Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Исследовательская статья

Децентрализованный подход к защите авторских прав на видео с использованием частного блокчейна и перцептивного хеширования

117 просмотров

⸱

DOI:

10.3791/71860

⸱

11 августа 2026 г.

 , 
1School of Computer Science and Engineering (SCOPE), VIT-AP University, Amaravati

В этой статье

Краткое содержание

В данном исследовании представлена децентрализованная структура защиты авторских прав на видео, интегрирующая частный блокчейн, смарт-контракты и технологии перцептивного хеширования. Цель — обеспечить безопасную регистрацию владельца, неизменное управление записями и эффективную проверку видеоконтента на основе сходства в распределённых средах.

Аннотация

Растущая популярность обмена видеоконтентом в Интернете вызывает опасения по поводу нарушений авторских прав, пиратства и споров о праве собственности. Традиционные централизованные методы управления авторским правом сталкиваются с проблемами прозрачности, уязвимостью к манипуляциям и зависимостью от доверенных третьих лиц. Таким образом, в данном исследовании представлена децентрализованная система защиты авторских прав на видео, основанная на Hyperledger Fabric, смарт-контрактах и перцептивном хешировании. Во-первых, кадры из видео извлекаются, а перцептивные отпечатки создаются с помощью алгоритмов среднего хэша (aHash), хеша различий (dHash), перцептивного хеша (pHash) и хеша вейвлета (wHash). Хэши и информация о собственности хранятся в блокчейне, а мультимедийные активы — вне реестра. Проверки авторских прав проводятся с использованием сравнения сходства на уровне кадров на основе расстояния Хэмминга. Предлагаемая структура была протестирована на различных временных, пространственных и компрессионных манипуляциях, включая вставку кадров, удаление, обрезку, изменение размера, вращение, фильтрацию и транскодирование. Эксперименты показали высокую устойчивость к таким изменениям при одновременном обнаружении несанкционированных изменений. Таким образом, эта технология может предложить практическое решение вопросов авторского права с помощью децентрализованной блокчейн-платформы.

Введение

Достижения в цифровых мультимедийных технологиях изменили способы производства, распространения и потребления видео. Видеопотоковое вещание, социальные сети и интернет-системы обмена контентом позволяют быстро и легко распространять видео аудитории по всему миру. Хотя технологический прогресс открывает больше творческих возможностей в производстве цифрового видеоконтента и росте онлайн-бизнеса, те же достижения облегчали для создателей контента столкнуться с нарушениями авторских прав, пиратством и проблемами владения. 1. Видео легко копировать, редактировать, перекодировать и распространять, что делает защиту интеллектуальной собственности всё более сложной в современноммультимедийном мире 2,3.

Обычно современные системы управления авторским правом зависят от центрального органа для регистрации контента, подтверждения права собственности, управления лицензионными соглашениями и рассмотрения споров. Несмотря на широкое распространение, эти системы управления подвержены ряду значительныхограничений 4. Во-первых, централизация подвергает системы управления авторским правом потенциальным кибератакам, манипуляциям данными и простоям. Кроме того, право собственности на авторские права хранится у доверенных третьих лиц, что может быть не совсем желательно с точки зрения аудита и поддержания долгосрочной надёжности такой информации5. Увеличение количества цифрового мультимедийного контента делает традиционные процессы проверки менее эффективными, так как они занимают слишком много времени и становятсянепрактичными 6.

Технология блокчейна, по-видимому, является одним из решений, способных решить проблемы доверия и прозрачности в распределённойсреде 7. Используя неизменяемые реестры с помощью криптографии и механизмов консенсуса, блокчейн обеспечивает безопасное ведение учёта без центрального органа, контролирующего процесс. Как только записи добавляются в блокчейн, они становятся неизменными и неизменными, обеспечивая более высокий уровень отслеживаемости иподотчетности 8. Именно поэтому было предпринято множество усилий по изучению приложений блокчейна в таких областях, как DRM, IP и мультимедийная гарантиявладения 9. Среди существующих блокчейн-платформ Hyperledger Fabric привлекла значительное внимание благодаря своим функциям, включая разрешённую архитектуру, модульную структуру, поддержку смарт-контрактов, конфиденциальность и быструю обработку. В отличие от публичных сетей, архитектура Hyperledger Fabric с разрешением делает его идеальным для систем защиты авторских прав10.

Однако существуют определённые ограничения на использование блокчейна как единственного способа определения статуса авторских прав на мультимедийныйконтент 11. Во-первых, традиционные криптографические хеш-функции (например, SHA-256) дают совершенно иные результаты хэша даже при внесении незначительных изменений в видео12. Хотя это желательная характеристика для криптографических целей, она затрудняет визуальное распознавание подобных или модифицированных версий мультимедийного контента, защищённого авторским правом. Таким образом, мультимедийная верификация авторских прав должна основываться на алгоритмах, ориентированных на контент, способных обнаруживать перцептивные сходства в изображениях иливидео 13.

Одним из самых перспективных способов решения проблемы авторских прав в мультимедийном контенте является использование перцептивного хеширования14. В отличие от криптографического хеширования, перцептивное хеширование создаёт отпечатки, которые кодируют визуальные свойства изображения иливидеокадра 15. Таким образом, даже если файл был изменён обычными процессами (сжатие, фильтрация, масштабирование, добавление шума и т.д.), хэш остаётся относительнонеизменным 16. В настоящее время используются четыре типа перцептивных хешей: средний хеш, разный хеш, перцептивный хеш и вейвлет-хеш17,18.

Было проведено множество исследований, изучающих использование технологии блокчейн в сочетании с методами защиты авторских прав на мультимедийныеданные 19. Предыдущие работы использовали блокчейн-технологии для регистрации права собственности, цифрового водяного знака, распределённого хранения и управления доказательствами, децентрализованного управления правами и безопасного хранения мультимедийногоконтента 20. Hyperledger Fabric ранее использовалась для регистрации авторских прав, управления правами и аудита транзакций через смарт-контракты и разрешённые протоколыконсенсуса 21,22. Аналогично, были предложены методы перцептивного хеширования и водяных знаков для обнаружения дублирующихся и манипулируемых мультимедийных материалов. Несмотря на эти многообещающие работы по обеспечению управления авторским правом с помощью блокчейн-технологий, остаются некоторыепробелы — 23,24. Во-первых, многие предыдущие фреймворки в первую очередь занимались регистрацией собственности, но не имели возможности проверять контент. Во-вторых, многие работы опирались на единый метод хеширования или водяных знаков, что делает их более уязвимыми к атакам с видеоманипуляциями25,26. Таблица 1 показывает, что существующие системы в целом поддерживают регистрацию собственности, но редко сочетают децентрализованное управление владением с многохешевой верификацией контента.

С развитием технологий видеомонтажа возникла большая потребность в эффективной проверке права собственности на видео для предотвращения нарушения авторских прав27. Современные технологии предлагают несколько методов временной обработки видео — добавляя, удаляя, заменяя и изменяя частоту кадров. Аналогично, варианты пространственной обработки включают изменение размера кадра, масштабирование, фильтрацию, сжатие, транскодирование и геометрические изменения видео28. Эти манипуляции затрудняют идентификацию правообладателей, хотя они и не меняют внешний вид видео. Эффективная система должна уметь различать допустимые манипуляции, владение и нарушение авторских прав с принципомцелостности 29.

Чтобы решить задачу эффективного управления авторскими правами на видео, в этой статье предлагается децентрализованная модель, использующая Hyperledger Fabric, смарт-контракты и перцептивное хеширование. Предлагаемый фреймворк будет генерировать перцептивные отпечатки с помощью методов хеширования, извлекаявидеокадры 30,31. Для генерации перцептивных отпечатков будут использованы четыре различных метода хеширования — aHash, dHash, pHash и wHash. Информация о владении, временные метки и хэши записываются в разрешённый блокчейн-реестр. Для повышения масштабируемости CouchDB используется вместе с блокчейном для хранения мультимедийного контента вне чейна.

Предлагаемая структура использует анализ расстояний Хэмминга для проверки сходства на уровне кадров и выявления изменений, дублирования или незаконного использования видео. Сочетая несколько перцептивных методов хеширования с слышимостью на основе блокчейна, решение обеспечивает как аутентификацию на уровне контента, так и управление владением, защищённым от вмешательства. В отличие от предыдущих систем, основанных на едином методе верификации, предлагаемая структура использует несколько перцептивных дескрипторов для выдержки различных временных, пространственных и сжимающих видеообработок.

Это основные вклады, представленные в исследовательской работе: (1) Подход к децентрализации для безопасного процесса регистрации и проверки авторских прав для видео с использованием фреймворка Hyperledger Fabric; (2) Для создания множества перцептивных алгоритмов хеширования, таких как aHash, dHash, pHash и wHash, используются для создания нескольких видеоотпечатков, которые могут распознавать похожие видео даже после редактирования; (3) Разработана распределённая модель базы данных с использованием как Hyperledger Fabric, так и CouchDB, чтобы решать проблемы масштабируемости без ущерба для целостности и отслеживаемости данных; (4) Разрабатывается комплексный процесс верификации, включающий расчёт расстояния Хэмминга, чтобы определить манипуляцию видео относительно кадров и пикселей; (5) Проводятся эксперименты для демонстрации возможностей предлагаемого метода для обнаружения модифицированных видео.

Таким образом, интегрируя владение на блокчейне и несколько алгоритмов хеширования, предлагаемая структура предлагает жизнеспособный подход к децентрализованной защите авторских прав на видео.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

В этом исследовании не участвовали люди, участники, животные или клинические образцы. Поэтому одобрение институциональной этики и информированное согласие не требовались.

Материалы и программное обеспечение

Для развертывания фреймворка использовалась среда Hyperledger Fabric версии 2.4.8, CouchDB, Docker Containers, развертывание Minifab, мультимедийные приложения для обработки FFmpeg и язык программирования Go. Hyperledger Fabric предоставляла услуги для децентрализованного управления реестром и выполнения смарт-контрактов, в то время как CouchDB эффективно хранила и извлекала информацию об авторских правах через внецепочное хранилище. FFmpeg использовался для предварительной обработки видео и извлечения видеокадров, а перцептивные алгоритмы хеширования применялись через библиотеки хеширования изображений на языке программирования Go. Список всех инструментов и их соответствующих описаний иллюстрирован в Таблице материалов.

Архитектура фреймворка

Предлагаемый фреймворк использует алгоритмы перцептивного хеширования в разрешённом блокчейне Hyperledger Fabric, чтобы обеспечить децентрализованный подход к защите авторских прав и валидации права собственности на видео. Фреймворк состоит из пяти основных компонентов: предобработки видео, генерации перцептивного хеша, регистрации авторских прав на основе блокчейна и проверки на основе сходства. В этом фреймворке Hyperledger Fabric служит слоем доверия, предоставляя неизменные записи владения, а CouchDB — хранение вне цепочки. Общая архитектура предлагаемой структуры показана на рисунке 1.

Модель системы проверки авторских прав

Подробный рабочий процесс исследуемой системы показан на рисунке 2. Всё начинается с захвата видео, затем следует регулярное извлечение кадров с использованием FFmpeg. Извлеченные фреймы обрабатываются в среде реализации Hyperledger Fabric, которая включает такие действия, как регистрация права собственности, администрирование сертификатов, взаимодействие с пирами и проверка транзакций. К извлечённым кадрам применяется перцептивное хеширование, затем вычисление расстояния Хэмминга для оценки степени сходства. Если дистанция Хэмминга ниже порога, кадр считается аутентичным и похожим на зарегистрированный контент; в противном случае он рассматривается как модифицированный контент.

Получение видео, предобработка и создание перцептивного хеширования

Видеообразцы, использованные в эксперименте, представляли собой MP4-файлы в разрешении 480p, средняя продолжительность около 26 секунд. В наборе оценочных данных было 15 видеообразцов, включая оригинальное референсное видео и несколько модифицированных версий. Эти модификации включали типичные задачи по редактированию, такие как изменение частоты кадров, вставка, удаление или замена кадров, а также применение искажений, таких как обрезка, масштабирование, вращение и эффекты наложения. В наборе данных также были добавления сжатия, шума, текста и стикеров, эффекты глитча и многое другое. Все видео были в формате MP4 с разрешением 480p и проходили те же этапы предварительной обработки и генерации отпечатков пальцев. Разработанный для проверки устойчивости системы, этот набор данных охватывает широкий спектр реальных сценариев, связанных с нарушениями и манипуляциями. До того как видеофайлы были обнаружены и подтверждены авторскими правами, проходили предварительную обработку в FFmpeg. Кадры из видеофайлов извлекались с интервалом в 1 секунду для получения сжатых сводок контента в виде визуального контента, который оставался вычислительно дешевым в обработке. Далее эти кадры были преобразованы в оттенки серого и нормализованы, чтобы минимизировать изменения интенсивности пикселей, вызванные условиями освещения, кодированием и разницами сжатия.

Для получения отпечатков видеоконтента использовались четыре функции перцептивного хеширования в виде среднего хеширования (aHash), дифференциального хеширования (dHash), перцептивного хеша (pHash) и вейвлетного хеша (wHash).

Для генерации хеша кадры сначала преобразовывались в оттенки серого и изменялись до размера 8x8 пикселей для вычисления aHash и dHash. С помощью aHash 64-битный отпечаток генерировался путём сравнения каждого пикселя со средним значением серого. Алгоритм dHash делал что-то похожее, создавая 64-битный отпечаток, но он изучал различия по интенсивности горизонтальных пикселей соседних пикселей. Для pHash кадры изменялись до 32x32 пикселей, затем вычислялось дискретное косинусное преобразование. Для получения 64-битного перцептивного отпечатка использовались только низкочастотные коэффициенты DCT 8x8. Что касается wHash, кадры снова были изменены до 32x32 пикселей, но на этот раз обработаны с помощью вейвлет-преобразования Хара. Из извлечённых коэффициентов вейвлетов с самой низкой частотой был сгенерирован 64-битный хеш. Все эти параметры направлены на хороший баланс между вычислительной эффективностью и мощностью для обычных видеокорректировок.

Для эффективных вычислений хеш-функций эти изображения были нормализованы и изменены по размеру. Метод среднего хеширования работает путём сравнения интенсивности пикселей с интенсивностью среднего значения изображения. Дифференциальный хешинг работает аналогично, но фокусируется на локальных градиентах путём сравнения интенсивности пикселей с интенсивностью соседних пикселей. Перцептивное хеширование использует признаки Фурье, возникающие из DCT, тогда как вейвлет-хеширование опирается на результаты вейвлет-преобразования для извлечения признаков.

Регистрация и проверка авторских прав на основе блокчейна

Полученные отпечатки перцептивных пальцев, метаданные владения, временные метки и детали транзакций передаются в блокчейн Hyperledger Fabric через смарт-контракт vitChain. Реализация блокчейна включает две организации, двух узлов, двух упорядоченных узлов, двух узлов сертификационного центра (CA) и базы данных состояний CouchDB, все связаны автоканалом. Разрешённый блокчейн-фреймворк обеспечивает безопасную обработку, ограниченный доступ и хранение данных авторских прав от подделок.

Процедура регистрации авторских прав начинается после того, как владелец контента загружает видео через пользовательский интерфейс. Когда пользователь отправляет видео для регистрации авторских прав, уровень приложения вызывает смарт-контракт vitChain через Hyperledger Fabric SDK. Эта регистрация включает уникальный идентификатор транзакции, данные владельца, видео ID, временную метку и четыре типа перцептивных хеш-значений: aHash, dHash, pHash и wHash. Также есть метаданные о контенте. Приложение отправляет предложение о транзакции поддерживающим партнерам. Эти узлы затем запускают логику смарт-контракта и обеспечивают соответствие транзакции политике одобрения. После успешной валидации транзакция переходит на сервис заказа. Здесь верифицированные транзакции группируются в блоки и отправляются узлам-узлам для включения в реестр. Тем временем связанные метаданные попадают в CouchDB. Они подключаются к записям блокчейна через идентификатор транзакции, что позволяет легко делать поиск и сохраняет согласованность как в блокчейне, так и вне её данных.

После предварительной обработки и перцептивных вычислений отпечатки пальцев вместе с соответствующими метаданными собираются в транзакцию, которую выполняет смарт-контракт. Проверка транзакций проводится участвующими партнерами в соответствии с установленной политикой одобрения. После одобрения транзакция передаётся в сервис заказа для включения в блок распределённого реестра. Для надёжной работы мы включили базовую обработку ошибок в процессы регистрации и проверки. Перед транзакцией приложение проверяет обязательные метаданные, информацию о владении и перцептивные хеши, чтобы избежать проблем. Если транзакции не соответствуют правилам одобрения или имеют недопустимые параметры, узлы одноранга отклоняют их напрямую. Когда возникают проблемы, такие как сбои в связи или ошибки обработки, система фиксирует их и отправляет предупреждение администратора. Это помогает предотвратить распространение незначительных ошибок обработки по системе. Во время проверки авторских прав видео с некорректными метаданными или повреждёнными хэш-значениями исключаются из процесса проверки. Видео, для которых не удаётся получить отпечатки пальцев, также исключены из процесса проверки. В целом, эти шаги поддерживают чистоту данных и укрепляют надёжность фреймворка. Информация о собственности на защищённое авторским правом видео становится неизменной и доступна для последующего извлечения.

Проверка

Процесс верификации включает аналогичные этапы предварительной обработки и вычисления отпечатков пальцев, после чего следует сравнение отпечатков с сохранёнными в блокчейне с использованием измерения сходства на основе расстояния Хэмминга. На основе показателя сходства смарт-контракт определяет информацию об авторских правах на представленное видео. Рабочий процесс взаимодействия показан на рисунке 3.

Проверка авторских прав на основе сходства

Процесс проверки авторских прав сравнивает перцептивные отпечатки, полученные из видео запроса, с отпечатками, ранее хранящимися в блокчейн-системе. Тот же процесс предварительной обработки и генерации хеша, используемый при регистрации, повторяется на этапе верификации для поддержания согласованности. Сходство измеряется с помощью расстояния Хэмминга, которое учитывает количество разниц битов между двумя хеш-значениями. Меньшие расстояния Хэмминга указывают на большее сходство между двумя видео, а более высокие расстояния — на манипуляции контентом. Чтобы проверить, совпадает ли видео запроса с зарегистрированным видео, мы использовали расстояние Хэмминга между их перцептивными хеш-значениями. На основе предварительных экспериментов был выбран порог расстояния по Хэммингу в 20 для обеспечения оптимального баланса между устойчивостью к обычным операциям обработки видео и чувствительностью к несанкционированным модификациям. Видео с дистанцией Хэмминга 20 или меньше считались отражающими одинаковый защищённый авторским правом контент. Если бы было больше, это было бы серьёзными переменами. Этот 20 был выбран для обработки распространённых видеомонтажей, таких как сжатие, фильтрация, транскодирование и изменение частоты кадров, но при этом он всё равно фиксирует несанкционированные изменения. Измеряются сходство для всех собранных отпечатков рамок, затем агрегируются для получения вывода по проверке авторских прав. Видео, отклоняющиеся от зарегистрированного контента, отмечаются для дополнительной проверки.

Среда развертывания

Тестовая среда была создана с использованием контейнеров Docker и инструмента оркестрации Minifab. Блокчейн-сеть на базе Hyperledger Fabric версии 2.4.8 была развернута с CouchDB в качестве слоя данных состояния и хранения данных смарт-контрактов. Смарт-контракт vitChain был реализован в Go и внедрен с использованием жизненного цикла цепного кода Hyperledger Fabric. Параметры развертывания приведены в таблице 2. Сеть состояла из двух участвующих организаций: создателя контента и видеографа. Для обеспечения целостности транзакций и предотвращения несанкционированной регистрации или изменений авторских прав была внедрена политика многоорганизационного одобрения, требующая одобрения обеих организаций перед тем, как транзакция может быть внесена в реестр. В частности, политика одобрения следовала правилу AND, выражаемому как AND ('ContentCreatorMSP.peer', 'VideographerMSP.peer').

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Для оценки эффективности предлагаемой модели децентрализованной защиты авторских прав её тестируют на различные атаки на манипуляцию с видео, которые часто происходят при передаче мультимедиа, монтаже и нарушении авторских прав. Два основных фактора в оценке включают: (i) надёжность перцептивного хеширования алгоритма в выявлении авторских прав и подделок, и (ii) производительность блокчейн-сети Hyperledger Fabric. Оценки сходства были получены путём расчёта среднего хеша (aHash), диффер...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Как показывает предлагаемая структура, интеграция блокчейна с перцептивным хэшированием может эффективно защищать видео от нарушения авторских прав децентрализованным образом. Во-первых, объединяя неизменную регистрацию собственности и перцептивное хеширование, он удовлетворяет оба основных требования систем управления авторским правами: безопасную регистрацию собственности и идентификацию защищённых авторским правом материалов. Во-вторых, использование Hyperledger Fabric обеспечивает ко...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

У авторов нет конфликта интересов, которые можно было бы заявлять.

Благодарности

Авторы выражают благодарность Университету VIT-AP в Амаравати, Индия, за предоставление вычислительных возможностей и исследовательской поддержки, необходимых для проведения этого исследования. Авторы также отмечают поддержку, оказанную кафедрой компьютерных наук и инженерии при разработке и оценке предлагаемой структуры.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
CouchDBApache Software Foundationhttps://couchdb.apache.orgNoSQL database used for off-chain storage of video metadata and multimedia content.
DockerDocker Inc.https://www.docker.comContainerization platform used to deploy blockchain nodes, CouchDB instances, and supporting services.
FFmpegFFmpeg Developershttps://ffmpeg.orgMultimedia processing framework used for video decoding, frame extraction, and preprocessing.
Go Programming LanguageGoogle LLCVersion 1.20+; https://go.devProgramming language used to develop the vitChain smart contract (chaincode).
Google DriveGoogle LLChttps://drive.google.comStorage platform used for hosting and retrieving experimental video datasets.
Hyperledger FabricHyperledger FoundationVersion 2.4.8; https://hyperledger-fabric.readthedocs.ioPermissioned blockchain platform used for decentralized copyright registration, transaction validation, and ledger management.
ImageHash LibraryLoupaxhttps://github.com/loupax/imagehashLibrary used to generate perceptual hash values for video-frame authentication.
MinifabIBM / Hyperledger Communityhttps://github.com/hyperledger-labs/minifabLightweight deployment and orchestration tool used to configure and manage the Hyperledger Fabric network.
Ubuntu LinuxCanonical Ltd.Ubuntu 22.04 LTSOperating system used for blockchain deployment and experimental evaluation.
Visual Studio CodeMicrosoft Corporationhttps://code.visualstudio.comIntegrated development environment used for source code development and debugging.

Ссылки

  1. 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.
  2. Zhang T. TMRB: Trusted Multimedia Scheme With Redactable Blockchain. IEEE Transactions on Consumer Electronics. 2025 Feb 17.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. Li Y, et al. A decentralized music copyright operation management system based on blockchain technology. Procedia Computer Science. 2021 Jan 1;187:458-63.
  8. Frattolillo F. Blockchain and smart contracts for digital copyright protection. Future Internet. 2024 May 14;16(5):169.
  9. 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.
  10. 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.
  11. Qureshi A, Megias Jimenez D. Blockchain-based multimedia content protection: Review and open challenges. Applied Sciences. 2020 Dec 22;11(1):1.
  12. Zheng J, et al. A novel video copyright protection scheme based on blockchain and double watermarking. Security and communication networks. 2021;2021(1):6493306.
  13. 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.
  14. 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.
  15. Riaz A, et al. S2H-securing smart homes: A blockchain-based preservation approach. Internet of Things. 2025 Mar 1;30:101523.
  16. Adeniyi JK, et al. A blockchain-based smart healthcare system for data protection. IScience. 2025 Apr 18;28(4).
  17. 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.
  18. 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.
  19. 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.
  20. 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).
  21. 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.
  22. Sychowiec J, Zieliński Z. A Blockchain-Based Framework for Secure Data Stream Dissemination in Federated IoT Environments. Electronics. 2025 May 20;14(10):2067.
  23. 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.
  24. 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.
  25. 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.
  26. 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.
  27. 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.
  28. Diba BS, et al. From centralization to decentralization: Blockchain’s role in transforming social media platforms. IEEE Access. 2025 Apr 16.
  29. Kulkarni MD, Awate A, Shahade M, Nandwalkar B. ExamGuard: Smart contracts for secure online test. Information Systems. 2025 Feb 1;128:102485.
  30. 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.
  31. 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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Hyperledger Fabricсмарт-контрактыизвлечение кадроврасстояние Хэммингапроверка прав собственностивидеопиратстводецентрализованная платформа
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.