信息安全被认为是数据通信领域与各种基础设施最密切相关的问题之一。许多现代研究都在寻找有效的、轻量级的信息安全保护方法。数字水印是一种通过数据嵌入和数据提取过程来隐藏数据的安全技术。它可以集成到不同的框架中。数字水印是一种通过数据嵌入和数据提取过程来隐藏数据的安全技术。水印技术被集成到不同的帧中，而不像传统的加密技术那样添加额外的信息。因此，对于物联网（IoT）上运行的应用程序，使用水印技术进行数据加密是有效的。本文介绍了不同的数字水印算法和方法在物联网信息安全中的应用。1.物联网物联网(IoT)已经成为一种强大而灵活的基础设施，广泛服务于方方面面，在应用过程中产生海量数据。这些大量数据以数字形式存储，伴随着对数据的不安全处理，如操纵、复制和再分发，如侵犯版权和认证。这些数据处理是合法或非法进行的，并使用不同的方法来隐藏数据，例如隐写术和密码学。隐写术是一门从其他可用信息中隐藏信息的不可检测的艺术和科学，在确保访问控制方面非常有效。密码学是一种加密信息以使其不为外人所知的技术。这种方法的主要风险是数据可能会被解密，从而使机密内容得不到保护。为了解决这些问题，“数字水印”被提出并被认为是近期的研究热点之一。物联网的主要优势是全局感知、智能处理和可靠的信息传输，关键是实现人与设备或设备与设备的信息交互。这些设备包括嵌入式系统、控制和自动化系统、无线传感器网络以及其他在不同环境中相互共享信息以实现物联网和物联网的设备。因此，数据无需人工干预即可跨不同网络传输。在物联网应用的现实环境中，智慧城市和智能家居是最受欢迎的领域。这些应用大多由三层组成，包括：感知、网络和应用。网络层和应用层在高功率设备中实现以确保数据安全，而感知层在低功率无线传感器网络中实现。传感器网络由多个传感器节点组成，这些节点使用不同的无线电频率相互通信，能够执行各种传感、监测、测量和跟踪任务。这些无线节点是资源受限的设备，其特点是处理能力低、带宽窄、电池寿命有限和内存容量有限。物联网层之间的通信如图1所示。图1物联网连接图图1中，无线传感器网络根据使用的不同协议在感知层绘制网络拓扑和路由表。之后，WSN开始从不同位置收集数据，并转发给网络层（边缘路由器）。然而，WSN节点可以在不受定期监控的不受信任环境中正常运行。这使得无线传感器网络极易受到各种攻击，有价值的数据很容易泄露给未授权方，造成严重的安全和隐私风险。2.水印技术近年来，数字水印技术在不同领域变得至关重要，它为云计算、电子医疗、物联网等多种技术和应用提供了各种轻量级的解决方案。此外，完全支持敏感数据/信息的机密性、完整性和可用性。在同一背景下，物联网被广泛使用并突出了不同的安全问题。无线传感器网络（WSN）方法被认为是物联网应用领域的重要基础设施。这种方法使用各种低成本和低功耗的互联网连接设备，这些设备可以从不同情况下感知周围的数据并将它们转发到互联网。因此，安全性仍然是无线传感器网络面临的主要挑战。此外，通过不安全的在线媒体发送和广播敏感信息也是一个具有挑战性的问题。然而，传统的依赖于传输层套接字中的公钥、私钥、数字签名和数字认证的安全机制由于加密和解密操作的成本较高，不适用于此类设备来处理安全问题。这使得轻量级安全算法和水印系统等技术成为可行的选择。此外，这些限制促使研究人员在物联网相关领域研究各种水印方法。当然，不同的水印攻击还是需要缓解的，比如旋转、同化、压缩等，都可以在可接受的范围内使用。根据文件类型（图像、文本、视频和音频）对不同水印进行分类的方法旨在增加透明度和持久性。水印技术分为以下主要类型（见图2）。图2水印技术分类图3水印方法在物联网中的应用一些研究调查提出了一种特殊的方法，可以在整个水印和安全环境中提供鲁棒性和完整性。本节介绍了几种基于不同方法的水印技术研究，例如哈希、深度学习、加密和脆弱水印。图3说明了这些不同的方法。图3物联网中的水印技术根据研究方法的相似性进行分组，每组只包含一种技术或水印技术的一个参数。(1)RobustImage为了改善物联网层之间的图像传输，研究人员提出了一种新的基于生物正交族的水印方法。Symlets和coiflets小波变换也用于小波变换。该方法减轻了不同类型的攻击，禁止盗版新兴物联网系统中的数字图像认证。研究中提出的水印方案具有抗多重攻击的鲁棒性。在同一背景下，使用双正交小波变换来保持物联网中的图像真实感。在[1]中，研究人员提出了一种使用四级DWT（DiscreteWaveletTransform，离散小波变换）的新技术，其中每一级由双正交小波、离散Meyer小波、反向双向正交小波、coiflets小波变换和symlet小波组成.此外，研究人员描述了一种DCT（补充英文全称和中文名词）数字图像水印方法，主要是在将DCT应用于所选DWT系数集技术时，利用宿主图像的两个不同系数集嵌入水印。数据的隐私和机密性在物联网中传输时得到保护，其中提出了一个安全框架来隐藏所需的数据。为了提高嵌入数据的鲁棒性，避免嵌入数据在不同网络攻击，特别是几何攻击中的脆弱性，在嵌入数据时采用系数随机选择和块随机选择两种方法。阈值因子可以决定鲁棒性的强弱，选择最佳的阈值因子可以保持水印图像的感知质量。通过随机选择多个DCT系数嵌入水印位，确定水印图像各区域水印数据的分布。(2)深度学习[2]中提出了将深度学习技术应用于动态水印。研究人员利用长短期记忆(LSTM)块和动态水印技术来发现网络攻击。此过程从IoT信号中提取随机特征，例如衍射、光谱平坦度、中心矩和峰度，并在嵌入过程中将这些特征水印到原始信号中。研究人员使用深度强化学习(DRL)方法改进了嵌入技术，以通过虚拟知识产权水印改进攻击检测并降低计算成本。利用神经网络算法生成接近原始资源的知识产权水印位置。在验证知识产权归属时，DRL模型可以直接确定不同默认水印位置的范围。然后，以监督方式计算嵌入关系的地图位置，从而能够快速定位知识产权电路中的真实所有权信息。(3)编码水印另一种不同的技术被用作水印方法中的密钥管理，研究人员在[3]中提出了一种轻量级水印算法，它依靠动态随机密钥来维护WSN的隐私和数据完整性。提出了两种动态随机密钥算法，即全局算法和局部算法。在全局算法中，系统为所有WSN节点初始化一个j位的随机密钥，并根据这个密钥在每一轮中将嵌入位置右移j位。在本地算法中，每个无线传感器网络生成一个随机密钥。因此，水印方案需要密钥生成协议。此外，研究人员还证明了他们的算法因其低延迟、低复杂性和高精度而有效。另一方面，研究人员将轻量级椭圆曲线密码术(ECC)与脆弱的零水印算法相结合，而不是标准ECC中的数字签名。这种组合通过降低功耗和内存成本克服了物联网认证中的标准ECC限制。(4)哈希水印在数据完整性方面，水印方法中常使用哈希函数。作者在文献[4]中提出了水印技术中的双重认证策略，以保证源无人机到边缘路由器的数据传输安全。第一次身份验证发生在源目标和主目标之间。Masterdrone是一种集群技术，它允许相邻的无人机识别合适的无人机并将它们用作发送和接收数据的代理。此身份验证使用散列和密钥来计算水印序列。然后在嵌入过程中将其与源数据一起插入。但是，水印嵌入位置是根据作业的时间戳计算的。第二次认证在主从节点和边缘路由器之间进行。在主系统中，接收和聚合数据，并使用脆弱的水印算法生成随机密钥。在数据被发送到边缘路由器之前，这个随机密钥被嵌入到聚合数据中。当边缘路由器收到消息后，开始验证消息的真实性和完整性，并提取原始数据。该方案展示了对篡改和数据重放的抵抗力。研究人员提出了一种轻量级水印算法，该算法使用同态加密和哈希函数将水印数据与WSN数据一起嵌入。为了保证水印的安全性和能量效率，水印嵌入的位置和机制是根据不同的信道条件确定的。其中一种方法是在嵌入过程中随机选择的：DCT、DFT和DWT。然后，使用哈希算法生成同步变化因子，它定义了水印图像与原始图像之间的差异。(5)脆弱水印链式脆弱水印的目的是减少计算开销和检测未经授权的修改攻击。该技术首先将WSN数据分成几个固定大小的组。其次，哈希函数用于将组数据与密钥和组序列号相关联。散列函数的输出用于生成每个组中的水印段。最后将水印段以链表模型的形式存储在前一组中。实验结果表明，该方案在降低计算成本方面有所改进，这反映了无线传感器网络的寿命。脆弱的水印技术可以保持物联网三层之间的数据完整性。该技术依赖于计算WSN在感知层收集的数据的哈希值。然后，使用基于随机位置的水印算法计算嵌入位置。最后将带水印的对象发送到网络层。该技术有助于保护数据块免受转发、篡改、重放和欺骗等各种攻击。在[5]中，研究人员提出了一种轻量级脆弱水印技术来提高通信WSN节点之间的数据完整性。该算法基于MAC地址节点和散列函数以及嵌入方案的使用。(6)可逆水印可逆方法将无线传感器网络数据分组，统计每组数据的水印位数。之后，将数据嵌入水印位，然后发送到上层。上层提取带水印的数据包并检查水印位以恢复原始数据。[6]中的研究人员提出了一种可逆安全框架，能够在整个医学图像中安全地嵌入电子病历(EPR)。然后将这些图像存储到基于云的移动电子医疗保健系统中，云管理员无法通过数据获得访问权限，并且可以保护客户隐私。该方法将集成方法实现为最佳像素重复(OPR)，其中像素排列以可逆方式嵌入到数据中。另一方面，原始图像不需要从隐写图像中提取EPR。该方法在覆盖图像和隐写图像直方图不变性的情况下对统计攻击具有鲁棒性。本研究的重点是消除验证过程中加水印的复杂性，以减少删除任何额外不必要信息的延迟。参考文献[1]Al-Shayea,T.K.;马夫罗穆斯塔基斯，C.X.；巴塔拉，J.M.；马斯托拉基斯，G.；帕利斯，E.；Markakis,E.K.；帕纳乔塔基斯，S.；Khan,I.在物联网出现时使用多小波的DWT四级分解中的医学图像水印。在人工智能与环境危机中；施普林格：Cham，瑞士，2020年；第15–31页，ISBN9783030449063。[2]Ferdowsi,A.；Saad,W.基于深度学习的物联网安全信号认证动态水印。在2018年IEEE国际通信会议(ICC)会议记录中，堪萨斯城，密苏里州，美国，2018年5月20-24日；IEEE：皮斯卡塔韦，新泽西州，美国，2018年；第1–6页。[3]Hoang,T.-M.；Bui,V.-H.；Vu,N.-L.；Hoang,D.-H.一种基于层次无线传感器网络水印技术的轻量级混合安全方案。在2020年国际信息网络会议(ICOIN)会议记录中，西班牙巴塞罗那，1月7-10日2020年2月；IEEE：皮斯卡塔韦，新泽西州，美国，2020年；第649–653页。[4]Sun,J.；王，W。寇，L。林，Y。张，L。达，问。Chen,L.UAVadhoc网络通信的数据认证方案。Supercomput.2020,76,4041–4056.[5]Boubiche,D.E.；Boubiche,S.；Toral-Cruz,H.；Pathan,A.-S.K.；比拉米，A.；Athmani,S.SDAW：同构WSNs.Telecommun中基于安全数据聚合水印的方案。Syst.2016,62,277–288.[6]Kaw,J.A.；贷款，N.A.；帕拉，S.A.；穆罕默德，K。谢赫，J.A.；Bhat,G.M.用于IoT驱动的e-health.Int的可逆且安全的患者信息隐藏系统。J.Inf。Manag.2019,45,262–275。
