מחקר זה מציג מסגרת מבוזרת להגנה על זכויות יוצרים של וידאו המשלבת בלוקצ'יין פרטי, חוזים חכמים וטכניקות גיבוב תפיסתיות. המטרה היא לאפשר רישום בעלות מאובטח, ניהול רשומות בלתי ניתן לשינוי, ואימות יעיל מבוסס דמיון של תוכן וידאו בסביבות מבוזרות.
מאמר מחקר
גישה מבוזרת להגנה על זכויות יוצרים על וידאו באמצעות בלוקצ'יין פרטי וגיבוב תפיסתי
במאמר זה
סיכום
תקציר
הפופולריות הגוברת של שיתוף תוכן וידאו באינטרנט עוררה חששות לגבי הפרות זכויות יוצרים, פיראטיות ומחלוקות בעלות. שיטות מרכזיות מסורתיות לטיפול בזכויות יוצרים מתמודדות עם בעיות שקיפות, רגישות למניפולציה והסתמכות על צדדים שלישיים מהימנים. לכן, מחקר זה מציג מערכת הגנה מבוזרת על זכויות יוצרים בווידאו המבוססת על Hyperledger Fabric, חוזים חכמים וגיבוב תפיסתי. ראשית, הפריימים מהסרטונים מופקים, וטביעות אצבע תפיסתיות נוצרות באמצעות אלגוריתמים של גיבוב ממוצע (aHash), גיבוב הפרש (dHash), גיבוב תפיסתי (pHash) וגיבוב גל (wHash). גיבובים ומידע בעלות נשמרים בבלוקצ'יין, בעוד נכסי מולטימדיה נשמרים מחוץ לפנקס. בדיקות זכויות יוצרים מתבצעות באמצעות השוואות דמיון ברמת פריים המבוססות על מרחק המינג. המסגרת המוצעת נבדקה במגוון מניפולציות זמניות, מרחביות ודחיסות, כולל הכנסת מסגרת, מחיקה, חיתוך, שינוי גודל, סיבוב, סינון וטרנסקודינג. הניסויים הראו עמידות גבוהה לשינויים כאלה תוך זיהוי שינויים לא מורשים בו זמנית. לכן, טכנולוגיה זו יכולה לספק פתרון מעשי לבעיות זכויות יוצרים באמצעות מסגרת בלוקצ'יין מבוזרת.
מבוא
התקדמות בטכנולוגיות מולטימדיה דיגיטלית שינו את האופן שבו סרטונים מופקים, מופצים ונצרכים אותם. סטרימינג וידאו, רשתות חברתיות ומערכות שיתוף תוכן מבוססות אינטרנט מאפשרים הפצה מהירה וקלה של סרטונים לקהלים ברחבי העולם. בעוד שהתקדמות טכנולוגית מאפשרת אפשרויות יצירתיות יותר בהפקת תוכן וידאו דיגיטלי וצמיחת העסקים המקוונים, אותן התקדמויות הפכו את זה לקל יותר על יוצרי תוכן לחוות הפרות זכויות יוצרים, פיראטיות ובעיות בבעלות1. ניתן להעתיק, לערוך, לקודד מחדש ולהפצה מחדש בקלות סרטונים, מה שמקשה יותר ויותר על הגנה על קניין רוחני בעולם המולטימדיה של היום 2,3.
בדרך כלל, מערכות ניהול זכויות היוצרים הנוכחיות תלויות ברשות מרכזית לרישום תוכן, אימות בעלות, ניהול הסכמי רישוי וטיפול במחלוקות. למרות שאומצו באופן נרחב, מערכות ניהול אלו חשופות למספר מגבלות משמעותיות4. ראשית, ריכוזיות חושפת מערכות ניהול זכויות יוצרים למתקפות סייבר פוטנציאליות, מניפולציה של נתונים וזמני השבתה. בנוסף, בעלות זכויות יוצרים נשמרת על ידי צדדים שלישיים מהימנים, מה שעשוי שלא להיות רצוי לחלוטין מבחינת ביקורת ושמירה על אמינות ארוכת טווח של מידע כזה5. כמות מוגברת של תוכן מולטימדיה דיגיטלי הופכת את תהליכי האימות המסורתיים לפחות יעילים, שכן הם נוטים לקחת יותר מדי זמן ולהפוך לבלתי מעשיים.
טכנולוגיית הבלוקצ'יין נראית כאחת הפתרונות שיכולים לפתור בעיות אמון ושקיפות בסביבה מבוזרת7. באמצעות ספרי חשבונות בלתי ניתנים לשינוי באמצעות קריפטוגרפיה ומנגנוני קונצנזוס, הבלוקצ'יין מאפשר שמירה מאובטחת של רשומות ללא רשות מרכזית המפקחת על התהליך. ברגע שהרשומות מתווספות לבלוקצ'יין, הן הופכות לבלתי ניתנות לשינוי ובלתי ניתנות לשינוי, וכך מספקות רמות גבוהות יותר של מעקב ואחריות8. זו הסיבה שנעשו מאמצים רבים לחקור יישומי בלוקצ'יין בתחומים כמו DRM, קניין רוחני והבטחת בעלות מולטימדיה9. מבין פלטפורמות הבלוקצ'יין הקיימות, Hyperledger Fabric זכתה לתשומת לב רבה בזכות תכונותיה, כולל ארכיטקטורה מורשית, מבנה מודולרי, תמיכה בחוזים חכמים, פרטיות ועיבוד מהיר. בניגוד לשרשראות ציבוריות, הארכיטקטורה המורשית של Hyperledger Fabric הופכת אותה לאידיאלית למערכות הגנת זכויות יוצרים10.
עם זאת, קיימות מגבלות מסוימות לשימוש בבלוקצ'יין כאמצעי היחיד לזיהוי מצב זכויות היוצרים של תוכן מולטימדיה11. ראשית, פונקציות גיבוב קריפטוגרפיות מסורתיות (למשל, SHA-256) מייצרות תוצאות גיבוב שונות לחלוטין גם כאשר נעשים שינויים קטנים בסרטון12. למרות שמדובר בתכונה רצויה למטרות קריפטוגרפיות, הוא מונע זיהוי ויזואלי של גרסאות דומות או מותאמות של תוכן מולטימדיה מוגן בזכויות יוצרים. לכן, אימות זכויות יוצרים מולטימדיה חייב להתבסס על אלגוריתמים מודעי תוכן שיכולים לזהות דמיון תפיסתי בתמונות או סרטונים13.
אחת הדרכים המבטיחות ביותר להתמודד עם בעיית זכויות היוצרים בתוכן מולטימדיה היא שימוש בגיבוב תפיסתי14. בניגוד לגיבוב קריפטוגרפי, גיבוב תפיסתי מייצר טביעות אצבע שמקודדות תכונות ויזואליות של פריים15 של התמונה או הווידאו. לכן, גם אם הקובץ שונה בתהליכים הרגילים (דחיסה, סינון, שינוי קנה מידה, הוספת רעש וכדומה), הגיבוב נשאר יחסית ללא שינוי16. ישנם ארבעה סוגים של גיבוב תפיסתי בשימוש כיום: גיבוב ממוצע, גיבוב הפרש, גיבוב תפיסתי, וגיבוב גל17,18.
נערכו מחקרים רבים שחקרו את השימוש בטכנולוגיית בלוקצ'יין בשילוב עם טכניקות הגנה על זכויות יוצרים עבור נתוני מולטימדיה19. עבודות קודמות השתמשו בטכנולוגיית בלוקצ'יין לרישום בעלות, סימון מים דיגיטלי, אחסון מבוזר וניהול ראיות, ניהול זכויות מבוזר ואחסון מאובטח של תוכן מולטימדיה20. ה-Hyperledger Fabric נוצל בעבודות קודמות כדי לאפשר רישום זכויות יוצרים, ניהול זכויות וביקורת עסקאות באמצעות חוזים חכמים ופרוטוקולי קונצנזוס מורשים21,22. באופן דומה, הוצעו גישות גיבוב תפיסתי וסימון מים לזיהוי תוכן מולטימדיה כפול ומנוהל. למרות העבודות המבטיחות הללו בניהול זכויות יוצרים באמצעות טכנולוגיית בלוקצ'יין, עדיין קיימים כמה פערים. ראשית, מסגרות רבות קודמות התמקדו בעיקר ברישום בעלות אך חסרות יכולת לאמת תוכן. שנית, רבות מהעבודות הסתמכו על גישת גיבוב או סימון מים יחיד, מה שהפך אותן לפגיעות יותר להתקפות מניפולציה בווידאו25,26. טבלה 1 מראה שמערכות קיימות בדרך כלל תומכות ברישום בעלות אך לעיתים נדירות משלבות ניהול בעלות מבוזר עם אימות תוכן מרובה גיבוב.
עם ההתקדמות בטכנולוגיית עריכת הווידאו, יש צורך גובר באימות בעלות על וידאו יעיל כדי למנוע הפרת זכויות יוצרים27. הטכנולוגיה הנוכחית מציעה מספר שיטות למניפולציה זמנית של סרטונים על ידי הוספה, הסרה, החלפה ושינוי קצב הפריימים. באופן דומה, אפשרויות מניפולציה מרחבית כוללות שינוי גודל פריים, קנה מידה, סינון, דחיסה, טרנסקודינג ושינויים גאומטריים של וידאו28. מניפולציות אלו מקשות על זיהוי בעלי זכויות יוצרים, אף על פי שאינן משנות את מראה הסרטון. מערכת יעילה צריכה להיות מסוגלת להבחין בין מניפולציה מותרת, בעלות והפרת זכויות יוצרים עם שלמות29.
כדי להתמודד עם האתגר של ניהול זכויות יוצרים יעיל של וידאו, מאמר זה מציע מודל מבוזר המשתמש ב-Hyperledger Fabric, חוזים חכמים וגיבוב תפיסתי (PCEPTUAL Hashing). המסגרת המוצעת תייצר טביעות אצבע תפיסתיות באמצעות טכניקות גיבוב, ותחילוץ פריימים של וידאו30,31. ארבע טכניקות גיבוב שונות, כלומר aHash, dHash, pHash ו-wHash, ישמשו ליצירת טביעות אצבע תפיסתיות. מידע על הבעלות, חותמת זמן וגיבובים נרשמים בפנקס החשבונות המורשה מבוסס בלוקצ'יין. כדי לשפר את היכולת להרחבה, CouchDB משמש יחד עם בלוקצ'יין לאחסון תוכן מולטימדיה מחוץ לשרשרת.
המסגרת המוצעת עושה שימוש בניתוח מרחק המינג כדי לאמת דמיון ברמת הפריים ולזהות שינויים, שכפולים או שימוש בלתי חוקי בסרטונים. על ידי שילוב מספר טכניקות גיבוב תפיסתי עם קוליות מבוססת בלוקצ'יין, הפתרון משיג אימות ברמת תוכן וניהול בעלות חסין מפני שינוי. בניגוד למערכות קודמות, שהסתמכו על שיטת אימות אחת, המסגרת המוצעת עושה שימוש במספר תיאורים תפיסתיים כדי לעמוד במגוון של מניפולציות וידאו זמניות, מרחביות ודחיסות.
אלו הן התרומות העיקריות המוצגות בעבודת המחקר: (1) גישה מבוזרת לתהליך רישום ואימות זכויות יוצרים מאובטח לסרטונים המשתמשים במסגרת Hyperledger Fabric; (2) אלגוריתמים מרובים של גיבוב תפיסתי, כגון aHash, dHash, pHash ו-wHash, משמשים ליצירת טביעות אצבע וידאו מרובות שיכולות לזהות סרטונים דומים גם לאחר העריכה; (3) מודל מסד נתונים מבוזר המשתמש הן ב-Hyperledger Fabric והן ב-CouchDB פותח כדי להתמודד עם בעיות סקלביליות מבלי לפגוע בשלמות הנתונים ובמעקבות; (4) תהליך אימות מקיף הכולל חישוב מרחק המינג מנוסח כדי לקבוע את המניפולציה של סרטונים ביחס לפריימים ופיקסלים; (5) נערכו ניסויים כדי להראות את יכולת השיטה המוצעת בזיהוי סרטונים משודרגים.
לכן, באמצעות שילוב בעלות מבוססת בלוקצ'יין ואלגוריתמים מרובים של גיבוב, המסגרת המוצעת מציעה גישה ישימה להגנה מבוזרת על זכויות יוצרים על וידאו.
פרוטוקול
מחקר זה לא כלל משתתפים אנושיים, נבדקים אנושיים, נבדקים מבעלי חיים או דגימות קליניות. לכן, לא נדרשו אישור אתי מוסדי והסכמה מדעת.
חומרים ותוכנה
הסביבה ששימשה לפריסת המסגרת הייתה Hyperledger Fabric גרסה 2.4.8, CouchDB, Docker Containers, פריסת Minifab, יישומי עיבוד מולטימדיה FFmpeg, ושפת התכנות Go. Hyperledger Fabric סיפקה שירותים לניהול פנקסי חשבונות מבוזר וביצוע חוזים חכמים, בעוד ש-CouchDB אחסן ושלף מידע זכויות יוצרים ביעילות דרך אחסון מחוץ לשרשרת. FFmpeg שימש לעיבוד מוקדם של סרטונים ולחילוץ פריימים של וידאו, בעוד שאלגוריתמים של גיבוב תפיסתי יושמו דרך ספריות גיבוב תמונות בשפת התכנות Go. רשימה של כל הכלים ותיאוריהם מוצגים בטבלת החומרים.
ארכיטקטורת מסגרת
המסגרת המוצעת עושה שימוש באלגוריתמים של גיבוב תפיסתי בתוך Hyperledger Fabric המורשה בבלוקצ'יין כדי לאפשר גישה מבוזרת להגנה על זכויות יוצרים של וידאו ואימות בעלות. המסגרת מורכבת מחמישה רכיבים עיקריים: עיבוד מוקדם של וידאו, יצירת גיבוב תפיסתית, רישום זכויות יוצרים מבוססות בלוקצ'יין, ואימות מבוסס דמיון. במסגרת זו, Hyperledger Fabric משמש כשכבת האמון, המספק רשומות בעלות בלתי ניתנות לשינוי, בעוד CouchDB מספק אחסון מחוץ לשרשרת. הארכיטקטורה הכוללת של המסגרת המוצעת מוצגת באיור 1.
מודל המערכת לאימות זכויות יוצרים
תהליך עבודה מפורט של המערכת הנחקרת מוצג באיור 2. זה מתחיל ברכישת וידאו, ואחריו חילוץ פריימים במרווחים קבועים באמצעות FFmpeg. המסגרות המופקות מעובדות בסביבת היישום של Hyperledger Fabric, הכוללת פעולות כמו רישום בעלות, ניהול תעודות, תקשורת עמיתים ואימות עסקאות. חישוב תפיסתי מיושם על המסגרות שהופצו, ואחריו חישוב מרחק המינג כדי להעריך את מידת הדמיון. אם מרחק המינג נמוך מהסף, המסגרת נחשבת לאותנטית ודומה לתוכן הרשום; אחרת, הוא מטופל כתוכן מותאם.
רכישת וידאו, עיבוד מוקדם ויצירת גיבוב תפיסתי
דגימות וידאו ששימשו בניסוי היו קבצי MP4 ברזולוציה של 480p, באורך ממוצע של כ-26 שניות. מאגר הנתונים להערכה כלל 15 דגימות וידאו, כולל סרטון ייחוס מקורי ומספר גרסאות מותאמות. שינויים אלו כללו משימות עריכה נפוצות כמו שינוי קצב פריימים, הכנסה, מחיקה או החלפת פריימים ויישום עיוותים כמו חיתוך, קנה מידה, סיבוב ואפקטים שכביים. מאגר הנתונים כלל גם דחיסה, רעש, טקסט ותוספות מדבקות, אפקטי תקלות ועוד. כל הסרטונים היו בפורמט MP4 ברזולוציית 480p ועברו את אותם שלבי עיבוד מוקדם ויצירת טביעות אצבע. מערך נתונים זה, שנועד לבדוק את עמידות המערכת, מכסה מגוון רחב של תרחישים מהעולם האמיתי הכוללים הפרה ומניפולציה. לפני שהיו נתונים לזיהוי ואישור זכויות יוצרים, קבצי הווידאו עברו עיבוד מוקדם ב-FFmpeg. פריימים מקבצי וידאו הופקו במרווחי זמן של שנייה אחת כדי לקבל סיכומי תוכן מרוכזים בצורת תוכן חזותי שנשאר זול לעיבוד חישובית. לאחר מכן, המסגרות הללו הומרו לגווני אפור ונרמלו כדי למזער שינויים בעוצמות הפיקסלים הנובעים מתנאי תאורה, קידוד והבדלי דחיסה.
ארבע פונקציות גיבוב תפיסתי שימשו ליצירת טביעות אצבע של תוכן וידאו בצורת גיבוב ממוצע (aHash), גיבוב הפרש (dHash), גיבוב תפיסתי (pHash) וגיבוב גלים (wHash).
ליצירת גיבוב, הפריימים הומרו תחילה לגווני אפור וגודלם שונה ל-8x8 פיקסלים כדי לחשב aHash ו-dHash. עם aHash, נוצרה טביעת אצבע של 64 ביט על ידי השוואת כל פיקסל לערך הגווני האפור הממוצע. אלגוריתם dHash עשה משהו דומה, יצר גם טביעת אצבע של 64 ביט, אך בחן כיצד עוצמות הפיקסלים האופקיים הסמוכים משתנות. ב-pHash, הפריימים הוגדלו ל-32x32 פיקסלים, ואז חישבה טרנספורמציית הקוסינוס הדיסקרטית. כדי ליצור את טביעת האצבע התפיסתית של 64 ביט, נעשה שימוש רק במקדמי DCT בתדר נמוך של 8x8. לגבי wHash, הפריימים שונו שוב ל-32x32 פיקסלים, אך הפעם עובדו באמצעות טרנספורמציית גל Haar. נוצר hash של 64 ביט ממקדמי גל בתדר הנמוך ביותר שהופקו. כל הגדרות הפרמטרים הללו שואפות לאיזון טוב בין יעילות חישובית לעוצמה כדי להתמודד עם התאמות וידאו טיפוסיות.
כדי לבצע חישובי פונקציות גיבוב יעילות, התמונות הללו נורמלו ושונו גודל. שיטת הגיבוב הממוצע פועלת על ידי השוואת עוצמות הפיקסלים לאלו של ממוצע התמונה. גיבוב הבדלים פועל באופן דומה אך מתמקד בגרדיאנטים מקומיים על ידי השוואת עוצמות הפיקסלים עם אלו של פיקסלים סמוכים. גיבוב תפייסתי משתמש בתכונות פורייה הנובעות מ-DCT, בעוד שגבוב גל נשען על תוצאות טרנספורמציית גל כדי להפיק תכונות.
רישום ואימות זכויות יוצרים מבוססי בלוקצ'יין
טביעות האצבע התפיסתיות, המטא-דאטה של הבעלות, חותמות הזמן ופרטי העסקה שהושגו מוזנים לבלוקצ'יין של Hyperledger Fabric דרך החוזה החכם, vitChain. מימוש בלוקצ'יין כולל שני ארגונים, שני עמיתים, שני צמתים מסודרים, שני צמתים של רשות תעודות (CA) ומאגרי נתונים של CouchDB, כולם מקושרים דרך ערוץ אוטומטי. מסגרת הבלוקצ'יין המורשית מאפשרת עיבוד מאובטח, גישה מוגבלת ואחסון חסין מפני זיוף של פרטי זכויות יוצרים.
תהליך רישום זכויות היוצרים מתחיל ברגע שבעל התוכן מעלה את הווידאו דרך ממשק המשתמש. כאשר משתמש מגיש וידאו לרישום זכויות יוצרים, שכבת היישום קוראת לחוזה החכם vitChain דרך Hyperledger Fabric SDK. רישום זה כולל מזהה עסקה ייחודי, פרטי בעלים, מזהה וידאו, חותמת זמן, וארבעה סוגים של ערכי גיבוב תפיסתיים: aHash, dHash, pHash ו-wHash. בנוסף, יש מטא-דאטה על התוכן. האפליקציה שולחת את הצעת העסקה לעמיתים המפרסמים. עמיתים אלו מפעילים את לוגיקת החוזה החכם ומוודאים שהעסקה עומדת במדיניות האישור. לאחר אימות מוצלח, העסקה עוברת לשירות ההזמנה. כאן, עסקאות מאומתות מקובצות לבלוקים ונשלחות לצמתים עמיתים להכללה בספר החשבונות. בינתיים, המטא-דאטה הרלוונטי נכנס ל-CouchDB. הם מתחברים לרשומות הבלוקצ'יין דרך מזהה העסקה, מה שמאפשר חיפושים קלים ושומרים על עקביות נתונים בשרשרת ומחוצה לה.
לאחר העיבוד המוקדם וחישובי הגיבוב התפיסתיים, טביעות האצבע, יחד עם המטא-דאטה המשויכת להן, מורכבות לעסקה שתבצע על ידי החוזה החכם. אימות העסקה מתבצע על ידי עמיתים משתתפים בהתאם למדיניות האישור שנקבעה. לאחר האישור, העסקה מועברת לשירות ההזמנות להכללה בבלוק בספר החשבונות המבוזר. לצורך תפעול אמין, כללנו טיפול בסיסי בשגיאות בתהליכי הרישום והאימות. לפני ביצוע עסקה, האפליקציה בודקת מטא-דאטה חובה, מידע על בעלות וגיבובים תפיסתיים כדי להימנע מבעיות. אם העסקאות לא עומדות בכללי האישור או שיש להן פרמטרים לא תקפים, צמתים עמיתים דוחים אותן לחלוטין. כאשר מתרחשות בעיות כמו כשלים בתקשורת או שגיאות עיבוד, המערכת מתעדת אותן ושולחת התראת מנהל. זה מסייע למנוע שגיאות עיבוד קטנות להתפשט במערכת. במהלך בדיקות זכויות יוצרים, סרטונים המכילים מטא-דאטה שגוי או ערכי גיבוב פגומים אינם כלולים בתהליך האימות. סרטונים שבהם יצירת טביעות אצבע נכשלת גם הם אינם כלולים בתהליך האימות. בסך הכול, צעדים אלו שומרים על נקיות הנתונים ומחזקים את אמינות המסגרת. מידע הבעלות על הווידאו המוגן בזכויות יוצרים הופך לבלתי ניתן לשינוי וזמין לשליפה מאוחרת יותר.
אימות
תהליך האימות כולל שלבים דומים של עיבוד מוקדם וחישוב טביעות אצבע, ואחריהם השוואת טביעות אצבע מול טביעות אצבע המאוחסנות בבלוקצ'יין באמצעות מדד דמיון מבוסס מרחק המינג. בהתבסס על מדד הדמיון, החוזה החכם קובע את פרטי זכויות היוצרים של הווידאו שהוגש לסרטון. תהליך האינטראקציה מוצג באיור 3.
אימות זכויות יוצרים מבוסס דמיון
תהליך אימות זכויות היוצרים משווה בין טביעות אצבע תפיסתיות שמופקות מסרטון השאילתה לבין טביעות אצבע שהיו מאוחסנות קודם במערכת הבלוקצ'יין. אותו תהליך עיבוד מוקדם ויצירת ערך גיבוב שמשמש במהלך הרישום חוזר על עצמו בשלב האימות כדי לשמור על עקביות. הדמיון נמדד באמצעות מרחק המינג, שסופר את מספר ההבדלים בין שני ערכי גיבוב. מרחקי המינג קטנים יותר מצביעים על דמיון רב יותר בין שני הסרטונים, בעוד שמרחקי המינג גבוהים יותר מעידים על מניפולציה של תוכן. כדי לבדוק אם סרטון השאילתה תואם לסרטון הרשום, השתמשנו במרחק המינג בין ערכי הגיבוב התפיסתיים שלהם. בהתבסס על ניסויים ראשוניים, נבחר סף מרחק המינג של 20 כדי לספק איזון מתאים בין עמידות לפעולות עיבוד וידאו רגילות לבין רגישות לשינויים לא מורשים. סרטונים עם מרחק המינג של 20 או פחות נחשבו כמייצגים את אותו תוכן מוגן בזכויות יוצרים. אם זה היה יותר, זה היה מראה שינויים גדולים. ה-20 הזה נבחר להתמודד עם עריכות וידאו נפוצות כמו דחיסה, סינון, המרה ושינויים בקצב פריימים, אך הוא עדיין מזהה שינויים לא מורשים. מדידות של דמיון נעשות עבור כל טביעות האצבע של המסגרת שנאספו, ואז מאגדות אותן ליצירת מסקנה לאימות זכויות יוצרים. סרטונים שסוטים מהתוכן הרשום מסומנים לבדיקה נוספת.
סביבת הפריסה
סביבת משטח הבדיקה נוצרה באמצעות מיכלי Docker וכלי התזמור Minifab. רשת בלוקצ'יין המבוססת על Hyperledger Fabric גרסה 2.4.8 הוצבה כאשר CouchDB שימש כשכבת מסד הנתונים והאחסון לנתוני חוזים חכמים. החוזה החכם של vitChain יושם ב-Go והופעל באמצעות מחזור החיים של Hyperledger Fabric Chaincode. פרמטרי הפריסה מסוכמים בטבלה 2. הרשת כללה שני ארגונים משתתפים: יוצר התוכן והווידאוגרף. כדי להבטיח שלמות העסקה ולמנוע רישום או שינוי זכויות יוצרים לא מורשים, יושמה מדיניות אישור רב-ארגוני, שדרשה אישור משני הארגונים לפני שניתן היה לבצע עסקה בפנקס. באופן ספציפי, מדיניות ההמלצה פעלה לפי כלל AND, המוצג כ-AND ('ContentCreatorMSP.peer','VideographerMSP.peer').
תוצאות
כדי להעריך את יעילות מודל ההגנה המבוזר המוצע על זכויות יוצרים, הוא נבדק מול התקפות שונות של מניפולציית וידאו המתרחשות לעיתים קרובות במהלך שידור, עריכה והפרת זכויות יוצרים מולטימדיה. שני גורמים מרכזיים בהערכה כוללים: (i) אמינות אלגוריתם הגיבוב התפיסתי בזיהוי זכויות יוצרים ושינויים, ו-(ii) ביצועי רשת הבלוקצ'יין Hyperledger Fabric. ציוני דמיון נוצרו על ידי חישוב גיבוב ממוצע (aHash), גיבוב הפרש (dHash), גיבוב תפיסתי (pHash) וגיבוב גל (wHash), אשר הושוו לאחר מכן לטביעות האצבע הווידאו שהוקלטו בבלוקצ'יין.
ניתוח דמיון תחת התקפות מניפולציה של וידאו
עמידות המודל הוערכה באמצעות מספר התקפות שהופעלו על סרטונים, כולל התקפות זמניות, מרחביות, גיאומטריות, דחיסה, סינון ומניפולציה עוינת. ערכי הדמיון במחקר זה הגיעו מניסויים בודדים עבור כל תרחיש של מניפולציית וידאו. כל סוג של מניפולציה יושם פעם אחת ליצירת מקרה בדיקה מייצג, וציוני הדמיון שלו נרשמו לניתוח. המטרה הייתה לבדוק עד כמה המסגרת המוצעת יכולה לזהות שינויים הקשורים לזכויות יוצרים בתנאי התקפה ריאליסטיים שונים. לכן, הערכים המדווחים מציגים תוצאות ממקרים בודדים, לא ממוצעים מניסויים חוזרים.
ציוני דמיון באמצעות ארבעה אלגוריתמים של גיבוב תפיסתי מפורטים בטבלה 3. המודל המוצע משיג דמיון גבוה יחסית ברוב התקפות שימור התוכן, תוך שמירה על רגישות לשינויים מבניים גדולים בסרטונים (טבלה 3).
ביצועים תחת טרנספורמציות זמן
טרנספורמציות זמן כמו הכנסת פריים, מחיקת פריים, החלפת פריימים והמרת קצב פריימים משפיעות בעיקר על הרצף הזמני של הווידאו תוך שמירה כמעט שלמה על המאפיינים המרחביים שלהם. ניסויים הראו כי הכנסת מסגרות והחלפת מסגרות השיגו דמיון של מעל 80% לכל אלגוריתמי טביעת האצבע שנבדקו (איור 4). לכן, טביעות אצבע תפיסתיות שמרו על התכונות הוויזואליות של הווידאו למרות שינויים זמניים.
מחיקת פריימים גרמה לירידה קלה בערכי הדמיון בשל היעדר מידע במסגרת. למרות זאת, טביעות האצבע היו דומות מספיק כדי לספק ביצועים מספקים לזיהוי הפרת זכויות יוצרים. שינויים בקצב הפריימים לא השפיעו באופן משמעותי על מדדי הדמיון, שכן הם הניבו ערכים מעל 97% ברוב דגימות הבדיקה. הסיבה לכך היא שטרנספורמציות בקצב פריימים אינן משנות משמעותית את תכונות הפריים.
השפעת טרנספורמציות מרחביות וגאומטריות
טרנספורמציות גאומטריות ומרחביות משפיעות ישירות על המבנים הוויזואליים במסגרות וידאו, מה שמקשה יחסית על טכניקת הגיבוב התפיסתית. אזורים מקומיים שהושפעו הובילו לירידה קלה בלבד בערכי הדמיון, שכן השינויים הוויזואליים היו ממוקמים ולא שינו באופן מהותי את הגיבוב התפיסתי הגלובלי.
פעולות החיתוך גרמו לשונות גבוהה יותר בערכי הדמיון עקב הסרת חלקים מהחומר החזותי. טרנספורמציות סיבוביות גרמו לירידה הגדולה ביותר בערכי הדמיון, עם ערכים שנעו בין כ-48% ל-66% בטכניקות גיבוב תפיסתיות. זה מובן שכן הסיבוב משנה את המבנים המרחביים שממלאים תפקיד חשוב בגיבוב התפיסת. הגדלת התמונות השפיעה מעט על ציוני הדמיון, שכן הערכים נשארו מעל 96%. איור 5 מסכם את תוצאות הדמיון שהושגו תחת סיבוב וידאו, כולל טרנספורמציות גאומטריות.
עמידות לדחיסה, סינון ורעש
דחיסה וטרנסקידוד הן פעילויות שגרתיות בעת אחסון והפצה של מולטימדיה. ניתוח ניסויי הראה שהדמיון היה עקבי מעל 98% גם לאחר דחיסת MPEG, המרה וקידוד מחדש עם קודקים שונים של וידאו. מהממצאים ניתן להסיק כי טביעות אצבע תפיסתיות שומרות על רוב התוכן הוויזואלי למרות שגיאות דחיסה ורעש קוונטיזציה. כמו כן, נערכו ניסויים על הוספת רעש וסינון. לא משנה כמה הרעש היה חזק, הדמיון תמיד היה בין 98% ל-99%. בנוסף, סינון גאוסיאני, חציוני ומעבר נמוך הביא לשינויים מינימליים בדמיון, תוך שמירה על המידע המבני הכולל של הווידאו.
זיהוי שינויים מורכבים ועויבים
המודל המוצע נבדק גם כדי לזהות התקפות כמו הוספת טקסט או מדבקות למסגרות וידאו, מיזוג קטעי וידאו והתקפות שינוי קונספירציה. שינוי כזה משמש לשמירה על עקביות תוך ביצוע שינויים לא מורשים בחומר המוגן בזכויות יוצרים. תוצאת ניתוח הדמיון לאחר הוספת טקסט למסגרות הווידאו מוצגת באיור 6 למטה, בעוד שאיור 7 מציג את תוצאות ניתוח הדמיון של קטעי וידאו מאוחדים.
השוואת ביצועי אלגוריתמים של גיבוב תפיסתי
לכל אחד מארבעת אלגוריתמי הגיבוב התפיסתי היו תכונות ספציפיות שנצפו במהלך בדיקות ניסיוניות. גיבוב תפיסתי (pHash) הוכיח עמידות רבה בפני דחיסה, סינון וטרנסקודינג, תוך שמירה על רגישות למניפולציות מבניות. גיבוב גלים (wHash) פעל היטב תחת מניפולציות מקומיות, כמו הוספת טקסט או אובייקטים.
גיבוב הפרש (dHash) יכול היה לזהות מניפולציות מבניות הקשורות לגרדיאנט אך היה רגיש יותר לסיבוב. גיבוב ממוצע (aHash) היה יציב כאשר יושם על פעולות שהוחלו גלובלית שלא שינו את העוצמה הכוללת, אך היה פחות יציב כאשר בוצעה מניפולציה גאומטרית. בסך הכל, pHash ו-wHash הניבו את התוצאות הטובות ביותר מבין האלגוריתמים שנבדקו.
הערכת ביצועים של טכנולוגיית בלוקצ'יין
מלבד ביצועי אימות התוכן, נלקחו בחשבון גם יכולת ההרחבה והביצועים של מערכת הבלוקצ'יין. במהלך הניסויים התגלה כי הזמן הנדרש להעלאת קבצים גדל באופן ליניארי עם גודל הקובץ וגודל הרשת, בשל הצורך בסנכרון בין עמיתים.
באופן דומה, הזמן לכרות וליצור בלוקים גדל בקו ישר עם מספר העמיתים. תוצאה זו נחזתה משום שככל שמספר העמיתים גדל, נעשה קשה יותר לבצע עסקאות, מה שדורש תקשורת רבה יותר. עם זאת, הזמן שנצפה על ידי המחברים היה ריאלי מספיק עבור תחום היישום של רישום זכויות יוצרים.
פעולת הגישה לבלוקים לא הראתה שינויים משמעותיים עד שגודל הרשת עלה על ערך מסוים מסוים. הביצועים שנצפו מושפעים גם הם מארכיטקטורת האחסון ההיברידית. בהגדרה זו, מטא-דאטה של בעלות, מידע על עסקאות וערכי גיבוב תפיסתיים נשמרים על הבלוקצ'יין, בעוד ש-CouchDB מטפל בנתוני מולטימדיה. זה מפחית את הסכום שנוסף לספר החשבונות המבוזר, ועוזר לשמור על צמיחת אחסון הבלוקצ'יין תחת שליטה. למרות שהמחברים לא ערכו השוואה ספציפית לעיצוב מבוסס בלוקצ'יין בלבד, ניסויים מראים שהמערכת עדיין מתפקדת היטב בעיבוד ושליפה של עסקאות במערכות רשת שונות. איורים 8–11 מסכמים את הערכות ביצועי הבלוקצ'יין של החוקרים בתצורות רשת שונות.
בסך הכול, תוצאות הניסוי מצביעות על ביצועים יעילים של המערכת המוצעת, המשלבת גיבוב תפיסתי עם טכנולוגיית בלוקצ'יין. המסגרת המוצעת עמידה בפני פעולות שימור תוכן ובו בזמן רגישה להתקפות שמשנות מבנה. בנוסף, הוא יכול לרשום ולאמת זכויות יוצרים ברשת Hyperledger Fabric.
זמינות נתונים:
הנתונים והקודים ששימשו במחקר הנוכחי הועלו למאגר זנודו וניתן לגשת אליהם מ: https://doi.org/10.5281/zenodo.20665324. אלה כוללים מערכי נתונים של מסגרות שהופצו, גיבוב תפיסת, חישוב מרחק המינג, בדיקות בנצ'מרקינג בלוקצ'יין, קוד חוזה חכם, קבצי פריסה ומטא-דאטה נוספים ששימשו בניסויים ברישום ואימות זכויות יוצרים.
איור 1: ארכיטקטורת מסגרת הגנה מבוזרת לזכויות יוצרים של וידאו. התרשים מציג את המבנה הכולל של המסגרת המוצעת, כולל עיבוד מוקדם של וידאו, יצירת גיבוב תפיסתי, רישום בלוקצ'יין, אימות בעלות ואחסון ב-CouchDB. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 2: מודל מערכת מוצע להגנת זכויות יוצרים ותהליך אימות וידאו. זרימת העבודה מדגימה רכישת וידאו, חילוץ פריימים, יצירת גיבוב תפיסתי, רישום בלוקצ'יין, אימות דמיון ותהליכי קבלת החלטות בזכויות יוצרים במסגרת המוצעת. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 3: דיאגרמת רצף לרישום ואימות זכויות יוצרים של וידאו. דיאגרמת הרצף מציגה את האינטראקציות בין בעל התוכן, שכבת היישום, מודול הגיבוב התפיסתי, החוזה החכם, צמתים עמיתים, שירות ההזמנה, ספר החשבונות של הבלוקצ'יין ו-CouchDB במהלך רישום ואימות זכויות יוצרים. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 4: ניתוח דמיון תחת פעולות עריכת פריימים מרובות. התרשים מציג את ביצועי הדמיון המצטבר של המסגרת המוצעת במספר תרחישי מניפולציה בזמן של וידאו, כולל הכנסת פריים, מחיקה, החלפה ושינוי קצב פריימים. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 5: ניתוח דמיון תחת סיבוב וידאו. האיור מציג את השפעת סיבוב הווידאו על ציוני הדמיון. זה מראה את יעילות המסגרת המוצעת גם כאשר הסרטונים מסובבים במידה מתונה. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 6: הוספת טקסט לסרטון. זה מראה את תוצאות הדמיון לאחר הכנסת טקסט לפריימים של הווידאו. היא מדגימה את יכולת המסגרת המוצעת לזהות שינויים בתוכן תוך אימות הבעלות. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 7: מקטעים ממוזגים בסרטון. זה מייצג את הניתוח של דמיון וידאו שנוצר ממיזוג קטעים ממקורות שונים. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 8: ניתוח זמן ביצוע להעלאת קבצים לאחסון מחוץ לשרשרת CouchDB עם מספר משתנה של עמיתים. איור זה מציג את הזמן הנדרש למסגרת המוצעת להעלאת מטא-דאטה של וידאו לאחסון מחוץ לשרשרת עבור גדלי קבצים ותצורות רשת שונות. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 9: ניתוח זמן ביצוע בשניות עבור כריית בלוקים בגדלים שונים של קבצים עם מספר משתנה של עמיתים ברשת הבלוקצ'יין. איור זה מציג את ביצועי פעולת כריית בלוקים ברשת Hyperledger Fabric בין תצורות רשת שונות. ניסוי זה מראה את השפעות גודל הקובץ וקונפיגורציית צומת העמית על ביצועי המערכת. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 10: ניתוח זמן ביצוע בשניות ליצירת בלוקים בגדלים שונים של קבצים עם מספר משתנה של עמיתים ברשת הבלוקצ'יין. האיור למטה מציג את הזמן הנדרש ליצירת בלוק ברשת תחת תצורות רשת שונות. זה מסייע לנתח את יכולות התפעול והיכולת להרחבת המסגרת. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
איור 11: ניתוח זמן ביצוע בשניות עבור גישה לבלוקים בגדלים שונים של קבצים עם מספר משתנה של עמיתים ברשת הבלוקצ'יין. איור זה מציג את הזמן הנדרש לשליפת מידע ממערכת הבלוקצ'יין עבור גדלי קבצים שונים ותצורות צומת עמיתים. דבר זה מראה כי המסגרת המוצעת יכולה לשמש ביעילות לאימות זכויות יוצרים ולשחזור בעלות. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
| ס. לא. | סופר(ים) | יישום | בלוקצ'יין | אבטחה | הגנה | יכולת הרחבה | הגנה על זכויות יוצרים | אחסון מחוץ לשרשרת | שלמות | מבוזר |
| 1 | ליו ואח' 13 | הגנה דיגיטלית על זכויות יוצרים באמצעות טכנולוגיית בלוקצ'יין | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 2 | ג'נג ואח' 12 | הגנה על זכויות יוצרים מבוססת בלוקצ'יין על וידאו עם סימון מים | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 3 | קורשי ואח' 11 | מסגרת ניהול זכויות יוצרים מולטימדיה | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 4 | דרוויש ואח' | סימון מים של וידאו ואימות זכויות יוצרים | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 5 | לי ואחרים.7 | מערכת ניהול תפעול זכויות יוצרים של מוזיקה מבוזרת | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 6 | פנדיאן ואח' 10 | אימות שלמות וידאו מבוסס בלוקצ'יין | ✓ | ✓ | ✗ | ✗ | ✓ | ✗ | ✓ | ✓ |
| 7 | גואו ג' ואח' 6 | ניהול זכויות דיגיטליות למשאבי מולטימדיה של חינוך מקוון | ✓ | ✗ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 8 | Moolikagedara ואח' 14 | מערכת בעלות ומעקב מבוססת בלוקצ'יין | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 9 | מדפאטי ופרדהאן5 | מסגרת הגנת זכויות יוצרים מבוססת את'ריום על וידאו | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 10 | Frattolillo ואחרים.8 | הגנה דיגיטלית על זכויות יוצרים באמצעות חוזים חכמים | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 11 | המסגרת המוצעת | הגנה על זכויות יוצרים וידאו מבוססת Hyperledger Fabric באמצעות גיבוב תפיסתי מרובה (aHash, dHash, pHash ו-wHash) | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
טבלה 1: השוואה בין מערכות הגנה קיימות מבוססות בלוקצ'יין. הטבלה משווה בין שיטות קיימות להגנה על זכויות יוצרים מבוססות בלוקצ'יין עם המסגרת המוצעת, על פני גורמים מרכזיים, כולל שימוש בבלוקצ'יין, חוזים חכמים, גיבוב תפיסתי, יכולת הרחבה, הגנת זכויות יוצרים, אבטחת בעלות, בדיקות שלמות ודה-ביזור.
| פרמטר | תצורה |
| פלטפורמת בלוקצ'יין | Hyperledger Fabric 2.4.8 |
| סוג רשת | בלוקצ'יין מורשה |
| מספר הארגונים | 2 |
| מספר צמתים עמיתים | 2 |
| מספר צמתי המסדר | 2 |
| רשויות תעודה | 2 |
| ערוץ התקשורת | אוטוצ'אנל |
| שם חוזה חכם | vitChain |
| שפת חוזה חכם | לך |
| מאגר המדינות | CouchDB |
| כלי פריסה | מיניפאב |
| פלטפורמת מכולות | דוקר |
| מנגנון הקונצנזוס | שירות הזמנת רפסודות |
| אחסון מטא-דאטה | CouchDB |
| אחסון בעלות | פנקס חשבונות בלוקצ'יין |
טבלה 2: פרמטרי תצורת פריסת Hyperledger Fabric. הטבלה מפרטת את פרטי תצורת הפריסה של רשת הבלוקצ'יין Hyperledger Fabric, כולל הארגון, העמיתים, שירות ההזמנה, רשות התעודה, ערוץ התקשורת, מנגנון קונצנזוס, חוזים חכמים ואחסון המשמש לניסויים.
| S.No | התקפת וידאו | pHash (%) | wHash (%) | dHash (%) | aHash (%) |
| 1 | התקפת הכנסת מסגרת | 82.81 | 84.33 | 81.31 | 86.42 |
| 2 | התקפת מחיקת פריימים (רווח שמאלה) | 82.69 | 81.78 | 80.17 | 81.07 |
| 3 | התקפת מחיקת פריימים (הוסר מקום) | 75.37 | 78.68 | 76.19 | 79.69 |
| 4 | התקפת החלפת שלדה | 84.86 | 82.6 | 84.19 | 81.07 |
| 5 | מתקפת התערבות אזורית | 99.4 | 98.59 | 99.46 | 99.76 |
| 6 | התקפת דחיסה MPEG | 99.64 | 99.61 | 99.1 | 99.64 |
| 7 | התקפת הוספת רעש (25%) | 99.52 | 99.58 | 98.8 | 99.7 |
| 8 | התקפת הוספת רעש (50%) | 99.64 | 99.4 | 98.68 | 99.52 |
| 9 | התקפת הוספת רעש (75%) | 99.52 | 99.31 | 98.14 | 99.22 |
| 10 | התקפת חיתוך | 69.71 | 54.81 | 69.11 | 57.27 |
| 11 | התקפת סיבוב (30°) | 54.21 | 60.61 | 57.09 | 65.56 |
| 12 | התקפת סיבוב (60°) | 48.56 | 53.97 | 51.38 | 57.57 |
| 13 | התקפת קנה מידה | 98.56 | 99.28 | 96.81 | 97.48 |
| 14 | תרגום + הפיכה (שמאל–ימין) | 52.88 | 63.46 | 51.2 | 68.63 |
| 15 | תרגום + הפיכה (למעלה–למטה) | 50 | 45.34 | 60.7 | 42.73 |
| 16 | סינון חציוני (25) | 98.92 | 99.1 | 98.02 | 99.7 |
| 17 | סינון חציוני (50) | 98.08 | 98.17 | 97.3 | 99.28 |
| 18 | סינון מעבר נמוך | 97.84 | 99.13 | 96.03 | 96.63 |
| 19 | טשטוש גאוסי (σ = 5) | 99.76 | 98.68 | 98.68 | 99.76 |
| 20 | טשטוש גאוסי (σ = 10) | 99.76 | 97.6 | 97.78 | 99.4 |
| 21 | הקלטה מחודשת (מתקפת מצלמת וידאו) | 98.68 | 98.83 | 91.95 | 93.51 |
| 22 | המרת פורמט (מקודד MPEG-4) | 99.16 | 99.19 | 98.14 | 99.4 |
| 23 | המרת פורמט (מקודד Qsv H.264) | 99.76 | 99.79 | 99.1 | 99.82 |
| 24 | המרת פורמט (מקודד Libvpx-VP9) | 99.76 | 99.7 | 99.04 | 99.76 |
| 25 | התקפת זמן (15 פריימים לשנייה) | 97.48 | 98.26 | 98.02 | 99.4 |
| 26 | התקפת זמן (24 פריימים לשנייה) | 99.16 | 99.16 | 98.38 | 99.82 |
| 27 | התקפת שיתוף פעולה | 99.76 | 99.28 | 98.74 | 99.58 |
| 28 | התקפת המרה | 99.76 | 99.7 | 99.04 | 99.76 |
| 29 | התקפת שינוי קצב סיביות | 99.52 | 99.7 | 99.4 | 99.76 |
טבלה 3: ניתוח דמיון בין סרטונים מקוריים לסרטונים מותאמים תחת התקפות שונות. הטבלה ממחישה את ציוני הדמיון שנוצרים על ידי מספר טכניקות גיבוב תפיסתיות תחת שינויים שונים בוידאו, כולל הכנסת פריים, מחיקה, החלפה, סיבוב, דחיסה, קנה מידה, הוספת רעש, חיבור טקסט ומיזוג וידאו.
דיון
כפי שהמסגרת המוצעת מראה, שילוב בלוקצ'יין עם גיבוב תפיסתי יכול להגן ביעילות על סרטונים מפני הפרת זכויות יוצרים בצורה מבוזרת. ראשית, על ידי שילוב רישום בעלות בלתי משתנה וגיבוב תפיסתי, הוא עומד בשני התנאים העיקריים של מערכות ניהול זכויות יוצרים: רישום בעלות מאובטח וזיהוי חומרים מוגנים בזכויות יוצרים. שנית, שימוש ב-Hyperledger Fabric מאפשר שליטה בגישה, טיפול שקוף בעסקאות וניהול רשומות חסין מפני שינוי.
מגוון פונקציות גיבוב תפיסתיות מציע יתרונות נוספים, ומאפשר סוגי זיהוי שלא אפשריים עם פונקציית גיבוב תפיסתית אחת. AHash מזהה תכונות עוצמה גלובלית ופחות אינטנסיביות חישובית מ-dHash, שמתמקד יותר בשינויים גרדיאנטים מקומיים ובשינויים מבניים. מצד שני, pHash משתמש במידע בתחום התדר ועמיד יותר לפעולות דחיסה וסינון, בעוד wHash טוב בזיהוי שינויים מקומיים, כמו הוספת טקסט או מדבקות. לכן, השילוב של כל פונקציות הגיבוב הללו יהפוך את הסיכוי לבלתי סביר לזיהוי בשל המגבלות של כל פונקציית גיבוב בנפרד. תוצאות ניסוי מראות שהרגישות לסוגי שינויים שונים משתנה בין אלגוריתמים, מה שמדגים את השימושיות של יישום מושג רב-גיבוב לזיהוי מניפולציה של וידאו.
השימוש ב-Hyperledger Fabric ו-CouchDB מפחית את כמות הנתונים המאוחסנים בבלוקצ'יין, מה שהופך את ניהול המטא-דאטה ליעיל בהרבה. בדיקות מראות שהמסגרת עובדת היטב בפועל, אך עדיין עלינו לבצע השוואה כמותית חזקה בין מערכות אחסון היברידיות לאחסון מלא על השרשרת. יש לחקור זאת במחקרים עתידיים.
בעוד שרוב פתרונות זכויות היוצרים האחרים מתמקדים רק ברישום בעלות על זכויות יוצרים, הגישה שהוצגה כוללת גם בעלות וגם אימות ברמת התוכן. יכולות כאלה יכולות להיות שימושיות מאוד לפתרון סוגיות זכויות יוצרים בפועל, שכן רשומות בעלות בלבד אינן מספיקות כדי לקבוע האם וידאו ערוך או הופץ מחדש קשור לחומר המוגן בזכויות יוצרים.
עם זאת, קיימות מגבלות. הבדיקה בוצעה על סרטונים עם תכונות מסוימות ובתנאים מסוימים. יתרה מזאת, מניפולציות גאומטריות, כמו סיבוב, נותרות בעייתיות באימות מדיה באמצעות גיבוב תפיסתי. בעתיד, צפוי לבדוק את המערכת על מאגרי נתונים מולטימדיה נוספים ולבחון את האפשרות להפוך את טביעות האצבע לבלתי משתנות בסיבוב ולהשתמש באלגוריתמים של בינה מלאכותית לזיהוי אוטומטי של הפרות זכויות יוצרים.
רישום ביקורת וניטור זכויות יוצרים שולבו כמרכיבים אדריכליים במסגרת המוצעת. עם זאת, היעילות שלהם לא הוערכה באופן עצמאי במחקר הנוכחי. מחקר עתידי יבחן את תפקידם בפתרון סכסוכים, גילוי חריגות וניטור אוטומטי של זכויות יוצרים בסביבות מולטימדיה רחבות היקף.
מחקר זה הציג מסגרת מבוזרת להגנת זכויות יוצרים על וידאו, המשלבת טכנולוגיית בלוקצ'יין Hyperledger Fabric עם טכניקות גיבוב תפיסתיות מרובות לתמיכה בבעלות בטוחה ואימות זכויות יוצרים מבוסס תוכן. המסגרת המוצעת משלבת אלגוריתמים של aHash, dHash, pHash ו-wHash עם שירותי בלוקצ'יין המופעלים באמצעות חוזים חכמים, כדי להקים מערכת ניהול זכויות יוצרים שקופה, עמידה בפני זיוף וניתנת לאימות.
הערכה ניסיונית הראתה כי המסגרת תומכת ביעילות באימות זכויות יוצרים במגוון רחב של שינויים זמניים, מרחביים ודחיסים. השימוש בטכניקות גיבוב תפיסתיות מרובות שיפר עמידות מול פעולות עיבוד מולטימדיה נפוצות תוך שמירה על היכולת לזהות שינויים לא מורשים בתוכן. בנוסף, שילוב Hyperledger Fabric ו-CouchDB סיפק ארכיטקטורת אחסון היברידית ששמרה על שלמות הנתונים ומעקב, תוך מתן ניהול מטא-דאטה יעיל.
מהממצאים הללו מתברר כי המערכת המוצעת משלבת למעשה את עקרונות הניהול המבוזר ואימות ברמת התוכן, ובכך מתגברת על חלק מהחסרונות של מערכות הגנת זכויות יוצרים מרכזיות קלאסיות. בנוסף, המערכת המוצגת מציעה ביקורת שקופה, בעלות בלתי משתנה ותהליכי אימות המבוססים על דמיון בתוכן.
לסיכום, המחקר מראה ששילוב בלוקצ'יין וגיבוב תפיסתי עשוי להציע פתרונות להגנה על זכויות יוצרים של וידאו מהדור הבא. מחקר עתידי יכלול הערכה מקיפה יותר של ביצועי המסגרת המוצעת על מסדי נתונים גדולים ומגוונים יותר, לצד פיתוח מנגנוני טביעת אצבע מתקדמים.
גילויים
למחברים אין ניגודי עניינים להצהיר עליהם.
תודות
המחברים רוצים להודות לאוניברסיטת VIT-AP, אמראוואטי, הודו, על מתן המתקנים החישוביים והתמיכה המחקרית הנדרשים לביצוע מחקר זה. המחברים גם מודים לתמיכה שהתקבלו מהמחלקה למדעי המחשב והנדסת מחשב במהלך פיתוח והערכת המסגרת המוצעת.
חומרים
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| 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. |
מקורות
- 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.