Özel Blokzincir ve Algısal Hashing Kullanarak Video Telif Hakkı Korumasına Merkeziyetsiz Bir Yaklaşım

Özet

Bu çalışma, özel blokzincir, akıllı sözleşmeler ve algısal hashing tekniklerini entegre eden video telif hakkı koruması için merkezi olmayan bir çerçeve sunmaktadır. Amaç, dağıtık ortamlarda video içeriğinin güvenli sahiplik kaydı, değişmez kayıt yönetimi ve verimli benzerlik temelli doğrulamasını sağlamaktır.

Özet

İnternette video içerik paylaşımının artan popülaritesi, telif hakkı ihlalleri, korsanlık ve sahiplik anlaşmazlıkları konusunda endişeleri artırmıştır. Telif hakkı yönetiminde geleneksel merkezi yöntemler şeffaflık sorunları, manipülasyona yatkınlık ve güvenilir üçüncü taraflara güvenme ile karşı karşıyadır. Bu nedenle, bu çalışma Hyperledger Fabric, akıllı sözleşmeler ve algısal hashing üzerine kurulu merkeziyetsiz bir video telif hakkı koruma sistemi sunmaktadır. İlk olarak, videolardan alınan kareler çıkarılır ve ortalama hash (aHash), fark hash (dHash), algısal hash (pHash) ve wavelet hash (wHash) algoritmaları kullanılarak algısal parmak izleri oluşturulur. Hash'lar ve sahiplik bilgileri blokzincirde saklanırken, multimedya varlıkları defterin dışında tutulur. Telif hakkı kontrolleri, Hamming mesafesine dayalı kare seviyesi benzerlik karşılaştırmalarıyla yapılır. Önerilen çerçeve, çerçeve ekleme, silme, kırpma, yeniden boyutlandırma, rotasyon, filtreleme ve transkodlama gibi çeşitli zamansal, mekansal ve sıkıştırıcı manipülasyonlarda test edilmiştir. Deneyler, bu tür değişikliklere karşı yüksek dayanıklılık gösterirken aynı zamanda yetkisiz değişiklikleri tespit etti. Bu nedenle, bu teknoloji telif hakkı sorunlarına merkezi olmayan bir blokzincir çerçevesi kullanarak pratik bir çözüm sunabilir.

Giriş

Dijital multimedya teknolojilerindeki gelişmeler, videoların üretilme, dağıtım ve tüketilme biçimini değiştirmiştir. Video yayını, sosyal ağlar ve internet tabanlı içerik paylaşım sistemleri, videoların dünya çapında izleyicilere hızlı ve kolay dağıtımını sağlar. Teknolojik gelişmeler dijital video içeriği üretiminde ve çevrimiçi işin büyümesinde daha yaratıcı fırsatlar sunarken, aynı gelişmeler içerik üreticilerinin telif hakkı ihlalleri, korsanlık ve sahiplik sorunlarıyla karşılaşmasını^{kolaylaştırmıştır 1}. Videolar kolayca kopyalanabilir, düzenlenebilir, yeniden kodlanabilir ve dağıtılabilir; bu da günümüz multimedya dünyasında fikri mülkiyeti korumayı giderek^{zorlaştırır 2,3}.

Genellikle, mevcut telif hakkı yönetim sistemleri, içeriği kaydetmek, sahipliği doğrulamak, lisans anlaşmalarını yönetmek ve anlaşmazlıkları çözmek için merkezi bir otoriteye dayanır. Yaygın olarak benimsenmiş olmalarına rağmen, bu yönetim sistemleri birkaç önemli sınırlamaya^{yatkındır 4}. Birincisi, merkezileştirme, telif hakkı yönetim sistemlerini potansiyel siber saldırılara, veri manipülasyonuna ve kesintiye maruz bırakır. Ayrıca, telif hakkı sahipliği güvenilir üçüncü şahıslar tarafından saklanır ve bu bilgilerin uzun vadeli güvenilirliğinin denetlenmesi ve korunması açısından tamamen arzuolunan^{olmayabilir. 5}. Artan dijital multimedya içeriği, geleneksel doğrulama süreçlerini daha az verimli hale getirir; çünkü genellikle çok fazla zaman alır ve pratik^{olamazlaşır 6}.

Blockchain teknolojisi, dağıtık ortamda güven ve şeffaflık sorunlarını çözebilecek çözümlerden biri gibi görünüyor^. Kriptografi ve uzlaşma mekanizmaları aracılığıyla değiştirilemez defterler kullanılarak, blok zinciri, merkezi bir otorite süreci kontrol etmeden güvenli kayıt tutma sağlar. Kayıtlar blokzincire eklenir eklenmez, değişmez ve değişmez hale gelirler, böylece daha yüksek izlenebilirlik ve hesap^{verebilirlik seviyeleri sağlanır 8}. Bu nedenle, DRM, IP, multimedya sahiplik güvencesi gibi alanlarda blokzincir uygulamalarının incelenmesi için birçok çaba^{gösterilmiştir 9}. Mevcut blokzincir platformları arasında Hyperledger Fabric, izinli mimari, modüler yapı, akıllı sözleşme desteği, gizlilik ve hızlı işlem gibi özellikleri nedeniyle önemli ilgi gördü. Kamu zincirlerinin aksine, Hyperledger Fabric'in izinli mimarisi onu telif hakkı koruma sistemleri için ideal^{kılar 10}.

Ancak, çoklu medya içeriğinin telif hakkı durumunu belirlemenin tek yolu olarak blok zinciri kullanmanın bazı sınırlamaları vardır¹¹. Birincisi, geleneksel kriptografik hash fonksiyonları (örneğin SHA-256), video^12'de küçük değişiklikler yapılsa bile tamamen farklı hash sonuçları üretir. Kriptografik amaçlar için arzu edilen bir özellik olmasına rağmen, telif hakkı korumalı multimedya içeriğinin benzer veya değiştirilmiş versiyonlarının görsel olarak tanınmasını engeller. Bu nedenle, multimedya telif hakkı doğrulaması, görüntülerde veya videolarda algısal benzerlikleri tespit edebilen içerik farkında algoritmalara^{dayanmalıdır 13}.

Multimedya içeriğindeki telif hakkı sorununu çözmenin en umut verici yollarından biri, algısal^{hashing 14} kullanmaktır. Kriptografik hashing'in aksine, algısal hash görüntünün veya video karesinin görsel özelliklerini kodlayan parmak izleri^{üretir 15}. Dolayısıyla, dosya alışılmış işlemlerle (sıkıştırma, filtreleme, yeniden ölçeklendirme, gürültü ekleme vb.) değiştirilmiş olsa bile, hash nispeten değişmeden^{kalır 16}. Şu anda kullanılan dört tür algısal hash vardır: ortalama hash, difference hash, perceptual hash ve wavelet^{hash 17,18}.

Çoklu medya verileri için blok zinciri teknolojisinin telif hakkı koruma teknikleriyle birlikte kullanımını inceleyen çok sayıda araştırma yapılmıştır¹⁹. Önceki çalışmalar, sahiplik kaydı, dijital watermark, dağıtık depolama ve delil yönetimi, merkezi olmayan hak yönetimi ve multimedya içeriğinin güvenli depolanması için blockchain teknolojisini^{kullanmıştır 20}. Hyperledger Dokusu, önceki çalışmalarda telif hakkı kaydı, hak yönetimi ve işlem denetimini akıllı sözleşmeler ve izinli uzlaşma^{protokolleri 21,22} üzerinden mümkün kılmak için kullanılmıştır. Benzer şekilde, yinelenen ve manipüle edilmiş multimedya içeriğini tespit etmek için algısal hashing ve watermark yöntemleri önerilmiştir. Blokzincir teknolojisi kullanarak telif hakkı yönetimini mümkün kılan bu umut vadeden eserlere rağmen, hâlâ birkaç boşluk^{var 23,24}. İlk olarak, birçok önceki çerçeve öncelikle sahiplik kaydıyla ilgilenir ancak içeriği doğrulama yeteneğinden yoksundur. İkinci olarak, birçok eser tek bir hash veya watermark yöntemine dayanarak video manipülasyon saldırılarına karşı daha savunmasız^{hale geldiler 25,26}. Tablo 1, mevcut sistemlerin genellikle sahiplik kaydını desteklediğini ancak nadiren merkeziyetsiz sahiplik yönetimini çoklu hash içerik doğrulaması ile birleştirdiğini gösterir.

Video düzenleme teknolojisindeki gelişmelerle, telif hakkı ihlalini önlemek için etkili video sahiplik doğrulamasına daha fazla ihtiyaç^{duyulmaktadır 27}. Mevcut teknoloji, videoları zamansal olarak manipüle etmek için kare hızını eklemek, kaldırmak, değiştirmek ve değiştirmek gibi çeşitli yöntemler sunmaktadır. Benzer şekilde, mekansal manipülasyon seçenekleri arasında kare boyutlandırma, ölçeklendirme, filtreleme, sıkıştırma, transkodlama ve videoların geometrik değişiklikleri yer^{alır 28}. Bu manipülasyonlar, videonun görünümünü değiştirmese de telif hakkı sahiplerini tanımlamayı zorlaştırır. Verimli bir sistemin, izin verilen manipülasyon, sahiplik ve telif hakkı ihlalini bütünlük²⁹ ile ayırt edebilmesi gerekir.

Verimli video telif hakkı yönetimi zorluğunu ele almak için bu makale, Hyperledger Fabric, akıllı sözleşmeler ve algısal hashing'den yararlanan merkezi olmayan bir model önermektedir. Önerilen çerçeve, hashing teknikleriyle algısal parmak izleri üretecek ve^{video kareleri 30,31} çıkaracak. Dört farklı hash tekniği olan aHash, dHash, pHash ve wHash, algısal parmak izleri oluşturmak için kullanılacaktır. Sahiplik bilgileri, zaman damgası ve hash'ler izinli blokzincir tabanlı deftere kaydedilir. Ölçeklenebilirliği artırmak için CouchDB, çoklu medya içeriğini zincir dışı depolamak için blokzincir ile birlikte kullanılır.

Önerilen çerçeve, kare düzeyindeki benzerliği doğrulamak ve videoların değişikliklerini, çoğaltmalarını veya yasa dışı kullanımını tespit etmek için Hamming mesafe analizini kullanır. Birden fazla algısal hashing tekniğini blok zinciri tabanlı duyulabilirlikle birleştirerek, çözüm hem içerik düzeyinde kimlik doğrulama hem de müdahaleye karşı sahiplik yönetimi sağlar. Önceki sistemlerin tek bir doğrulama yöntemine dayanmasının aksine, önerilen çerçeve, zamansal, mekansal ve sıkıştırıcı video manipülasyonlarına dayanmak için birden fazla algısal tanımlayıcı kullanır.

Araştırma çalışmalarında sunulan başlıca katkılar şunlardır: (1) Hyperledger Fabric çerçevesini kullanan videolar için güvenli telif hakkı kaydı ve doğrulama süreci için merkeziyetsizlik yaklaşımı; (2) aHash, dHash, pHash ve wHash gibi birden fazla algısal hash algoritması, düzenlendikten sonra bile benzer videoları tanıyabilen birden fazla video parmak izi oluşturmak için kullanılır; (3) Hem Hyperledger Fabric hem de CouchDB kullanılarak ölçeklenebilirlik sorunlarını ele almak için veri bütünlüğü ve izlenebilirliği ödün vermeden dağıtık bir veritabanı modeli geliştirilmiştir; (4) Videoların kareler ve pikseller açısından manipülasyonunu belirlemek için Hamming mesafesinin hesaplanmasını içeren kapsamlı bir doğrulama süreci formüle edilir; (5) Önerilen yöntemin değiştirilmiş videoları tespit etme yeteneğini göstermek için deneyler yapılır.

Böylece, blokzincir tabanlı sahiplik ve çoklu hashing algoritmalarını entegre ederek, önerilen çerçeve merkezi olmayan video telif hakkı korumasına uygulanabilir bir yaklaşım sunar.

Protokol

Bu çalışma insan katılımcıları, insan denekleri, hayvan denekleri veya klinik örnekleri kapsamamıştır. Bu nedenle, kurumsal etik onayı ve bilgilendirilmiş onay gerekmiyordu.

Malzemeler ve yazılım

Framework'u dağıtmak için kullanılan ortam Hyperledger Fabric sürüm 2.4.8, CouchDB, Docker Containers, Minifab dağıtımı, FFmpeg multimedya işleme uygulamaları ve Go programlama dilinden oluşuyordu. Hyperledger Fabric, merkezi olmayan defter yönetimi ve akıllı sözleşme yürütme hizmetleri sunarken, CouchDB telif hakkı bilgilerini zincir dışı depolama yoluyla verimli şekilde saklayıp geri aldı. FFmpeg, videoları ön işlemek ve video karelerini çıkarmak için kullanılırken, algısal hash algoritmaları Go programlama dilindeki görüntü hashing kütüphaneleri aracılığıyla uygulandı. Tüm araçların listesi ve ilgili açıklamaları, Malzemeler Tablosu'nda gösterilmiştir.

Çerçeve mimarisi

Önerilen çerçeve, izinli blokzincir Hyperledger Fabric içinde algısal hashing algoritmalarını kullanarak video telif hakkı koruması ve sahiplik doğrulamasına merkezi olmayan bir yaklaşım sağlamaktadır. Çerçeve beş ana bileşenden oluşur: video ön işleme, algısal hash üretimi, blokzincir tabanlı telif hakkı kaydı ve benzerlik temelli doğrulama. Bu çerçevede, Hyperledger Fabric güven katmanı olarak hizmet verir ve değişmez sahiplik kayıtları sağlarken, CouchDB zincir dışı depolama sağlar. Önerilen çerçevenin genel mimarisi Şekil 1'de gösterilmiştir.

Telif hakkı doğrulama sistemi modeli

İncelenen sistemin ayrıntılı bir iş akışı Şekil 2'de gösterilmiştir. Video alımı ile başlar, ardından FFmpeg ile düzenli aralıklarla kare çıkarımı yapılır. Çıkarılan çerçeveler, sahiplik kaydı, sertifika yönetimi, eş iletişimi ve işlem doğrulaması gibi işlemleri içeren Hyperledger Fabric uygulama ortamında işlenir. Çıkarılmış çerçevelere algısal hashing uygulanır, ardından benzerlik derecesi değerlendirilmek için Hamming mesafesi hesaplaması yapılır. Hamming mesafesi eşik altındaysa, çerçeve gerçek kabul edilir ve kayıtlı içeriğe benzerdir; aksi takdirde, değiştirilmiş içerik olarak kabul edilir.

Video edinimi, ön işleme ve algısal hashing oluşturma

Deneyde kullanılan video örnekleri, ortalama 26 saniye uzunluğunda 480p çözünürlüklü MP4 dosyalarıydı. Değerlendirme veri setinde orijinal bir referans video ve birkaç değiştirilmiş versiyon dahil olmak üzere 15 video örneği bulunuyordu. Bu değişiklikler, kare hızlarının değiştirilmesi, karelerin eklenmesi, silinmesi veya yerine koyulması gibi yaygın düzenleme görevlerini ve kırpma, ölçeklendirme, dönüş ve üst katman efektleri gibi bozulmaların uygulanmasını içeriyordu. Veri seti ayrıca sıkıştırma, gürültü, metin ve çıkartma eklemeleri, hata efektleri ve daha fazlasını içeriyordu. Tüm videolar MP4 formatında, 480p çözünürlükteydi ve aynı ön işleme ve parmak izi oluşturma adımlarından geçti. Sistemin dayanıklılığını test etmek için tasarlanmış bu veri seti, ihlal ve manipülasyon içeren çok çeşitli gerçek dünya senaryolarını kapsar. Telif hakkı tespit ve onaya tabi olmadan önce, video dosyaları FFmpeg'de ön işlemeye tabi tutulmuştur. Video dosyalarından kareler, işlemesi hesaplama açısından ucuz olan görsel içerik şeklinde kısaltılmış içerik özetleri elde etmek için 1 saniyelik aralıklarla çıkarıldı. Sonrasında, bu kareler gri tonlamaya dönüştürüldü ve aydınlatma koşulları, kodlama ve sıkıştırma farklılıklarından kaynaklanan piksel yoğunluklarındaki değişiklikleri en aza indirmek için normalleştirildi.

Ortalama hashing (aHash), fark hashing (dHash), algısal hash (pHash) ve wavelet hashing (wHash) şeklinde video içeriği parmak izi üretmek için dört algısal hashing fonksiyonu kullanıldı.

Hash üretimi için, kareler önce gri tonlamaya dönüştürülür ve aHash ile dHash hesaplamak için 8x8 piksel boyutuna dönüştürülürdü. aHash ile, her piksel ortalama gri ton değeriyle karşılaştırıldığında 64-bitlik bir parmak izi oluşturuldu. dHash algoritması da benzer bir şey yaptı, 64-bit parmak izi oluşturdu, ancak bitişik yatay piksel yoğunluklarının nasıl farklılaştığını inceledi. pHash için kareler 32x32 piksele yeniden boyutlandırıldı, ardından ayrık kosinüs dönüşümü hesaplandı. 64-bit algısal parmak izi üretmek için yalnızca düşük frekanslı 8x8 DCT katsayıları kullanıldı. wHash için ise kareler yine 32x32 piksele boyutlandırıldı, ancak bu sefer Haar dalgasit dönüşümü ile işlendi. Alınan en düşük frekanslı dalgalet katsayılarından 64-bitlik bir hash üretildi. Tüm bu parametre ayarları, tipik video ayarlamalarını yönetmek için hesaplama verimliliği ile güç arasında iyi bir denge sağlamayı amaçlar.

Verimli hash fonksiyonu hesaplamaları yapmak için bu görüntüler normalleştirildi ve boyutlandırıldı. Ortalama hash yöntemi, piksel yoğunluklarını resmin ortalamasıyla karşılaştırarak çalışır. Fark hashing benzer şekilde çalışır ancak piksel yoğunluklarını komşu piksellerle karşılaştırarak yerel gradyanlara odaklanır. Algısal hashing, DCT'den çıkan Fourier özelliklerini kullanırken, wavelet hashing özellikleri çıkarmak için wavelet dönüşüm sonuçlarına dayanır.

Blokzincir tabanlı telif hakkı kaydı ve doğrulama

Alınan algısal parmak izleri, sahiplik meta verileri, zaman damgaları ve işlem detayları, akıllı sözleşme vitChain aracılığıyla Hyperledger Fabric blok zincirine aktarılır. Blockchain uygulaması, iki organizasyon, iki eş, iki sıralı düğüm, iki sertifika otoritesi (CA) düğümü ve CouchDB durum veritabanlarını içerir; hepsi otomatik bir kanal üzerinden bağlanır. İzinli blokzincir çerçevesi, telif hakkı detaylarının güvenli işlemesini, sınırlı erişimini ve müdahale edilmez saklanmasını sağlar.

Telif hakkı kayıt işlemi, içerik sahibi videoyu kullanıcı arayüzü üzerinden yüklediğinde başlar. Bir kullanıcı telif hakkı kaydı için video gönderdiğinde, uygulama katmanı Hyperledger Fabric SDK aracılığıyla vitChain akıllı sözleşmesini çağırır. Bu kayıt, benzersiz bir işlem kimliği, sahip bilgisi, video kimliği, zaman damgası ve dört tür algısal hash değerini içerir: aHash, dHash, pHash ve wHash. Ayrıca, içerikle ilgili meta veriler de var. Uygulama, işlem teklifini destekleyen akranlara gönderiyor. Bu eşler daha sonra akıllı sözleşme mantığını çalıştırır ve işlemin onay politikasına uygun olduğundan emin olurlar. Başarılı doğrulamadan sonra işlem sipariş servisine geçer. Burada, doğrulanmış işlemler bloklara gruplanır ve deftere dahil edilmek üzere eş düğümlere gönderilir. Bu arada, ilgili meta veriler CouchDB'ye giriyor. İşlem kimliği üzerinden blokzincir kayıtlarına bağlanır, kolay aramaları sağlar ve hem zincir içi hem de zincir dışı verileri tutarlı tutarlı tutarlı tutarlı tutuyorlar.

Ön işleme ve algısal hash hesaplamalarının ardından, parmak izleri ve ilgili meta veriler, akıllı sözleşme tarafından yürütülecek bir işlem haline getirilir. İşlem doğrulaması, belirtilen onay politikasına uygun olarak katılımcı akrlar tarafından gerçekleştirilir. Onay alındığında, işlem dağıtılmış defterde bir bloka dahil edilmek üzere sipariş servisine iletilir. Güvenilir işletme için kayıt ve doğrulama süreçlerine temel hata yönetimi eklendi. İşlem gerçekleşmeden önce, uygulama zorunlu meta verileri, sahiplik bilgilerini ve algısal hash'ları kontrol ederek sorun yaşamamayı sağlar. Eğer işlemler onay kurallarına uymuyorsa veya geçersiz parametrelere sahipse, eş düğümler bunları doğrudan reddeder. İletişim arızaları veya işlem hataları gibi sorunlar olduğunda, sistem bunları kaydeder ve yönetici uyarısı gönderir. Bu, sistemde küçük işlem hatalarının yayılmasını önlemeye yardımcı olur. Telif hakkı kontrolleri sırasında, geçersiz meta veri veya bozuk hash değerleri içeren videolar doğrulama sürecinden çıkarılır. Parmak izi üretimi başarısız olan videolar da doğrulama sürecinden benzer şekilde dışlanır. Genel olarak, bu adımlar verileri temiz tutar ve çerçevenin güvenilirliğini güçlendirir. Telif hakkı korumalı videonun sahiplik bilgileri değişmez hale gelir ve daha sonra ulaşılabilir hale gelir.

Doğrulama

Doğrulama süreci benzer ön işleme ve parmak izi hesaplama adımlarını içerir, ardından blok zincirinde depolanan parmak izleriyle Hamming mesafesine dayalı benzerlik ölçümü kullanılarak parmak izi karşılaştırması yapılır. Benzerlik ölçümüne dayanarak, akıllı sözleşme gönderilen videonun telif hakkı bilgilerini belirler. Etkileşim iş akışı Şekil 3'te gösterilmiştir.

Benzerlik temelli telif hakkı doğrulaması

Telif hakkı doğrulama süreci, sorgu videosundan elde edilen algısal parmak izlerini, blokzincir sisteminde daha önce saklanan parmak izleriyle karşılaştırır. Kayıt sırasında kullanılan aynı ön işleme ve hash-değer oluşturma süreci, tutarlılığı sağlamak için doğrulama aşamasında da tekrarlanır. Benzerlik, iki hash değeri arasındaki bit farklarının sayısını sayan Hamming mesafesi kullanılarak ölçülür. Daha küçük Hamming mesafeleri iki video arasında daha fazla benzerlik gösterirken, daha yüksek Hamming mesafeleri içerik manipülasyonunu gösterir. Sorgu videosunun kayıtlı videoyla eşleşip eşleşmediğini görmek için, algısal hash değerleri arasındaki Hamming mesafesini kullandık. Ön deneylere dayanarak, yaygın video işleme işlemlerine karşı dayanıklılık ile yetkisiz değişikliklere karşı duyarlılık arasında uygun bir denge sağlamak için Hamming mesafesi eşiği 20 seçildi. Hamming mesafesi 20 veya daha az olan videolar aynı telif hakkı korumalı içeriği temsil ettiği kabul edilirdi. Daha fazla olsaydı, büyük değişiklikler gösterirdi. Bu 20, sıkıştırma, filtreleme, transkodlama ve kare hızı değişiklikleri gibi yaygın video düzenlemelerini yönetmek için seçilmiş, ancak yine de yetkisiz değişiklikleri algılıyor. Toplanan tüm çerçeve parmak izleri için benzerlik ölçümleri yapılır ve ardından telif hakkı doğrulama sonucu oluşturmak için toplanır. Kayıtlı içerikten sapan videolar ek inceleme için işaretlenir.

Dağıtım ortamı

Test platformu ortamı, Docker konteynerleri ve Minifab orkestrasyon aracı kullanılarak oluşturuldu. Hyperledger Fabric sürüm 2.4.8'e dayalı bir blok zinciri ağı, CouchDB'nin akıllı sözleşme verileri için devlet veritabanı ve depolama katmanı olarak kullanıldığı şekilde devreye alındı. vitChain akıllı sözleşmesi, Go sürümünde uygulandı ve Hyperledger Fabric zincir kodu yaşam döngüsü kullanılarak dağıtıldı. Dağıtım parametreleri Tablo 2'de özetlenmiştir. Ağ, İçerik Yaratıcısı ve Görüntü Yazarı olmak üzere iki katılımcı organizasyondan oluşuyordu. İşlem bütünlüğünü sağlamak ve yetkisiz telif hakkı kaydı veya değişikliğini önlemek için, bir işlemin deftere bağlanmasından önce her iki kuruluşun onayı gerektiren çoklu kuruluşlu bir onay politikası uygulandı. Özellikle, onay politikası AND ('ContentCreatorMSP.peer','VideographerMSP.peer') şeklinde ifade edilen bir AND kuralı izledi.

Sonuçlar

Önerilen merkeziyetsiz telif hakkı koruma modelinin etkinliğini değerlendirmek için, multimedya iletimi, düzenleme ve telif hakkı ihlali sırasında sıkça meydana gelen çeşitli video manipülasyon saldırılarına karşı test edilir. Değerlendirmedeki iki önemli faktör şunlardır: (i) algısal hashing algoritmasının telif hakkı ve müdahale tespit etmedeki güvenilirliği ve (ii) Hyperledger Fabric blokzincir ağının performansı. Ortalama hash (aHash), fark hash (dHash), algısal hash (pHash) ve wavel...

Tartışma

Önerilen çerçevenin gösterdiği gibi, blockchain algısal hashing ile entegre edilmesi, videoları telif hakkı ihlalinden merkeziyetsiz bir şekilde etkili bir şekilde koruyabilir. Birincisi, değişmez mülkiyet kaydı ile algısal hashing'i birleştirerek, telif hakkı yönetim sistemlerinin temel şartlarını da sağlar: güvenli mülkiyet kaydı ve telif hakkı korumalı materyallerin tanımlanması. İkinci olarak, Hyperledger Fabric kullanımı erişim kontrolü, şeffaf işlem yönetimi ve müdahale etmeye karş...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
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.