيل وتحقق حقوق النشر الآمن للفيديوهات باستخدام إطار عمل Hyperledger Fabric؛ (2) تستخدم خوارزميات التجزئة الإدراكية المتعددة، مثل aHash، dHash، pHash، وwHash، لإنشاء بصمات فيديو متعددة يمكنها التعرف على فيديوهات متشابهة حتى بعد التحرير؛ (3) تم تطوير نموذج قاعدة بيانات موزعة يستخدم كل من Hyperledger Fabric و CouchDB لمعالجة مشاكل قابلية التوسع دون المساس بسلامة البيانات وقابليتها للتتبع؛ (4) يتم صياغة عملية تحقق شاملة تتضمن حساب مسافة هامينغ لتحديد كيفية التعامل مع الفيديوهات بالنسبة للإطارات والبكسلات؛ (5) تجرى تجارب لإثبات قدرة الطريقة المقترحة على اكتشاف مقاطع الفيديو المعدلة.
لذا، من خلال دمج الملكية القائمة على البلوكشين وخوارزميات التجزئة المتعددة، يقدم الإطار المقترح نهجا عمليا لحماية حقوق النشر اللامركزية للفيديو.
البروتوكول
لم تشمل هذه الدراسة مشاركين بشريين، أو أشخاص أو حيوانات، أو عينات سريرية. لذلك، لم تكن الموافقة على أخلاقيات المؤسسات والموافقة المستنيرة مطلوبة.
المواد والبرمجيات
البيئة المستخدمة لنشر الإطار كانت Hyperledger Fabric الإصدار 2.4.8، CouchDB، حاويات Docker، نشر Minifab، تطبيقات معالجة الوسائط المتعددة FFmpeg، ولغة البرمجة Go. قدمت Hyperledger Fabric خدمات لإدارة دفاتر الحسابات اللامركزية وتنفيذ العقود الذكية، بينما كان CouchDB يخزن ويسترجع معلومات حقوق النشر بكفاءة عبر التخزين خارج السلسلة. تم استخدام FFmpeg لمعالجة الفيديوهات واستخراج إطارات الفيديو، بينما تم تطبيق خوارزميات التجزئة الإدراكية عبر مكتبات تجزئة الصور بلغة البرمجة Go. قائمة بجميع الأدوات ووصفها موضح في جدول المواد.
بنية الإطار
يستخدم الإطار المقترح خوارزميات التجزئة الإدراكية ضمن نسيج البلوكشين Hyperledger المصرح به لتمكين نهج لامركزي لحماية حقوق النشر والتحقق من ملكية الفيديو. يتكون الإطار من خمسة مكونات رئيسية: معالجة الفيديو المسبقة، توليد التجزئة الإدراكية، تسجيل حقوق النشر عبر البلوك تشين، والتحقق القائم على التشابه. في هذا الإطار، يعمل Hyperledger Fabric كطبقة الثقة، حيث يوفر سجلات ملكية غير قابلة للتغيير، بينما يوفر CouchDB تخزينا خارج السلسلة. يتم تصوير البنية العامة للإطار المقترح في الشكل 1.
نموذج النظام للتحقق من حقوق النشر
يظهر سير العمل التفصيلي للنظام قيد التحقيق في الشكل 2. يبدأ بالحصول على الفيديو، يليه استخراج الإطارات على فترات منتظمة باستخدام FFmpeg. تتم معالجة الإطارات المستخرجة ضمن بيئة تنفيذ نسيج هايبرليدجر، والتي تشمل إجراءات مثل تسجيل الملكية، إدارة الشهادات، التواصل مع الأقران، والتحقق من صحة المعاملات. يتم تطبيق التجزئة الإدراكية على الأطر المستخرجة، تليها حساب مسافة هامينغ لتقييم درجة التشابه. إذا كانت مسافة هامينغ أقل من العتبة، يعتبر الإطار أصيلا ومشابها للمحتوى المسجل؛ وإلا، فيتم اعتباره محتوى معدلا.
اكتساب الفيديو، المعالجة المسبقة، وإنشاء التجزئة الإدراكية
كانت عينات الفيديو المستخدمة في التجربة ملفات MP4 بدقة 480p، بمتوسط طول حوالي 26 ثانية. تضمنت مجموعة بيانات التقييم 15 عينة فيديو، بما في ذلك فيديو مرجعي أصلي وعدة نسخ معدلة. شملت هذه التعديلات مهام تحرير شائعة مثل تغيير معدلات الإطارات، إدراجها، حذفها، أو استبدالها، وتطبيق تشوهات مثل القص، والتكبير، والدوران، وتأثيرات التراكب الداخلي. شملت مجموعة البيانات أيضا إضافات للضغط، والضوضاء، والنصوص، والملصقات، وتأثيرات الأعطال، والمزيد. جميع الفيديوهات كانت بصيغة MP4 بدقة 480p وخضعت لنفس خطوات المعالجة المسبقة وتوليد البصمة. تم تصميم هذه المجموعة لاختبار مرونة النظام، وتغطي مجموعة واسعة من السيناريوهات الواقعية التي تتضمن الانتهاك والتلاعب. قبل أن تخضع لكشف وتأكيد حقوق النشر، كانت ملفات الفيديو تخضع للمعالجة المسبقة في FFmpeg. تم استخراج الإطارات من ملفات الفيديو بفواصل زمنية مدتها ثانية واحدة للحصول على ملخصات محتوى مكثفة على شكل محتوى بصري ظل غير مكلف حسابيا للمعالجة. بعد ذلك، تم تحويل هذه الإطارات إلى التدرج الرمادي وتطبيره لتقليل التغيرات في شدة البكسلات الناتجة عن ظروف الإضاءة، والترميز، وفروق الضغط.
تم استخدام أربع دوال تجزئة إدراكية لإنتاج بصمات محتوى الفيديو على شكل تجزئة متوسطة (aHash)، والتجزئة الفروق (dHash)، والتجزئة الإدراكية (pHash)، والتجزئة المويجية (wHash).
لتوليد التجزئة، تم أولا تحويل الإطارات إلى التدرج الرمادي وتغيير حجمها إلى 8x8 بكسل لحساب aHash وdHash. مع aHash، تم توليد بصمة 64 بت من خلال مقارنة كل بكسل بمتوسط قيمة التدرج الرمادي. قامت خوارزمية dHash بشيء مشابه، حيث أنشأت بصمة 64 بت أيضا، لكنها نظرت إلى اختلاف شدة البكسلات الأفقية المجاورة. بالنسبة ل pHash، تم تغيير حجم الإطارات إلى 32x32 بكسل، ثم تم حساب تحويل جيب تمام متقطع. لتوليد بصمة الإدراك 64 بت، تم استخدام معاملات DCT منخفضة التردد 8x8 فقط. أما بالنسبة ل wHash، فقد تم إعادة تكبير الإطارات مرة أخرى إلى 32x32 بكسل، لكن هذه المرة تمت معالجتها باستخدام تحويل مويجات هار. تم توليد تجزئة 64 بت من معاملات المويجات ذات التردد الأدنى المستخرجة. تهدف جميع إعدادات المعلمات هذه إلى تحقيق توازن جيد بين الكفاءة الحسابية والقوة للتعامل مع تعديلات الفيديو التقليدية.
لإجراء حسابات فعالة لدالة التجزئة، تم تطبيع هذه الصور وتغيير حجمها. طريقة التجزئة المتوسطة تعمل عن طريق مقارنة شدة البكسل مع متوسط الصورة. يعمل تجزئة الفروق بطريقة مشابهة لكنه يركز على التدرجات المحلية من خلال مقارنة شدة البكسلات مع تلك الخاصة بالبكسل المجاورة. يستخدم التجزئة الإدراكية ميزات فورييه الناتجة عن DCT، بينما تعتمد تجزئة المويجات على نتائج تحويل المويجات لاستخراج الميزات.
تسجيل والتحقق من حقوق النشر المعتمد على البلوك تشين
يتم إدخال بصمات الأصابع الإدراكية، وبيانات الملكية الوصفية، والطوابع الزمنية، وتفاصيل المعاملات التي يتم الحصول عليها في سلسلة كتل Hyperledger Fabric عبر العقد الذكي vitChain. يشمل تنفيذ البلوك تشين منظمتين، ونظيران، وعقدتين مرتبيتين، وعقدتين لسلطة الشهادات (CA)، وقواعد بيانات حالة CouchDB، جميعها مرتبطة عبر قناة تلقائية. يسهل إطار عمل البلوكشين المصرح به معالجة آمنة، والوصول المقيد، وتخزين بيانات حقوق النشر بدون تلاعب.
تبدأ عملية تسجيل حقوق النشر بمجرد أن يقوم مالك المحتوى برفع الفيديو عبر واجهة المستخدم. عندما يقدم المستخدم فيديو لتسجيل حقوق النشر، تستدعي طبقة التطبيق عقد viChain الذكي عبر حزمة تطوير Hyperledger Fabric. يشمل هذا التسجيل معرف معاملة فريد، ومعلومات المالك، ومعرف الفيديو، وطابع زمني، وأربعة أنواع من قيم التجزئة الإدراكية: aHash، dHash، pHash، وwHash. أيضا، هناك بيانات وصفية عن المحتوى. يرسل التطبيق اقتراح المعاملة إلى الزملاء المدعومين. يقوم هؤلاء النظراء بعد ذلك بتشغيل منطق العقود الذكية وضمان التزام المعاملة بسياسة التأكيد. عند التحقق الناجح، تنتقل المعاملة إلى خدمة الطلب. هنا، يتم تجميع المعاملات الموثقة في كتل وترسل إلى عقد نظيرة لإدراجها في السجل. وفي الوقت نفسه، تذهب البيانات الوصفية ذات الصلة إلى CouchDB. تتصل هذه السجلات بسجلات البلوكشين عبر معرف المعاملة، مما يتيح عمليات بحث سهلة ويحافظ على اتساق البيانات على السلسلة وخارجها.
بعد المعالجة المسبقة وحسابات التجزئة الإدراكية، يتم تجميع البصمات، إلى جانب البيانات الوصفية المرتبطة بها، في معاملة يتم تنفيذها بواسطة العقد الذكي. يتم التحقق من صحة المعاملات من قبل الزملاء المشاركين وفقا لسياسة التأييد المحددة. عند الموافقة، يتم تمرير المعاملة إلى خدمة الطلب لإدراجها في كتلة على السجل الموزع. لتشغيل موثوق، أدرجنا التعامل الأساسي مع الأخطاء في عمليات التسجيل والتحقق. قبل إجراء أي معاملة، يقوم التطبيق بفحص البيانات الوصفية الإلزامية، ومعلومات الملكية، والتجزئات الإدراكية لتجنب المشاكل. إذا لم تتوافق المعاملات مع قواعد التأييد أو كان لديها معلمات غير صالحة، فإن عقد الأقران ترفضها تماما. عندما تحدث مشاكل مثل فشل في الاتصالات أو أخطاء في المعالجة، يقوم النظام بتسجيلها ويرسل تنبيه للمسؤول. يساعد ذلك في منع انتشار أخطاء المعالجة البسيطة عبر النظام. خلال فحوصات حقوق النشر، تستبعد الفيديوهات التي تحتوي على بيانات وصفية غير صالحة أو قيم تجزئة تالفة من عملية التحقق. الفيديوهات التي يفشل توليد البصمة لها تستبعد أيضا من عملية التحقق. بشكل عام، تحافظ هذه الخطوات على نظافة البيانات وتعزز موثوقية الإطار. تصبح معلومات الملكية للفيديو المحمي بحقوق الطبع والنشر غير قابلة للتغيير ومتاحة للاسترجاع لاحقا.
التحقق
تتضمن عملية التحقق خطوات مماثلة للمعالجة المسبقة وحساب البصمات، تليها مقارنة بصمات الأصابع مع البصمات المخزنة في البلوكشين باستخدام مقياس تشابه قائم على مسافة هامينغ. استنادا إلى مقياس التشابه، يحدد العقد الذكي معلومات حقوق النشر للفيديو المقدم. يتم تصوير سير عمل التفاعل في الشكل 3.
التحقق من حقوق النشر بناء على التشابه
تقارن عملية التحقق من حقوق النشر بين البصمات الإدراكية المستمدة من فيديو الاستعلام وبصمات الأصابع المخزنة سابقا في نظام البلوكشين. يتم تكرار نفس عملية المعالجة المسبقة وتوليد قيمة التجزئة المستخدمة أثناء التسجيل في مرحلة التحقق للحفاظ على الاتساق. يتم قياس التشابه باستخدام مسافة هامينغ، التي تعد عدد فروق البتات بين قيمتين تجزئين. تشير المسافات الأصغر لهامينغ إلى تشابه أكبر بين الفيديوهين، بينما تشير المسافات الأعلى إلى التلاعب بالمحتوى. لمعرفة ما إذا كان فيديو الاستعلام يطابق الفيديو المسجل، استخدمنا مسافة هامينغ بين قيم التجزئة الإدراكية لديهم. استنادا إلى التجارب الأولية، تم اختيار عتبة مسافة هامينغ 20 لتوفير توازن مناسب بين المتانة في عمليات معالجة الفيديو الشائعة والحساسية للتعديلات غير المصرح بها. كانت مقاطع الفيديو التي تبعد هامينغ 20 أو أقل تعتبر تمثل نفس المحتوى المحمي بحقوق النشر. لو كان أكثر، لكان أظهر تغييرات كبيرة. تم اختيار هذا 20 للتعامل مع تعديلات الفيديو الشائعة مثل الضغط، والتصفية، والتحويل، وتغيرات معدل الإطارات، لكنه لا يزال يلتقط تغييرات غير مصرح بها. تجرى قياسات التشابه لجميع بصمات الإطارات المجمعة، ثم تجمع لإنتاج استنتاج تحقق من حقوق النشر. الفيديوهات التي تنحرف عن المحتوى المسجل يتم تمييزها لمزيد من التدقيق.
بيئة النشر
تم إنشاء بيئة الاختبار باستخدام حاويات Docker وأداة التنسيق Minifab. تم نشر شبكة بلوكشين مبنية على Hyperledger Fabric الإصدار 2.4.8 مع CouchDB كقاعدة بيانات حالة وطبقة تخزين لبيانات العقود الذكية. تم تنفيذ عقد vitChain الذكي في Go ونشره باستخدام دورة حياة Hyperledger Fabric Chaincode. يتم تلخيص معلمات النشر في الجدول 2. تكونت الشبكة من منظمتين مشاركتين، هما منشئ المحتوى ومصور الفيديو. لضمان سلامة المعاملات ومنع تسجيل أو تعديل حقوق النشر غير المصرح بها، تم تنفيذ سياسة تأييد متعددة المؤسسات، تتطلب موافقة كلا المؤسستين قبل الالتزام بالمعاملة في الدفتر. على وجه التحديد، اتبعت سياسة التأييد قاعدة AND، المعبر عنها ك AND ('ContentCreatorMSP.peer','VideographerMSP.peer').
النتائج
لتقييم فعالية نموذج حماية حقوق النشر اللامركزي المقترح، يتم اختباره ضد هجمات التلاعب بالفيديو التي تحدث بشكل متكرر أثناء نقل الوسائط المتعددة والتحرير وانتهاك حقوق النشر. عاملان رئيسيان في التقييم يشملان: (1) موثوقية خوارزمية التجزئة الإدراكية في اكتشاف حقوق النشر والتلاعب، و(2) أداء شبكة Hyperledger Fabric للبلوكشين. تم توليد درجات التشابه من خلال حساب متوسط التجزئة (aHash)، التجزئة الفروق (dHash)، التجزئة الإدراكية (pHash)، وتجزئة المويجات الصغيرة (wHash)، والتي تم مقارنتها بعد ذلك ببصمات الفيديو المسجلة في البلوكشين.
تحليل التشابه تحت هجمات التلاعب بالفيديو
تم تقييم متانة النموذج باستخدام عدة هجمات مطبقة على الفيديوهات، بما في ذلك هجمات الزمنية، والمكانية، والهندسية، والضغط، والتصفية، وهجمات التلاعب العدائي. جاءت قيم التشابه في هذه الدراسة من تجارب فردية لكل سيناريو معالجة فيديو. تم تطبيق كل نوع من التلاعب مرة واحدة لإنشاء حالة اختبار تمثيلية، وتم تسجيل درجات التشابه للتحليل. كان الهدف هو التحقق من مدى قدرة الإطار المقترح على رصد التغييرات المتعلقة بحقوق النشر تحت ظروف هجوم واقعية مختلفة. لذا، تظهر القيم المبلغ عنها نتائج حالات اختبار فردية، وليس متوسطات من تجارب متكررة.
درجات التشابه باستخدام أربع خوارزميات تجزئة إدراكية مدرجة في الجدول 3. يحقق النموذج المقترح درجة عالية نسبيا من التشابه تحت معظم هجمات حفظ المحتوى، مع البقاء حساسا للتغيرات الهيكلية الكبيرة في الفيديوهات (الجدول 3).
الأداء تحت التحولات الزمنية
تؤثر التحولات الزمنية مثل إدراج الإطار، وحذف الإطار، واستبدال الإطار، وتحويل معدل الإطارات بشكل أساسي على استمرارية الفيديو الزمنية مع الحفاظ على ميزاتها المكانية شبه سليمة. أظهرت التجارب أن إدخال الإطار واستبدال الإطار حققا تشابها يزيد عن 80٪ مع جميع خوارزميات البصمة المختبرة (الشكل 4). لذلك، حافظت البصمات الإدراكية على الميزات البصرية للفيديوهات رغم التغيرات الزمنية.
أدى حذف الإطارات إلى انخفاض طفيف في قيم التشابه بسبب غياب المعلومات في الإطارات. ومع ذلك، كانت البصمات متشابهة بما يكفي لتوفير أداء كاف لاكتشاف انتهاك حقوق النشر. لم تؤثر تغيرات معدل الإطارات على مقاييس التشابه بشكل كبير، حيث أعطت تقييما يزيد عن 97٪ في معظم عينات الاختبار. وذلك لأن تحولات معدل الإطارات لا تغير بشكل كبير ميزات الإطار.
تأثير التحولات المكانية والهندسية
تؤثر التحولات الهندسية والمكانية مباشرة على البنى البصرية في إطارات الفيديو، مما يجعل من الصعب نسبيا على تقنية التجزئة الإدراكية. أدت المناطق الموضعية المعدلة إلى انخفاض طفيف فقط في قيم التشابه، حيث كانت التعديلات البصرية موضعية ولم تغير بشكل كبير التجزئة الإدراكية العالمية.
أدت عمليات القطع إلى تباين أعلى في قيم التشابه بسبب إزالة أجزاء من المادة البصرية. تسببت التحولات الدورانية في أكبر انخفاض في قيم التشابه، حيث تراوحت القيم بين حوالي 48٪ و66٪ عبر تقنيات التجزئة الإدراكية. وهذا مفهوم لأن الدوران يغير البنى المكانية التي تلعب دورا مهما في التجزئة الإدراكية. لم يؤثر تكبير الصور كثيرا على درجات التشابه، حيث بقيت القيم فوق 96٪. يلخص الشكل 5 نتائج التشابه التي تم الحصول عليها تحت دوران الفيديو، بما في ذلك التحويلات الهندسية.
المتانة ضد الضغط، والترشيح، والضوضاء
الضغط والتحويل الترميز هما نشاطان روتينيان عند تخزين وتوزيع الوسائط المتعددة. أظهرت التحليلات التجريبية أن التشابهات كانت باستمرار فوق 98٪ حتى بعد ضغط MPEG، والتحويل، وإعادة الترميز باستخدام ترميزات فيديو مختلفة. من النتائج، يمكن الاستنتاج أن البصمات الإدراكية تحتفظ بمعظم المحتوى البصري رغم أخطاء الضغط وضوضاء الكم. كما أجريت تجارب على إضافة الضوضاء والترشيح. بغض النظر عن مدى ارتفاع الضوضاء، كان التشابه دائما بين 98٪ و99٪. بالإضافة إلى ذلك، أدى الترشيح الغاوسي والوسيط والتمرير المنخفض إلى تغييرات طفيفة في التشابه، مما حافظ على المعلومات الهيكلية العامة للفيديو.
اكتشاف التعديلات المعقدة والمعادية
كما تم دراسة النموذج المقترح لتحديد هجمات مثل إضافة نص أو ملصقات إلى إطارات الفيديو، ودمج مقاطع الفيديو، وهجمات تعديل التواطؤ. يستخدم هذا التعديل للحفاظ على الاتساق أثناء إجراء تغييرات غير مصرح بها على المواد المحمية بحقوق النشر. تظهر نتيجة تحليل التشابه بعد إضافة نص إلى إطارات الفيديو في الشكل 6 أدناه، بينما يعرض الشكل 7 نتائج تحليل التشابه لمقاطع الفيديو المدمجة.
مقارنة أداء خوارزميات التجزئة الإدراكية
كل من خوارزميات التجزئة الإدراكية الأربع كان لها خصائص محددة لوحظت خلال الاختبارات التجريبية. ثبت أن التجزئة الإدراكية (pHash) قوية جدا للضغط والتصفية والترميز، مع الحفاظ على حساسية للتلاعبات الهيكلية. أدى تجزئة المويجات (wHash) بشكل جيد تحت التلاعبات المحلية، مثل إضافة نص أو كائنات.
كان تجزئة الفرق (dHash) قادرة على اكتشاف التلاعبات الهيكلية المرتبطة بالتدرج لكنها كانت أكثر حساسية للدوران. كان متوسط التجزئة (aHash) مستقرا عند تطبيقه على العمليات المطبقة عالميا والتي لا تغير الشدة الإجمالية، لكنه كان أقل استقرارا عند حدوث التلاعب الهندسي. بشكل عام، أنتجت pHash وwHash أفضل النتائج بين الخوارزميات التي تم اختبارها.
تقييم أداء تقنية البلوك تشين
بالإضافة إلى أداء التحقق من المحتوى، تم أيضا النظر في قابلية التوسع وأداء نظام البلوكشين. خلال التجارب، تم اكتشاف أن الوقت المطلوب لرفع الملفات كان يزداد خطيا مع حجم الملف وحجم الشبكة، بسبب التزامن المطلوب بين الأقران.
وبالمثل، نما وقت التعدين وإنشاء الكتل بشكل خطي مع عدد الأقران. تم التنبؤ بهذه النتيجة لأن إجراء المعاملات يصبح أكثر صعوبة مع زيادة عدد الأقران، مما يتطلب المزيد من التواصل. ومع ذلك، كان الوقت الذي لاحظه المؤلفون واقعيا بما يكفي لنطاق تطبيق تسجيل حقوق النشر.
لم تظهر عملية الوصول إلى الكتل تغيرات كبيرة حتى يتجاوز حجم الشبكة قيمة محددة. يتأثر الأداء الملحوظ أيضا ببنية التخزين الهجينة. في هذا الإعداد، يتم تخزين بيانات الملكية الوصفية، ومعلومات المعاملات، وقيم التجزئة الإدراكية على البلوكشين، بينما يتعامل CouchDB مع بيانات الوسائط المتعددة. وهذا يقلل من المبلغ المضاف إلى السجل الموزع، مما يساعد في السيطرة على نمو تخزين البلوك تشين. على الرغم من أن المؤلفين لم يجروا مقارنة محددة بتصميم يعتمد فقط على البلوكشين، إلا أن التجارب تظهر أن النظام لا يزال يؤدي أداء جيدا في معالجة المعاملات واسترجاعها عبر إعدادات الشبكات المختلفة. تلخص الأشكال 8–11 تقييمات أداء الباحثين في مجال البلوكشين عبر تكوينات الشبكات المختلفة.
بشكل عام، تشير النتائج التجريبية إلى أداء فعال للنظام المقترح الذي يجمع بين التجزئة الإدراكية وتقنية البلوك تشين. الإطار المقترح مقاوم لعمليات حفظ المحتوى وفي الوقت نفسه حساس للهجمات التي تغير الهيكل. بالإضافة إلى ذلك، يمكنه تسجيل والتحقق من حقوق النشر على شبكة Hyperledger Fabric.
توفر البيانات:
تم رفع البيانات والرموز المستخدمة في هذه الدراسة إلى مستودع زينودو ويمكن الوصول إليها من: https://doi.org/10.5281/zenodo.20665324. تشمل هذه مجموعات بيانات الإطارات المستخرجة، التجزئة الإدراكية، حساب مسافة هامينغ، اختبارات قياس البلوكشين، كود العقود الذكية، ملفات النشر، وغيرها من البيانات الوصفية المستخدمة في تجارب تسجيل حقوق النشر والتحقق منها.
الشكل 1: هيكل إطار حماية حقوق النشر اللامركزي المقترح لحقوق نشر الفيديو. يوضح الشكل الهيكل العام للإطار المقترح، بما في ذلك المعالجة المسبقة للفيديو، وتوليد التجزئة الإدراكية، وتسجيل البلوك تشين، والتحقق من الملكية، وتخزين CouchDB. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 2: نموذج النظام المقترح لحماية حقوق النشر والتحقق من الفيديو. يوضح سير العمل عمليات الحصول على الفيديو، واستخراج الإطارات، وتوليد التجزئة الإدراكية، وتسجيل البلوكشين، والتحقق من التشابه، واتخاذ قرارات حقوق النشر ضمن الإطار المقترح. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 3: مخطط تسلسل تسجيل والتحقق من حقوق نشر الفيديو. يعرض مخطط التسلسل التفاعلات بين مالك المحتوى، وطبقة التطبيق، ووحدة التجزئة الإدراكية، والعقد الذكي، وعقد الأقران، وخدمة الطلب، وسجل البلوكشين، وCouchDB أثناء تسجيل حقوق النشر والتحقق. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 4: تحليل التشابه تحت عمليات تحرير إطارات متعددة. يعرض الشكل أداء التشابه التراكمي للإطار المقترح عبر عدة سيناريوهات لمعالجة الفيديو الزمنية، بما في ذلك إدراج الإطارات، والحذف، والاستبدال، وتعديل معدل الإطارات. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 5: تحليل التشابه تحت تدوير الفيديو. يصور الشكل تأثير تدوير الفيديو على درجات التشابه. هذا يوضح فعالية الإطار المقترح حتى عندما يتم تدوير الفيديوهات بشكل معتدل. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 6: إضافة نص إلى الفيديو. هذا يظهر نتائج التشابه بعد إدخال النص في إطارات الفيديو. يظهر قدرة الإطار المقترح على تحديد تغييرات المحتوى أثناء التحقق من الملكية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 7: المقاطع المدمجة في الفيديو. يمثل هذا تحليل التشابه في الفيديو الناتج عن دمج شظايا من مصادر مختلفة. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 8: تحليل زمن التنفيذ لرفع الملفات على تخزين CouchDB خارج السلسلة مع عدد مختلف من الأقران. يوضح هذا الشكل الوقت المطلوب من الإطار المقترح لرفع بيانات الفيديو الوصفية إلى التخزين خارج السلسلة لأحجام ملفات وتكوينات شبكة مختلفة. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 9: تحليل زمن التنفيذ بالثواني لتعدين الكتل لأحجام مختلفة من الملفات ذات عدد متغير من الأقران على شبكة البلوكشين. يظهر هذا الشكل أداء عملية تعدين الكتل في شبكة Hyperledger Fabric عبر تكوينات الشبكة المختلفة. تظهر هذه التجربة تأثيرات حجم الملف وتكوين العقد النظيرة على أداء النظام. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 10: تحليل زمن التنفيذ بالثواني لإنشاء الكتل لأحجام مختلفة من الملفات بعدد مختلف من الأقران على شبكة البلوكشين. يوضح الشكل أدناه الوقت المطلوب لإنشاء كتلة في الشبكة تحت تكوينات شبكة مختلفة. يساعد ذلك في تحليل القدرات التشغيلية وقابلية التوسع. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الشكل 11: تحليل زمن التنفيذ بالثواني للوصول إلى الكتل لأحجام مختلفة من الملفات بعدد متغير من الأقران على شبكة البلوكشين. يوضح هذا الشكل الوقت المطلوب لاسترجاع المعلومات من نظام البلوكشين لأحجام الملفات المختلفة وتكوينات عقد الأقران. وهذا يوضح أن الإطار المقترح يمكن استخدامه بفعالية للتحقق من حقوق النشر واسترجاع الملكية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
| س. لا. | مؤلف(ين) | التطبيق | البلوكشين | الأمن | الحماية | قابلية التوسع | حماية حقوق النشر | التخزين خارج السلسلة | النزاهة | اللامركزية |
| 1 | ليو وآخرون 13 | حماية حقوق الطبع والنشر الرقمية باستخدام تقنية البلوك تشين | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 2 | تشنغ وآخرون 12 | حماية حقوق النشر للفيديو القائمة على البلوكشين مع وضع علامات مائية | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 3 | قريشي وآخرون. 11 | إطار إدارة حقوق النشر المتعددة الوسائط | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 4 | درويش وآخرون 9 | العلامة المائية للفيديو والتحقق من حقوق النشر | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 5 | لي وآخرون. | نظام إدارة عمليات حقوق النشر الموسيقية اللامركزية | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 6 | بانديان وآخرون 10 | التحقق من سلامة الفيديو القائم على البلوكشين | ✓ | ✓ | ✗ | ✗ | ✓ | ✗ | ✓ | ✓ |
| 7 | قو ج وآخرون. | إدارة الحقوق الرقمية لموارد الوسائط المتعددة للتعليم عبر الإنترنت | ✓ | ✗ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 8 | Moolikagedara وآخرون 14 | نظام الملكية والتتبع القائم على البلوكشين | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 9 | ماداباتي وبرادهان5 | إطار حماية حقوق النشر للفيديو القائم على الإيثيريوم | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 10 | فراتوليلو وآخرون. | حماية حقوق النشر الرقمية المدعومة بالعقود الذكية | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 11 | الإطار المقترح | حماية حقوق النشر للفيديو المعتمدة على Hyperledger Fabric باستخدام تجزئات إدراكية متعددة (aHash، dHash، pHash، و wHash) | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
الجدول 1: مقارنة بين أنظمة حماية حقوق النشر القائمة على البلوكشين. يقارن الجدول بين الطرق الحالية القائمة على البلوكشين لحماية حقوق الطبع والنشر مع الإطار المقترح عبر عوامل رئيسية، بما في ذلك استخدام البلوكشين، العقود الذكية، التجزئة الإدراكية، قابلية التوسع، حماية حقوق النشر، أمان الملكية، فحوصات النزاهة، واللامركزية.
| المعلمة | التكوين |
| منصة البلوكشين | Hyperledger Fabric 2.4.8 |
| نوع الشبكة | البلوكشين المصرح به |
| عدد المنظمات | 2 |
| عدد عقد الأقران | 2 |
| عدد عقد الأوامر | 2 |
| جهات الاعتماد | 2 |
| قناة الاتصالات | القناة الآلية |
| اسم العقد الذكي | vitChain |
| لغة العقود الذكية | انطلق |
| قاعدة بيانات الولايات | CouchDB |
| أداة النشر | مينيفاب |
| منصة الحاويات | دوكر |
| آلية الإجماع | خدمة طلب الطوافات |
| تخزين البيانات الوصفية | CouchDB |
| تخزين الملكية | دفتر السجلات بلوك تشين |
الجدول 2: معلمات تكوين نشر نسيج Hyperledger. يسرد الجدول تفاصيل تكوين النشر لشبكة بلوكشين Hyperledger Fabric، بما في ذلك المنظمة، والنظراء، وخدمة الطلب، وسلطة الشهادة، وقناة الاتصال، وآلية التوافق، والعقود الذكية، والتخزين المستخدم في التجارب.
| S.No | هجوم الفيديو | pHash (٪) | wHash (٪) | dHash (٪) | aHash (٪) |
| 1 | هجوم إدخال الإطار | 82.81 | 84.33 | 81.31 | 86.42 |
| 2 | هجوم حذف الإطار (المسافة على اليسار) | 82.69 | 81.78 | 80.17 | 81.07 |
| 3 | هجوم حذف الإطار (تمت إزالة المساحة) | 75.37 | 78.68 | 76.19 | 79.69 |
| 4 | هجوم استبدال الإطار | 84.86 | 82.6 | 84.19 | 81.07 |
| 5 | هجوم التلاعب بالمناطق | 99.4 | 98.59 | 99.46 | 99.76 |
| 6 | هجوم الضغط MPEG | 99.64 | 99.61 | 99.1 | 99.64 |
| 7 | هجوم إضافة الضوضاء (25٪) | 99.52 | 99.58 | 98.8 | 99.7 |
| 8 | هجوم إضافة الضوضاء (50٪) | 99.64 | 99.4 | 98.68 | 99.52 |
| 9 | هجوم إضافة الضوضاء (75٪) | 99.52 | 99.31 | 98.14 | 99.22 |
| 10 | هجوم القطع | 69.71 | 54.81 | 69.11 | 57.27 |
| 11 | هجوم الدوران (30°) | 54.21 | 60.61 | 57.09 | 65.56 |
| 12 | هجوم الدوران (60°) | 48.56 | 53.97 | 51.38 | 57.57 |
| 13 | هجوم التوسع | 98.56 | 99.28 | 96.81 | 97.48 |
| 14 | الترجمة + التبديل (يسار–يمين) | 52.88 | 63.46 | 51.2 | 68.63 |
| 15 | الترجمة + التقليب (صعود–أسفل) | 50 | 45.34 | 60.7 | 42.73 |
| 16 | الترشيح الوسيط (25) | 98.92 | 99.1 | 98.02 | 99.7 |
| 17 | الترشيح الوسيط (50) | 98.08 | 98.17 | 97.3 | 99.28 |
| 18 | الترشيح منخفض التمرير | 97.84 | 99.13 | 96.03 | 96.63 |
| 19 | ضباب غاوسي (σ = 5) | 99.76 | 98.68 | 98.68 | 99.76 |
| 20 | ضباب غاوسي (σ = 10) | 99.76 | 97.6 | 97.78 | 99.4 |
| 21 | إعادة تسجيل (كاميرا كاميردر) هجوم | 98.68 | 98.83 | 91.95 | 93.51 |
| 22 | تحويل الصيغة (مشفر MPEG-4) | 99.16 | 99.19 | 98.14 | 99.4 |
| 23 | تحويل التنسيق (H.264 QSV Encoder) | 99.76 | 99.79 | 99.1 | 99.82 |
| 24 | تحويل الصيغة (مشفر Libvpx-VP9) | 99.76 | 99.7 | 99.04 | 99.76 |
| 25 | الهجوم الزمني (15 إطار في الثانية) | 97.48 | 98.26 | 98.02 | 99.4 |
| 26 | الهجوم الزمني (24 إطار في الثانية) | 99.16 | 99.16 | 98.38 | 99.82 |
| 27 | هجوم التواطؤ | 99.76 | 99.28 | 98.74 | 99.58 |
| 28 | هجوم التحويل | 99.76 | 99.7 | 99.04 | 99.76 |
| 29 | هجوم تغيير معدل البت | 99.52 | 99.7 | 99.4 | 99.76 |
الجدول 3: تحليل التشابه بين الفيديوهات الأصلية والمعدلة تحت هجمات مختلفة. يوضح الجدول درجات التشابه التي تولدها عدة تقنيات تجزئة إدراكية تحت تعديلات فيديو مختلفة، بما في ذلك إدراج الإطارات، الحذف، الاستبدال، التدوير، الضغط، التحجيم، إضافة الضوضاء، جمع النص، ودمج الفيديو.
المناقشة
كما يوضح الإطار المقترح، يمكن أن يدعم دمج البلوك تشين مع التجزئة الإدراكية أن يحمي الفيديوهات بشكل فعال من انتهاك حقوق الطبع والنشر بطريقة لامركزية. أولا، من خلال الجمع بين تسجيل الملكية الثابتة والتجزئة الإدراكية، تحقق كلا الشرطين الأساسي لأنظمة إدارة حقوق النشر: تسجيل الملكية الآمن وتحديد المواد المحمية بحقوق النشر. ثانيا، يتيح استخدام Hyperledger Fabric التحكم في الوصول، والتعامل الشفاف مع المعاملات، وإدارة سجلات مضادة للعبث.
توفر مجموعة متنوعة من دوال التجزئة الإدراكية مزايا إضافية، حيث تتيح أنواع الكشف التي لا يمكن تحقيقها بدالة تجزئة إدراكية واحدة. يكتشف AHash خصائص الشدة العالمية ويكون أقل كثافة حسابية من dHash، الذي يركز أكثر على تغيرات التدرج المحلي والتغيرات الهيكلية. من ناحية أخرى، يستخدم pHash معلومات مجال التردد وهو أكثر متانة لعمليات الضغط والتصفية، بينما wHash جيد في اكتشاف التغيرات المحلية، مثل إضافة نص أو ملصقات. لذا، فإن دمج كل هذه الدوال سيجعل من غير المرجح أن تفشل في الكشف بسبب قيود كل دالة تجزئة على حدة. تظهر النتائج التجريبية أن الحساسية لأنواع مختلفة من التعديلات تختلف بين الخوارزميات، مما يوضح فائدة تطبيق مفهوم التجزئة المتعددة في اكتشاف معالجة الفيديو.
استخدام Hyperledger Fabric و CouchDB يقلل من كمية البيانات المخزنة على البلوك تشين، مما يجعل إدارة البيانات الوصفية أكثر كفاءة بكثير. تظهر الاختبارات أن الإطار يعمل بشكل جيد عمليا، لكننا ما زلنا بحاجة إلى إجراء مقارنة كمية قوية بين إعدادات التخزين الهجينة والمكتملة على السلسلة. يجب التحقيق في هذا في الدراسات المستقبلية.
بينما تركز معظم حلول حقوق النشر الأخرى على تسجيل ملكية حقوق النشر فقط، فإن النهج المقدم يتضمن ملكية والتحقق على مستوى المحتوى معا. يمكن أن تكون هذه القدرات مفيدة جدا لحل قضايا حقوق النشر عمليا، حيث أن سجلات الملكية وحدها لا تكفي لتحديد ما إذا كان الفيديو المحرر أو المعاد توزيعه مرتبطا بالمادة المحمية بحقوق النشر.
ومع ذلك، هناك بعض القيود. تم إجراء الاختبار على فيديوهات تحتوي على ميزات معينة وتحت ظروف محددة. علاوة على ذلك، تظل التلاعبات الهندسية، مثل الدوران، مشكلة للتحقق من الوسائط باستخدام التجزئة الإدراكية. من المتوقع في المستقبل اختبار النظام على مجموعات بيانات وسائط متعددة إضافية ودراسة إمكانية جعل بصمات الأصابع ثابتة للدوران واستخدام خوارزميات الذكاء الاصطناعي لتحديد انتهاكات حقوق النشر تلقائيا.
تم دمج تسجيل التدقيق ومراقبة حقوق النشر كمكونات معمارية في الإطار المقترح. ومع ذلك، لم يتم تقييم فعاليتها بشكل مستقل في الدراسة الحالية. ستبحث الأبحاث المستقبلية في دورها في حل النزاعات، واكتشاف الشذوذ، والمراقبة الآلية لحقوق النشر في بيئات الوسائط المتعددة واسعة النطاق.
قدمت هذه الدراسة إطارا لامركزيا لحماية حقوق النشر للفيديو يدمج تقنية بلوكشين Hyperledger Fabric مع تقنيات تجزئة إدراكية متعددة لدعم تسجيل الملكية الآمن والتحقق من حقوق النشر بناء على المحتوى. يجمع الإطار المقترح بين خوارزميات aHash وdHash وpHash وwHash مع خدمات البلوكشين المدعومة بالعقود الذكية لإنشاء نظام إدارة حقوق نشر شفاف، مقاوم للتلاعب، وقابل للتحقق.
أظهر التقييم التجريبي أن الإطار يدعم بفعالية التحقق من حقوق النشر ضمن مجموعة واسعة من التعديلات الزمنية والمكانية والقائمة على الضغط. حسن استخدام تقنيات التجزئة الإدراكية المتعددة المتانة ضد عمليات معالجة الوسائط المتعددة الشائعة مع الحفاظ على القدرة على اكتشاف التعديلات غير المصرح بها في المحتوى. بالإضافة إلى ذلك، وفر دمج Hyperledger Fabric وCouchDB بنية تخزين هجينة تحافظ على سلامة البيانات وقابليتها للتتبع، مع تمكين إدارة بيانات وصفية فعالة.
من هذه النتائج، يتضح أن النظام المقترح يدمج فعليا مبادئ الإدارة اللامركزية والمصادقة على مستوى المحتوى، مما يتغلب على بعض أوجه القصور في أنظمة حماية حقوق الطبع والنشر المركزية الكلاسيكية. بالإضافة إلى ذلك، يوفر النظام المعروض قابلية تدقيق شفافة، وملكية ثابتة، وعمليات تحقق بناء على تشابه المحتوى.
في الختام، تظهر الأبحاث أن دمج البلوك تشين والتجزئة الإدراكية قد يوفر حلولا لحماية حقوق نشر الفيديو من الجيل القادم. ستشمل الأبحاث المستقبلية تقييما أكثر شمولا لأداء الإطار المقترح على قواعد بيانات فيديو أكبر وأكثر تنوعا، إلى جانب تطوير آليات بصمة متقدمة.
الإفصاحات
المؤلفون لا يفرضون أي تضارب مصالح.
شكر وتقدير
يرغب المؤلفون في شكر جامعة VIT-AP في أمارافاتي الهند على توفير المرافق الحاسوبية والدعم البحثي اللازم لإجراء هذه الدراسة. كما يقر المؤلفون بالدعم الذي تلقاه قسم علوم وهندسة الحاسوب خلال تطوير وتقييم الإطار المقترح.
المواد
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| CouchDB | Apache Software Foundation | https://couchdb.apache.org | NoSQL database used for off-chain storage of video metadata and multimedia content. |
| Docker | Docker Inc. | https://www.docker.com | Containerization platform used to deploy blockchain nodes, CouchDB instances, and supporting services. |
| FFmpeg | FFmpeg Developers | https://ffmpeg.org | Multimedia processing framework used for video decoding, frame extraction, and preprocessing. |
| Go Programming Language | Google LLC | Version 1.20+; https://go.dev | Programming language used to develop the vitChain smart contract (chaincode). |
| Google Drive | Google LLC | https://drive.google.com | Storage platform used for hosting and retrieving experimental video datasets. |
| Hyperledger Fabric | Hyperledger Foundation | Version 2.4.8; https://hyperledger-fabric.readthedocs.io | Permissioned blockchain platform used for decentralized copyright registration, transaction validation, and ledger management. |
| ImageHash Library | Loupax | https://github.com/loupax/imagehash | Library used to generate perceptual hash values for video-frame authentication. |
| Minifab | IBM / Hyperledger Community | https://github.com/hyperledger-labs/minifab | Lightweight deployment and orchestration tool used to configure and manage the Hyperledger Fabric network. |
| Ubuntu Linux | Canonical Ltd. | Ubuntu 22.04 LTS | Operating system used for blockchain deployment and experimental evaluation. |
| Visual Studio Code | Microsoft Corporation | https://code.visualstudio.com | Integrated development environment used for source code development and debugging. |
المراجع
- Hou Z, et al. Zero-watermark method based on multi-channel PCNN and blockchain for remote sensing image transaction certificate and copyright protection. IEEE Transactions on Geoscience and Remote Sensing. 2025 Jun 2.
- Zhang T. TMRB: Trusted Multimedia Scheme With Redactable Blockchain. IEEE Transactions on Consumer Electronics. 2025 Feb 17.
- Sathyabama AR, Katiravan J. BlockImage: A Secure Framework for Image Authentication and Provenance using AI and Blockchain. Journal of Innovative Image Processing. 2025 Mar;7(1):28-49.
- Gao J, Zhang X, Moshayedi AJ, Zhong S. Research on data storage and sharing of intelligent video surveillance in steel plants based on blockchain: J. Gao et al. The Journal of Supercomputing. 2025 May 30;81(8):931.
- Madapati SL, Pradhan NR. Decentralizing video copyright protection: a novel blockchain-enabled framework with performance evaluation. Frontiers in Artificial Intelligence. 2025 Aug 18;8:1655709.
- Guo J, et al. Blockchain-enabled digital rights management for multimedia resources of online education. Multimedia Tools and Applications. 2020 Apr;79(15):9735-55.
- Li Y, et al. A decentralized music copyright operation management system based on blockchain technology. Procedia Computer Science. 2021 Jan 1;187:458-63.
- Frattolillo F. Blockchain and smart contracts for digital copyright protection. Future Internet. 2024 May 14;16(5):169.
- Darwish SM, Abu-Deif MM, Elkaffas SM. Blockchain for video watermarking: An enhanced copyright protection approach for video forensics based on perceptual hash function. PloS one. 2024 Oct 22;19(10):e0308451.
- Pandian PS, et al. Blockchain-Assisted Video Integrity Verification Using ResNeXt and LSTM-Based Deepfake Detection. International Journal of Basic and Applied Sciences. 2025;14:802-7.
- Qureshi A, Megias Jimenez D. Blockchain-based multimedia content protection: Review and open challenges. Applied Sciences. 2020 Dec 22;11(1):1.
- Zheng J, et al. A novel video copyright protection scheme based on blockchain and double watermarking. Security and communication networks. 2021;2021(1):6493306.
- Liu Y, Zhang J, Wu S, Pathan MS. Research on digital copyright protection based on the hyperledger fabric blockchain network technology. PeerJ Computer Science. 2021 Sep 17;7:e709.
- Moolikagedara K, Nguyen M, Yan WQ, Li XJ. Video Blockchain: A decentralized approach for secure and sustainable networks with distributed video footage from vehicle-mounted cameras in smart cities. Electronics. 2023 Aug 27;12(17):3621.
- Riaz A, et al. S2H-securing smart homes: A blockchain-based preservation approach. Internet of Things. 2025 Mar 1;30:101523.
- Adeniyi JK, et al. A blockchain-based smart healthcare system for data protection. IScience. 2025 Apr 18;28(4).
- Alamsyah A, Setiawan IP. Enhancing privacy and traceability of public health insurance claim system using blockchain technology. Frontiers in Blockchain. 2025 Feb 11;8:1474434.
- Xu S, Yang X, Xie Z. The future of misinformation control: integrating advanced algorithms and Blockchain for effective Deepfake detection. Peer-to-Peer Networking and Applications. 2025 Jul;18(4):244.
- Asaithambi S, et al. A secure and trustworthy blockchain-assisted edge computing architecture for industrial internet of things. Scientific Reports. 2025 May 2;15(1):15410.
- AbdElkareem N, Selim, M. & Shalaby, A. Blockchain-Based Computationally Efficient Procedure for Multimedia Security Utilizing Bit Plane Slicing and Wavelet Transform. Arab J Sci Eng 50, 19135–19151 (2025).
- Abreu H, Pereira V, Barata J. Blockchain-based digital product passport: design principles and demonstration. International Journal of Production Research. 2025 Aug 18;63(16):5863-82.
- Sychowiec J, Zieliński Z. A Blockchain-Based Framework for Secure Data Stream Dissemination in Federated IoT Environments. Electronics. 2025 May 20;14(10):2067.
- Zhao K, Bao Z, Zhang Y, Lei H. BECAAC: A blockchain and edge computing-assisted access control scheme for medical data sharing. IEEE Internet of Things Journal. 2025 Jun 5.
- Ilyas B, Kumar A, Ali SM, Lei H. Blockchain-enabled IoT access control model for sharing electronic healthcare data. Multimedia Tools and Applications. 2025 Mar;84(10):8127-48.
- Rani D, et al. A secure digital evidence preservation system for an iot-enabled smart environment using ipfs, blockchain, and smart contracts. Peer-to-Peer Networking and Applications. 2025 Mar;18(2):5.
- Ahmed O, Kamabe H. Proposing blockchain based framework to mitigate VUCA realm problems for automobile life cycle. Frontiers in Blockchain. 2025 Jun 27;8:1607271.
- Dutta J, Barman S. Smart contract and blockchain-based secured approach for storing and sharing electronic health records. Multimedia Tools and Applications. 2025 May;84(16):16883-907.
- Diba BS, et al. From centralization to decentralization: Blockchain’s role in transforming social media platforms. IEEE Access. 2025 Apr 16.
- Kulkarni MD, Awate A, Shahade M, Nandwalkar B. ExamGuard: Smart contracts for secure online test. Information Systems. 2025 Feb 1;128:102485.
- Ohize HO, et al. Blockchain for securing electronic voting systems: a survey of architectures, trends, solutions, and challenges. Cluster Computing. 2025 Apr;28(2):132.
- Xiong R, et al. Leveraging consortium blockchain for secure cross-domain data sharing in supply chain networks. IEEE Transactions on Services Computing. 2025 Feb 20.