一种能定位pdf电子发票篡改的水印嵌入与认证方法
一种能定位pdf电子发票篡改的水印嵌入与认证方法
【技术领域】
[0001] 本发明涉及一种能定位roF电子发票篡改的水印嵌入与认证方法，属于电子发票 认证领域。
【背景技术】
[0002] 早在2012年，我国就启动了电子发票试点工作，减少开具纸质发票所造成的用纸 浪费。国家税务总局出台的《网络发票管理办法》从2013年4月1日起施行，要求所有开具 发票的单位和个人向消费者出具网络发票。现阶段的网络发票在用作财务记账凭证时，仍 然需要将电子发票打印在"特定纸质"上。也就是说，开具发票的单位和个人仍然需要将打 印的纸质发票通过快递寄送给消费者，造成人力、物力的浪费。为此，2013年6月和12月， 我国先后在北京、上海两地开始试点电子发票。至今成功开具电子发票超过5000万张。
[0003]2014年11月16日，国务院办公厅发布《关于促进内贸流通健康发展的若干意见》， 明确提出要"加快推进电子发票应用，完善电子会计凭证报销，登记入账及归档保管等配套 措施"。这是国务院层面首次公开推广电子发票，国家电子商务标准化总体组副组长邱月明 表示，随着电子商务的快速发展，必然带动发票业务的创新，电子发票较传统发票具有成 本低、效率高的天然性优势，未来几年有望在全国大范围内得到推广。
[0004]而在今年两会期间，推广电子发票、减少能源浪费，同样也成为委员们关注的焦 点。而就目前多个省市的试点情况而言，推广电子发票主要遇到"入账难、报销难"的问题。 对此，两会委员，苏宁控股集团董事长张近东在《加快推进电子发票报销入账》的提案中建 议，优先从法律、制度层面解决电子发票的合法效力问题、确立电子发票作为合法入账凭证 的法律地位，进而推进电子发票在全国范围普及。而当电子发票的法律地位被确认之后，随 之而来要解决"入账难、报销难"的问题。由于PDF格式具有安全性高，可移植性好，存储容 量小，因此现有的电子发票大多采用PDF格式。
[0005] 现有针对TOF电子发票的保护算法大多是基于数字签名的方法，它能够判别发票 是否被篡改，但并不能实现篡改定位的功能，其判定结果说服力差。
[0006] 采用水印嵌入的认证方法可以对PDF文件的篡改进行判定，也能对篡改进行定 位。但其认证算法大多数是利用交叉引用表中冗余空间嵌入水印，若采用此方法对PDF格 式的电子发票进行信息嵌入，则水印容量很小而且安全性低，给其后面的篡改定位带来限 制。
【发明内容】
[0007] 本发明的目的是提供一种能定位roF电子发票篡改的水印嵌入与认证方法。该方 法在保证实现水印不可见的同时，文件增量小，控制在1 %以内。其对篡改的检测准确性高， 误检率低，能够有效抵抗替换、添加和删除等篡改。
[0008] 本发明解决其技术问题，所采用的技术方案为：一种能定位roF电子发票篡改的 水印嵌入与认证方法，包括如下步骤：
[0009]A、基于文件阅读页面的水印生成
[0010]A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的 分布坐标分为〗个页面块Pi，即p={Pi|i= 12,…，I}，i为页面块序号，I为整个阅 读器页面P上的页面块总数；
[0011] A2、解析文件结构：对原始roF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头SH，文件体S。，交叉引用表Sx和文件尾ST四个部 分，艮p:s= {SH，s0,sx，ST};
[0012] 其中，文件体SQ由J个对象0」(j= 1，2，...，J)组成，即{0」|j= 1，2,…J}， j为对象号；
[0013] 交叉引用表S#J个索引信息Xj(j=1，2，...，J)组成，Xj={对象偏移地址 代表该对象所修改的次数，对象是否正在被使用的状态};
[0014] 文件尾ST包括文件描述、密码信息及文件体S中的根对象号、摘要对象号和对象 总数；
[0015]A3、认证信息生成：
[0016] 对每一个页面块Pi(i= 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi 中的文本内容凡，1\={t"Iq= 1，2, ? ?，zj，以及文本坐标Di，Di={d"Iq= 1，2, ? ?，zj， 其中，ti;q为文本内容Ti中的第q个信息单元，zi为文本内容T1包含的信息单元个数，di;q 为信息单元对应的坐标信息，各信息单元t&之间需添加行末标识符"\r\n" ；
[0017] 然后，基于秘钥&生成文本内容Ti与文本坐标Di的摘要信息Hi，氏= Hash(kp| |Dj;其中，Hash(?)表示Hash函数，| |代表连接操作；
[0018] 最后将页面块Pi的文本内容Tp文本坐标Di和摘要信息Hi连接起来构成页面块 Pi的认证信息A"Ai=Ti|也| |Hi;
[0019]A4、水印信息生成：对每个页面块Pi(i= 1,2…，I)，将A3步生成的认证信息八1进 行压缩并利用秘钥k2加密之后得到二进制压缩数据流Bp并添加PDF格式信息1，生成待 添加的PDF对象UiZ{BpYj，同时计算其字节长度，记为li;
[0020] 所述的PDF格式信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符；
[0021] B、基于文件代码的水印嵌入
[0022] 首先将A4步生成的I个待添加的PDF对象I作为页面块Pi的水印信息W= {W」i =1，2,…I}，将该水印信息W与A2步的文件体S。： {0j|j= 1，2,…J}合并，得到包含N= 1+了个合并对象〇'11的合并文件体3/。={0'」11=1，2，"川}，其中11为合并对象0 /11 的对象号，
同时根据偏移地址信息&，计算得到每个合并对象〇' "的 长度匕，
[0023] 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排 序前的位置信息按排序后的位置排列，构成对象置乱序列V，V= {vn|n= 1，2, . . .，I+J}， 其中vn为合并对象〇'n的新对象号，vne[1，I+J]的整数；据以进行置乱操作，即将合 并对象〇'n的对象号修改Svn，即令，随即得到置乱后的含水印文件体
[0024] C、交差索引表和文件尾的更新
[0025] 根据B步中得到的含水印文件体％和对象长度信息1' "计算出合并后的偏移地 址信息
，其中：a为第一个对象的偏移地址， 其具体值为PDF文件版本信息的文件*SH的字节长度；重新生成交差索引表.#，同时更新 文件尾ST中的根对象号、摘要对象号和对象总数，生成更新后的文件尾;
[0026] D、含水印roF电子发票文件生成
[0027] 将B步的含水印文件体和C步更新后的交差索引表#和文件尾合并重 构，即得到含水印的发票文件Fw;
[0028] E、认证信息重构和认证信息提取
[0029] E1、待检测文档的认证信息重构：
[0030] 将待测roF电子发票文件F#的阅读器页面P#，根据信息单元的固有的分布坐标分 为I个待测页面块Pi#，即P#={PIi= 1，2,…，1};
[0031] 对每一个待测页面块P'Q= 1，2…，I)，首先利用Itextsharp组件提取每个待测 页面块P'中的待测文本内容T'，T#i= {t^Jq=l，2，..，Zi}，以及待测文本坐标D'，D' ={d'，」q= 1，2, . .，zj，其中，t、为待测文本内容T'中的第q个待测信息单元，zi为待 测文本内容T'包含的信息单元个数，d为待测信息单元t\q对应的待测坐标信息，各待 测信息单元t\q之间需添加行末标识符"\r\n" ；
[0032] 然后，基于秘钥&生成待测文本内容T'与待测文本坐标D'的待测文本摘要信息 Hash(k1,T#i|IDV；
[0033] E2、认证信息提取：对待测的PDF电子发票文件F#代码页面S#进行解析得到待测 文件体
根据秘钥匕和对象置乱序列 V对I+J个 待测对象进行反置乱，找到待测对象中对应的I个伪对象即待测水印信息w^(i= 1，2,…，I)，
，解压待测水印信息 <中的待测压缩数据BA并利用秘钥k2解密 得到待测认证信息A;;
[0034] 按照E1中待测文本内容T'、待测文本坐标D'和待测文本摘要信息的长度， 由左到右依次从待测认证信息A;分割出对应页面块P^的提取文本内容TA提取文本坐 标D;，提取文本摘要信息H;，并根据行末标识符" \r\n"将提取文本信息IT分割出提取信 息单元t\q，以及从提取文本坐标分出对应的提取坐标单元d\q，即1^= {t\q|q= 1,2,..,zj,Di*={d*i；q |q= 1, 2, . . ,zj；
[0035] F、篡改认证
[0036] Fl、篡改真实性判定：如果待测文本内容T'和提取文本内容T广相等，且待测文本 摘要信息和提取文本摘要信息H^相等，则判定待测的TOF电子发票文件F#未被篡改， 输出检测通过的结果，完成检测；否则，判定待测的TOF电子发票文件已被篡改，进行F2步 的操作；
[0037] F2、篡改定位与标记：对F1步中认定为篡改的发票文件F#，找出与提取信息单元 t\q不相等的待测信息单元t ，即为被篡改信息单元t\q，输出检测不通过的结果；并根 据其对应的坐标信息，在被篡改信息单元t\q添加标识警示信息，使其对应的页面P# 显示文字内容处显示出篡改标识信息。
[0038] 与现有技术相比，本发明的有益效果是：
[0039] -、定位标记篡改：因本方法将信息单元的内容和其坐标值等作为水印信息，因 此当检测出发票被篡改后，系统会利用发票中被篡改信息单元对应的坐标信息将其精确标 识，且通过设定的标识信息的属性，如添加带有颜色的标线、标识框等在阅读器上突出显示 被篡改的信息单元。
[0040] 二、大水印容量、高安全性：相比利用交叉引用表中冗余空间嵌入水印，其水印容 量小，水印信息容易被发而导致安全性低，本方法根据roF阅读器显示的发票内容将页面 信息分为5个块，将分块后的发票块文本的内容信息、文本的坐标信息、人为添加的标记信 息以及文本信息与坐标信息的Hash值作为水印信息，经过加密、压缩以及添加对象中必要 的头尾部分，分别伪装成PDF合法对象嵌入PDF文件中，并利用秘钥置乱文件体中的所有对 象，最后重构PDF文件，从而让嫌疑者很难发现已经嵌入的伪造对象，因此安全性高，同时 每一个对象包含的水印信息远大于交叉引用表中的冗余空间，水印容量充足。
[0041] 三、定位复杂度低、定位信息完整：本方法将发票页面所有的文本信息和坐标信息 直接进行预处理如加密、压缩等作为水印信息嵌入PDF源文件中，文件增控制在1 %以内， 因此需要的水印量少，文件增量较少，定位信息完整；定位时，找到含水印的对象经过解压 缩、解密等步骤即可还原水印信息，因此定位复杂度低。
[0042] 本发明所述A2步中对原始TOF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头SH，文件体S。，交叉引用表Sx和文件尾ST。文件头 SH在本发明中并没有实际意义，因此不做分析，而文件体S。的信息可以通过交叉引用表找 到，因此只需分析交叉引用表&和文件尾S:两个部分，其具体做法是：
[0043] 将原始roF电子发票文件的代码页面S以字节的形式读到缓存区，找到文件 尾&唯一标识的关键字"trailer"（因本发票为线性PDF文件，因此只存在一个关键字 "trailer"）信息，即找到了文件尾ST，并记录文件尾&中的"Size"关键字后面的根对象 信息、摘要对象信息、对象总数等信息，即获取文件尾ST信息；
[0044] 同时查找交叉引用表Sx唯一标识的关键字"startxref"，其后即为交差引用表Sx， 记录交叉引用表Sx中的每一条偏移地址x」，以及与其对应的对象号信息，即获取了文件尾 Sxf目息。
[0045] 下面结合附图和【具体实施方式】对本发明作进一步地详细说明。
【附图说明】
[0046] 图1是为验证本发明方法对PDF电子发票部分内容替换篡改认证效果所用的原始 PDF电子发票。
[0047] 图2是对图1的PDF电子发票嵌入水印后的含水印的发票文件。
[0048] 图3是对图2的含水印的发票文件部分内容替换篡改后的PDF电子发票。
[0049] 图4是对图3的篡改后的TOF电子发票进行篡改定位和标记的TOF电子发票。
[0050] 图5是为验证本发明方法对TOF电子发票内容添加、删除篡改认证效果所用的原 始TOF电子发票。
[0051] 图6是对图5的TOF电子发票嵌入水印后的含水印的发票文件。
[0052] 图7是对图6的含水印的发票文件内容添加、删除篡改后的PDF电子发票。
[0053] 图8是对图7的篡改后的PDF电子发票进行篡改定位和标记的PDF电子发票。
[0054] 图9是为验证本发明方法对TOF电子发票同时进行添加、删除和替换篡改认证效 果所用的原始TOF电子发票。
[0055] 图10是对图9的TOF电子发票嵌入水印后的含水印的发票文件。
[0056] 图11是对图10的含水印的发票文件部分内容替换篡改后的PDF电子发票。
[0057] 图12是对图11的篡改后的PDF电子发票进行篡改定位和标记的PDF电子发票。
【具体实施方式】
[0058] 实施例
[0059] 本发明的一种【具体实施方式】是：一种能定位TOF电子发票篡改的水印嵌入与认证 方法，包括如下步骤：
[0060] A、基于文件阅读页面的水印生成
[0061] A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的 分布坐标分为〗个页面块Pi，即P= {Pi|i = 12,…，I}，i为页面块序号，I为整个阅 读器页面P上的页面块总数；
[0062] A2、解析文件结构：对原始TOF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头S H，文件体S。，交叉引用表Sx和文件尾S T四个部 分，艮p :s = {SH，s0, sx，ST};
[0063] 其中，文件体S。由J个对象0」(j =1，2，...，J)组成，即SQ= {0」|j =1，2,…J}， j为对象号；
[0064] 交叉引用表J个索引信息X」(j =1，2，...，J)组成，Xj={对象偏移地址Xj， 代表该对象所修改的次数，对象是否正在被使用的状态};
[0065]文件尾ST包括文件描述、密码信息及文件体S 中的根对象号、摘要对象号和对象 总数；
[0066] A3、认证信息生成：
[0067] 对每一个页面块Pi(i= 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi 中的文本内容凡，1\={t"Iq= 1，2,? ?，zj，以及文本坐标Di，Di={d"Iq= 1，2,? ?，zj， 其中，ti;q为文本内容T i中的第q个信息单元，z i为文本内容T 1包含的信息单元个数，d i;q 为信息单元对应的坐标信息，各信息单元t &之间需添加行末标识符"\r\n" ；
[0068] 然后，基于秘钥ki生成文本内容Ti与文本坐标Di的摘要信息Hi，Hi= Hash (kp | | Dj ;其中，Hash (?)表示Hash函数，| |代表连接操作；
[0069]最后将页面块Pi的文本内容Tp文本坐标Di和摘要信息Hi连接起来构成页面块 Pi的认证信息A"Ai= T i |也| |Hi;
[0070] A4、水印信息生成：对每个页面块Pi(i = 1，2…，I)，将A3步生成的认证信息 行压缩并利用秘钥k2加密之后得到二进制压缩数据流Bi，并添加PDF格式信息Yi，生成待 添加的PDF对象UiZ{BpYj，同时计算其字节长度，记为li;
[0071] 所述的PDF格式 信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符；
[0072]B、基于文件代码的水印嵌入
[0073] 首先将A4步生成的I个待添加的PDF对象I作为页面块Pi的水印信息W= {W」i =1，2,…I}，将该水印信息W与A2步的文件体S。： {0j|j= 1，2,…J}合并，得到包含N= 1+了个合并对象〇'11的合并文件体3/。={0'」11=1，2，"川}，其中11为合并对象0 /11 的对象号，
：同时根据偏移地址信息&，计算得到每个合并对象〇' "的 长度匕，
[0074] 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排 序前的位置信息按排序后的位置排列，构成对象置乱序列V，V= {vn|n= 1，2,. . .，I+J}， 其中vn为合并对象〇'n的新对象号，vne[1，I+J]的整数；据以进行置乱操作，即将合 并对象〇'n的对象号修改Svn，即令
，随即得到置乱后的含水印文件体5^，
[0075] C、交差索引表和文件尾的更新
[0076] 根据B步中得到的含水印文件体5^和对象长度信息1'"计算出合并后的偏移地 址信息
，其中：a为第一个对象(^的偏移地址， 其具体值为PDF文件版本信息的文件*SH的字节长度；重新生成交差索引表:#，同时更新 文件尾ST中的根对象号、摘要对象号和对象总数，生成更新后的文件尾
[0077]D、含水印H)F电子发票文件生成
[0078] 将B步的含水印文件体和C步更新后的交差索引表#和文件尾合并重构， 即得到含水印的发票文件Fw;
[0079] E、认证信息重构和认证信息提取
[0080] E1、待检测文档的认证信息重构：
[0081] 将待测TOF电子发票文件F#的阅读器页面P#，根据信息单元的固有的分布坐标分 为I个待测页面块P，，即P#={P'Ii= 1，2,…，1};
[0082] 对每一个待测页面块P'Q= 1，2…，I)，首先利用Itextsharp组件提取每个待测 页面块P'中的待测文本内容T'，T#i= {t^Jq=l，2，..，Zi}，以及待测文本坐标D'，D' ={d'，」q= 1，2, . .，zj，其中，t、为待测文本内容T^中的第q个待测信息单元，zi为待 测文本内容A包含的信息单元个数，d 为待测信息单元t\q对应的待测坐标信息，各待 测信息单元t\q之间需添加行末标识符"\r\n" ；
[0083]然后，基于秘钥&生成待测文本内容T'与待测文本坐标D'的待测文本摘要信息 Hash(k1,T#i|IDV；
[0084] E2、认证信息提取：对待测的TOF电子发票文件F#代码页面S#进行解析得到待测 文件体
，根据秘钥匕和对象置乱序列V对I+J个 待测对象进行反置乱，找到待测对象〇&中对应的I个伪对象即待测水印信息Wi#(i= 1，2,…，I)
，解压待测水印信息W;中的待测压缩数据BA并利用秘钥k2解密 得到待测认证信息A;;
[0085] 按照E1中待测文本内容T'、待测文本坐标D'和待测文本摘要信息的长度， 由左到右依次从待测认证信息A;分割出对应页面块P^的提取文本内容TA提取文本坐 标D;，提取文本摘要信息H;，并根据行末标识符" \r\n"将提取文本信息IT分割出提取信 息单元t\q，以及从提取文本坐标分出对应的提取坐标单元d\q，即1^= {t\q|q= 1,2,..,zj,Di*={d*i；q |q= 1, 2, . . ,zj；
[0086] F、篡改认证
[0087] Fl、篡改真实性判定：如果待测文本内容T'和提取文本内容T广相等，且待测文本 摘要信息和提取文本摘要信息H^相等，则判定待测的TOF电子发票文件F#未被篡改， 输出检测通过的结果，完成检测；否则，判定待测的TOF电子发票文件已被篡改，进行F2步 的操作；
[0088] F2、篡改定位与标记：对F1步中认定为篡改的发票文件F#，找出与提取信息单元 t\q不相等的待测信息单元t，即为被篡改信息单元t\q，输出检测不通过的结果；并根 据其对应的坐标信息，在被篡改信息单元t\q添加标识警示信息，使其对应的页面P# 显示文字内容处显示出篡改标识信息。
[0089] 本发明的效果可以通过以下性能分析及试验得到验证和说明：
[0090] 其中，水印容量用单个文件中嵌入的字节数（Byte)来衡量，发票增量用文件字节 (Byte)变化的百分比做衡量。
[0091] 一、水印容量与发票大小增量的分析与统计
[0092] 对同类的水印嵌入算法，水印容量越大，带来文件的增量也越大。
[0093] 现有文献的文件增量多控制在5%以内，考虑到隐蔽性，防止被破解者嫌疑以及减 少存储空间，本发明将水印容量设定在1 %以内。水印容量根据对象块的内容大小不同而变 化。表1给出了本发明对常用PDF格式的电子发票原始文件大小、页面数、嵌入耗时、水印 容量及增量的统计结果。由表1可以看出，本发明文件增量即为水印容量，在0.5%左右，能 很好的保证文件的传输；在嵌入耗时一栏中计算了水印嵌入文件的时间和更新交叉引用表 的时间，该时间基本在l〇ms以下，嵌入效率高，适于实际应用。
[0094] 表1通过本发明方法对电子发票嵌入水印的参数统计结果
[0095]
[0096] 注：表中发票测试对象均来自本发明者自己开发的发票制作系统
[0097] 二、篡改检测性能的测试
[0098] 为验证算法在部分内容替换、添加、删除和混合篡改下的检测性能，用上述实施例 的方法对PDF格式电子发票文件进行了相关测试。
[0099] 1、部分内容替换篡改
[0100] 如图1所示，以文件大小98, 458字节的PDF格式电子发票为测试对象，利用本发 明生成的含水印文件见图2,从图1和图2可以看出水印完全不可见；水印容量为458字节， 其中嵌入耗时为5毫秒，含水印电子发票大小增量为0. 48%。对图2进行如下替换篡改：1) 在商品编号1中的数量一栏中用"11"替换"1";2)合计人民币（大写）一栏中用"拾元" 替换"伍拾元";3)发票代码中用"1110013710715"替换"111001371071";4)在日期一栏中 用"2015-02-06"替换"2015-02-02" ；2)小写一栏中用"Y10"替换"Y50"，图3是对图2 篡改后的图像。
[0101] 图4是用本发明方法对图3进行认证后的定位图像；定位精度为子块文字信息的 长度，定位标记为一条红线。可以看到，由于本发明对可以获取发票中的所有文字坐标信 息，使得图4准确检测到了篡改。通过替换篡改结果可以看出，本发明对发票进行准确定 位，不存在漏检或虚检错误。
[0102] 2、添加、删除篡改
[0103] 如图5所示，以文件大小100, 325字节的PDF格式电子发票为测试对象，利用本发 明生成的含水印文件见图6,水印容量为492字节其中的，嵌入耗时为6毫秒，含水印电子 发票大小增量为〇. 51 %。对图6进行如下篡改：1)添加项目"小果耳机"，商品相应的单价 "Y20"，商品相应的数量"1"，商品相应的金额"20"。图7是对图6进行篡改后的图像。
[0104] 图8是用本发明方法对图7的篡改后的电子发票进行认证后的篡改定位图像，定 位精度同样为子块文字信息的长度，定位标记为一条红线。可以看到，本发明因为对文件信 息分块之后进行逐一对比，并可以获取文件中文字的坐标信息，而在认证时的也是进行分 块模式，这样为最终的准确定位提供了保障。测试结果表明本发明对添加、删除篡改拥有较 好的认证能力。
[0105] 3、同时进行添加、删除和替换篡改
[0106] 以如图9所示的PDF原始电子发票为测试对象，利用本发明生成的含水印文 件见图10。对含水印电子发票文件如图10进行以下篡改：1)添加项目"百雀羚洗面 奶"，单价"Y30"，数量"1"，金额"Y30"；2 )删除行业分类中的"商业"以及收款单位 的全部信息；3)大写合计的"贰拾元"改为"五拾元"，小写合计"Y20"为"50"，开票时 间由 "2015-02-03" 修改为"2015-02-17"，防伪码由 "WbTPJuvt5Sj44bt8DM-N3" 修改为 "bPJbubvt5Sj44bt8DMN335 ";得到包含三种篡改方式多个篡改区域的电子发票文件如图11 所示。图12是利用本发明方法对图11认证、篡改定位的图像，定位精度为子块文字信息的 长度，定位标记为一条红线。综合以上测试结果可看出，当添加、删除和替换同时存在于一 个PDF格式电子发票文件中时，本发明算法依然具有精确的篡改定位能力。
【主权项】
1. 一种能定位roF电子发票篡改的水印嵌入与认证方法，包括如下步骤： A、 基于文件阅读页面的水印生成 A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的分布 坐标分为I个页面块Pi，即P= {Pi Ii = 1，2, ···，〗}，i为页面块序号，I为整个阅读器 页面P上的页面块PjA总数； A2、解析文件结构：对原始TOF电子发票文件的代码页面S进行PDF文件结构解析，得 到标明PDF文件版本信息的文件头Sh，文件体S。，交叉引用表SjP文件尾S泗个部分，即： S = {SH, S0, Sx, ST}； 其中，文件体 Sq 由 J个对象 Oj(j = 1，2，...，J)组成，即 S。= {Ojl j = 1，2，... J}，j 为 对象号； 交叉引用表Sx* J个索引信息XjU = 1，2，...，J)组成，Xj= {对象偏移地址X j，代 表该对象所修改的次数，对象是否正在被使用的状态}; 文件尾St包括文件描述、密码信息及文件体S 中的根对象号、摘要对象号和对象总 数； A3、认证信息生成： 对每一个页面块PiQ = 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi中的 文本内容 Ti, Ti= {t J q = 1，2, . .，zj，以及文本坐标 Di, Di= {d "I q = 1，2, . .，zj，其 中，ti;(1为文本内容T i中的第q个信息单元，z i为文本内容T 1包含的信息单元个数，d &为 信息单元对应的坐标信息，各信息单元t &之间需添加行末标识符"\r\n" ； 然后，基于秘钥Ic1生成文本内容Ti与文本坐标Di的摘要信息H i,Hi= HashQi1, Ti I IDi); 其中，Hash( ·)表示Hash函数，I I代表连接操作； 最后将页面块Pi的文本内容T i、文本坐标Di和摘要信息H i连接起来构成页面块P ^勺 认证信息 Ai, Ai = T i I !Di I !Hi; A4、水印信息生成：对每个页面块Pi (i = 1，2…，I)，将A3步生成的认证信息Ai进行压 缩并利用秘钥k2加密之后得到二进制压缩数据流B i，并添加 PDF格式信息Yi，生成待添加 的PDF对象Wi, Wi= {Bp YJ，同时计算其字节长度，记为Ii; 所述的PDF格式信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符； B、 基于文件代码的水印嵌入 首先将A4步生成的I个待添加的PDF对象Wi作为页面块P i的水印信息W = {W i I i = 1，2，... I}，将该水印信息W与A2步的文件体S。= IOjI j = 1，2，... J}合并，得到包含N = 1+了个合并对象屮11的合并文件体"。={0'」11=1，2，...叫，其中11为合并对象屮11 的对象号，；同时根据偏移地址信息\，计算得到每个合并对象CV "的 长度，其中/ j5 =X/ I -Ay； 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排序 前的位置信息按排序后的位置排列，构成对象置乱序列V，V = IvnIn = 1，2,. . .，I+J}， 其中Vn为合并对象CV n的新对象号，vne [1，I+J]的整数；据以进行置乱操作，即将合 并对象〇' n的对象号修改为vn，即令= 〇;，随即得到置乱后的含水印文件体，C、 交差索引表和文件尾的更新 根据B步中得到的含水印文件体和对象长度信息I' n计算出合并后的偏移地址信 肩，其中：a为第一个对象O1的偏移地址，其具 体值为PDF文件版本信息的文件头Sh的字节长度；重新生成交差索引表^，同时更新文件 尾St中的根对象号、摘要对象号和对象总数，生成更新后的文件尾; D、 含水印HF电子发票文件生成 将B步的含水印文件体和C步更新后的交差索引表#和文件尾句T合并重构，即得 到含水印的发票文件Fw; E、 认证信息重构和认证信息提取 E1、待检测文档的认证信息重构： 将待测HF电子发票文件Fs的阅读器页面P #，根据信息单元的固有的分布坐标分为I 个待测页面块ΡΛ即Ps= {P ' I i = 1，2,…，1}; 对每一个待测页面块Ptti Q = 1，2…，I)，首先利用Itextsharp组件提取每个待测页 面块Psi中的待测文本内容T % Tsi= {t'Jq = 1，2，..，Zi}，以及待测文本坐标D'，Dsi = {d、I q = 1，2, · ·，Zi}，其中，为待测文本内容T '中的第q个待测信息单元，z丨为待测 文本内容Tsi包含的信息单元个数，d ^为待测信息单元t 对应的待测坐标信息，各待测 信息单元之间需添加行末标识符"\r\n" ； 然后，基于秘钥h生成待测文本内容T '与待测文本坐标D 的待测文本摘要信息H'， Hfli= Hash (k1； Tfli I IDfli)； E2、认证信息提取：对待测的HF电子发票文件F#代码页面S #进行解析得到待测文 件体.?"%根据秘钥M5P对象置乱序列V对I+J个待 测对象％n:进行反置乱，找到待测对象〇χ；η中对应的I个伪对象即待测水印信息WiYi = 1，2,…，I)，，解压待测水印信息Wi冲的待测压缩数据B Λ并利用秘钥k2解密 得到待测认证信息ΑΛ 按照El中待测文本内容Tsi、待测文本坐标Dsi和待测文本摘要信息Hsi的长度，由 左到右依次从待测认证信息分割出对应页面块P ^的提取文本内容T Λ提取文本坐标 Di'提取文本摘要信息ΗΛ并根据行末标识符" \r\n"将提取文本信息分割出提取信 息单元，以及从提取文本坐标分出对应的提取坐标单元d\q，即IT= {t'Jq = 1,2,.., zj , Di*= {d *i；q I q = I, 2, . . , zj ； F、 篡改认证 FI、篡改真实性判定：如果待测文本内容Tsi和提取文本内容T广相等，且待测文本摘要 信息H/和提取文本摘要信息H ^相等，则判定待测的TOF电子发票文件F #未被篡改，输出 检测通过的结果，完成检测；否则，判定待测的HF电子发票文件已被篡改，进行F2步的操 作； F2、篡改定位与标记：对Fl步中认定为篡改的发票文件Fs，找出与提取信息单元不 相等的待测信息单元，即为被篡改信息单元，输出检测不通过的结果；并根据其对 应的坐标信息Clsi^在被篡改信息单元添加标识警示信息，使其对应的页面P #显示文 字内容处显示出篡改标识信息。
【专利摘要】一种能定位PDF电子发票篡改的水印嵌入与认证方法，包括A基于文件阅读页面的水印生成，具体包括阅读器页面分块、解析代码页面文件结构；生成认证信息、根据认证信息生成水印；B基于文件代码的水印嵌入；C交差索引表和文件尾的更新；D含水印PDF电子发票文件生成；对待测的PDF电子文件进行E认证信息重构和认证信息提取和F篡改认证，篡改认证包括篡改真实性判定和篡改定位与标记。该方法在保证实现水印不可见的同时，文件增量小，控制在1％以内。其对篡改的检测准确性高，误检率低，能够有效抵抗替换、添加和删除等篡改。
【IPC分类】G06T1/00
【公开号】CN104899822
【申请号】CN201510339156
【发明人】陈帆, 张旋, 和红杰
【申请人】西南交通大学
【公开日】2015年9月9日
【申请日】2015年6月17日
【技术领域】
[0001] 本发明涉及一种能定位roF电子发票篡改的水印嵌入与认证方法，属于电子发票 认证领域。
【背景技术】
[0002] 早在2012年，我国就启动了电子发票试点工作，减少开具纸质发票所造成的用纸 浪费。国家税务总局出台的《网络发票管理办法》从2013年4月1日起施行，要求所有开具 发票的单位和个人向消费者出具网络发票。现阶段的网络发票在用作财务记账凭证时，仍 然需要将电子发票打印在"特定纸质"上。也就是说，开具发票的单位和个人仍然需要将打 印的纸质发票通过快递寄送给消费者，造成人力、物力的浪费。为此，2013年6月和12月， 我国先后在北京、上海两地开始试点电子发票。至今成功开具电子发票超过5000万张。
[0003]2014年11月16日，国务院办公厅发布《关于促进内贸流通健康发展的若干意见》， 明确提出要"加快推进电子发票应用，完善电子会计凭证报销，登记入账及归档保管等配套 措施"。这是国务院层面首次公开推广电子发票，国家电子商务标准化总体组副组长邱月明 表示，随着电子商务的快速发展，必然带动发票业务的创新，电子发票较传统发票具有成 本低、效率高的天然性优势，未来几年有望在全国大范围内得到推广。
[0004]而在今年两会期间，推广电子发票、减少能源浪费，同样也成为委员们关注的焦 点。而就目前多个省市的试点情况而言，推广电子发票主要遇到"入账难、报销难"的问题。 对此，两会委员，苏宁控股集团董事长张近东在《加快推进电子发票报销入账》的提案中建 议，优先从法律、制度层面解决电子发票的合法效力问题、确立电子发票作为合法入账凭证 的法律地位，进而推进电子发票在全国范围普及。而当电子发票的法律地位被确认之后，随 之而来要解决"入账难、报销难"的问题。由于PDF格式具有安全性高，可移植性好，存储容 量小，因此现有的电子发票大多采用PDF格式。
[0005] 现有针对TOF电子发票的保护算法大多是基于数字签名的方法，它能够判别发票 是否被篡改，但并不能实现篡改定位的功能，其判定结果说服力差。
[0006] 采用水印嵌入的认证方法可以对PDF文件的篡改进行判定，也能对篡改进行定 位。但其认证算法大多数是利用交叉引用表中冗余空间嵌入水印，若采用此方法对PDF格 式的电子发票进行信息嵌入，则水印容量很小而且安全性低，给其后面的篡改定位带来限 制。
【发明内容】
[0007] 本发明的目的是提供一种能定位roF电子发票篡改的水印嵌入与认证方法。该方 法在保证实现水印不可见的同时，文件增量小，控制在1 %以内。其对篡改的检测准确性高， 误检率低，能够有效抵抗替换、添加和删除等篡改。
[0008] 本发明解决其技术问题，所采用的技术方案为：一种能定位roF电子发票篡改的 水印嵌入与认证方法，包括如下步骤：
[0009]A、基于文件阅读页面的水印生成
[0010]A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的 分布坐标分为〗个页面块Pi，即p={Pi|i= 12,…，I}，i为页面块序号，I为整个阅 读器页面P上的页面块总数；
[0011] A2、解析文件结构：对原始roF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头SH，文件体S。，交叉引用表Sx和文件尾ST四个部 分，艮p:s= {SH，s0,sx，ST};
[0012] 其中，文件体SQ由J个对象0」(j= 1，2，...，J)组成，即{0」|j= 1，2,…J}， j为对象号；
[0013] 交叉引用表S#J个索引信息Xj(j=1，2，...，J)组成，Xj={对象偏移地址 代表该对象所修改的次数，对象是否正在被使用的状态};
[0014] 文件尾ST包括文件描述、密码信息及文件体S中的根对象号、摘要对象号和对象 总数；
[0015]A3、认证信息生成：
[0016] 对每一个页面块Pi(i= 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi 中的文本内容凡，1\={t"Iq= 1，2, ? ?，zj，以及文本坐标Di，Di={d"Iq= 1，2, ? ?，zj， 其中，ti;q为文本内容Ti中的第q个信息单元，zi为文本内容T1包含的信息单元个数，di;q 为信息单元对应的坐标信息，各信息单元t&之间需添加行末标识符"\r\n" ；
[0017] 然后，基于秘钥&生成文本内容Ti与文本坐标Di的摘要信息Hi，氏= Hash(kp| |Dj;其中，Hash(?)表示Hash函数，| |代表连接操作；
[0018] 最后将页面块Pi的文本内容Tp文本坐标Di和摘要信息Hi连接起来构成页面块 Pi的认证信息A"Ai=Ti|也| |Hi;
[0019]A4、水印信息生成：对每个页面块Pi(i= 1,2…，I)，将A3步生成的认证信息八1进 行压缩并利用秘钥k2加密之后得到二进制压缩数据流Bp并添加PDF格式信息1，生成待 添加的PDF对象UiZ{BpYj，同时计算其字节长度，记为li;
[0020] 所述的PDF格式信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符；
[0021] B、基于文件代码的水印嵌入
[0022] 首先将A4步生成的I个待添加的PDF对象I作为页面块Pi的水印信息W= {W」i =1，2,…I}，将该水印信息W与A2步的文件体S。： {0j|j= 1，2,…J}合并，得到包含N= 1+了个合并对象〇'11的合并文件体3/。={0'」11=1，2，"川}，其中11为合并对象0 /11 的对象号，
同时根据偏移地址信息&，计算得到每个合并对象〇' "的 长度匕，
[0023] 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排 序前的位置信息按排序后的位置排列，构成对象置乱序列V，V= {vn|n= 1，2, . . .，I+J}， 其中vn为合并对象〇'n的新对象号，vne[1，I+J]的整数；据以进行置乱操作，即将合 并对象〇'n的对象号修改Svn，即令，随即得到置乱后的含水印文件体
[0024] C、交差索引表和文件尾的更新
[0025] 根据B步中得到的含水印文件体％和对象长度信息1' "计算出合并后的偏移地 址信息
，其中：a为第一个对象的偏移地址， 其具体值为PDF文件版本信息的文件*SH的字节长度；重新生成交差索引表.#，同时更新 文件尾ST中的根对象号、摘要对象号和对象总数，生成更新后的文件尾;
[0026] D、含水印roF电子发票文件生成
[0027] 将B步的含水印文件体和C步更新后的交差索引表#和文件尾合并重 构，即得到含水印的发票文件Fw;
[0028] E、认证信息重构和认证信息提取
[0029] E1、待检测文档的认证信息重构：
[0030] 将待测roF电子发票文件F#的阅读器页面P#，根据信息单元的固有的分布坐标分 为I个待测页面块Pi#，即P#={PIi= 1，2,…，1};
[0031] 对每一个待测页面块P'Q= 1，2…，I)，首先利用Itextsharp组件提取每个待测 页面块P'中的待测文本内容T'，T#i= {t^Jq=l，2，..，Zi}，以及待测文本坐标D'，D' ={d'，」q= 1，2, . .，zj，其中，t、为待测文本内容T'中的第q个待测信息单元，zi为待 测文本内容T'包含的信息单元个数，d为待测信息单元t\q对应的待测坐标信息，各待 测信息单元t\q之间需添加行末标识符"\r\n" ；
[0032] 然后，基于秘钥&生成待测文本内容T'与待测文本坐标D'的待测文本摘要信息 Hash(k1,T#i|IDV；
[0033] E2、认证信息提取：对待测的PDF电子发票文件F#代码页面S#进行解析得到待测 文件体
根据秘钥匕和对象置乱序列 V对I+J个 待测对象进行反置乱，找到待测对象中对应的I个伪对象即待测水印信息w^(i= 1，2,…，I)，
，解压待测水印信息 <中的待测压缩数据BA并利用秘钥k2解密 得到待测认证信息A;;
[0034] 按照E1中待测文本内容T'、待测文本坐标D'和待测文本摘要信息的长度， 由左到右依次从待测认证信息A;分割出对应页面块P^的提取文本内容TA提取文本坐 标D;，提取文本摘要信息H;，并根据行末标识符" \r\n"将提取文本信息IT分割出提取信 息单元t\q，以及从提取文本坐标分出对应的提取坐标单元d\q，即1^= {t\q|q= 1,2,..,zj,Di*={d*i；q |q= 1, 2, . . ,zj；
[0035] F、篡改认证
[0036] Fl、篡改真实性判定：如果待测文本内容T'和提取文本内容T广相等，且待测文本 摘要信息和提取文本摘要信息H^相等，则判定待测的TOF电子发票文件F#未被篡改， 输出检测通过的结果，完成检测；否则，判定待测的TOF电子发票文件已被篡改，进行F2步 的操作；
[0037] F2、篡改定位与标记：对F1步中认定为篡改的发票文件F#，找出与提取信息单元 t\q不相等的待测信息单元t ，即为被篡改信息单元t\q，输出检测不通过的结果；并根 据其对应的坐标信息，在被篡改信息单元t\q添加标识警示信息，使其对应的页面P# 显示文字内容处显示出篡改标识信息。
[0038] 与现有技术相比，本发明的有益效果是：
[0039] -、定位标记篡改：因本方法将信息单元的内容和其坐标值等作为水印信息，因 此当检测出发票被篡改后，系统会利用发票中被篡改信息单元对应的坐标信息将其精确标 识，且通过设定的标识信息的属性，如添加带有颜色的标线、标识框等在阅读器上突出显示 被篡改的信息单元。
[0040] 二、大水印容量、高安全性：相比利用交叉引用表中冗余空间嵌入水印，其水印容 量小，水印信息容易被发而导致安全性低，本方法根据roF阅读器显示的发票内容将页面 信息分为5个块，将分块后的发票块文本的内容信息、文本的坐标信息、人为添加的标记信 息以及文本信息与坐标信息的Hash值作为水印信息，经过加密、压缩以及添加对象中必要 的头尾部分，分别伪装成PDF合法对象嵌入PDF文件中，并利用秘钥置乱文件体中的所有对 象，最后重构PDF文件，从而让嫌疑者很难发现已经嵌入的伪造对象，因此安全性高，同时 每一个对象包含的水印信息远大于交叉引用表中的冗余空间，水印容量充足。
[0041] 三、定位复杂度低、定位信息完整：本方法将发票页面所有的文本信息和坐标信息 直接进行预处理如加密、压缩等作为水印信息嵌入PDF源文件中，文件增控制在1 %以内， 因此需要的水印量少，文件增量较少，定位信息完整；定位时，找到含水印的对象经过解压 缩、解密等步骤即可还原水印信息，因此定位复杂度低。
[0042] 本发明所述A2步中对原始TOF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头SH，文件体S。，交叉引用表Sx和文件尾ST。文件头 SH在本发明中并没有实际意义，因此不做分析，而文件体S。的信息可以通过交叉引用表找 到，因此只需分析交叉引用表&和文件尾S:两个部分，其具体做法是：
[0043] 将原始roF电子发票文件的代码页面S以字节的形式读到缓存区，找到文件 尾&唯一标识的关键字"trailer"（因本发票为线性PDF文件，因此只存在一个关键字 "trailer"）信息，即找到了文件尾ST，并记录文件尾&中的"Size"关键字后面的根对象 信息、摘要对象信息、对象总数等信息，即获取文件尾ST信息；
[0044] 同时查找交叉引用表Sx唯一标识的关键字"startxref"，其后即为交差引用表Sx， 记录交叉引用表Sx中的每一条偏移地址x」，以及与其对应的对象号信息，即获取了文件尾 Sxf目息。
[0045] 下面结合附图和【具体实施方式】对本发明作进一步地详细说明。
【附图说明】
[0046] 图1是为验证本发明方法对PDF电子发票部分内容替换篡改认证效果所用的原始 PDF电子发票。
[0047] 图2是对图1的PDF电子发票嵌入水印后的含水印的发票文件。
[0048] 图3是对图2的含水印的发票文件部分内容替换篡改后的PDF电子发票。
[0049] 图4是对图3的篡改后的TOF电子发票进行篡改定位和标记的TOF电子发票。
[0050] 图5是为验证本发明方法对TOF电子发票内容添加、删除篡改认证效果所用的原 始TOF电子发票。
[0051] 图6是对图5的TOF电子发票嵌入水印后的含水印的发票文件。
[0052] 图7是对图6的含水印的发票文件内容添加、删除篡改后的PDF电子发票。
[0053] 图8是对图7的篡改后的PDF电子发票进行篡改定位和标记的PDF电子发票。
[0054] 图9是为验证本发明方法对TOF电子发票同时进行添加、删除和替换篡改认证效 果所用的原始TOF电子发票。
[0055] 图10是对图9的TOF电子发票嵌入水印后的含水印的发票文件。
[0056] 图11是对图10的含水印的发票文件部分内容替换篡改后的PDF电子发票。
[0057] 图12是对图11的篡改后的PDF电子发票进行篡改定位和标记的PDF电子发票。
【具体实施方式】
[0058] 实施例
[0059] 本发明的一种【具体实施方式】是：一种能定位TOF电子发票篡改的水印嵌入与认证 方法，包括如下步骤：
[0060] A、基于文件阅读页面的水印生成
[0061] A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的 分布坐标分为〗个页面块Pi，即P= {Pi|i = 12,…，I}，i为页面块序号，I为整个阅 读器页面P上的页面块总数；
[0062] A2、解析文件结构：对原始TOF电子发票文件的代码页面S进行PDF文件结构解 析，得到标明PDF文件版本信息的文件头S H，文件体S。，交叉引用表Sx和文件尾S T四个部 分，艮p :s = {SH，s0, sx，ST};
[0063] 其中，文件体S。由J个对象0」(j =1，2，...，J)组成，即SQ= {0」|j =1，2,…J}， j为对象号；
[0064] 交叉引用表J个索引信息X」(j =1，2，...，J)组成，Xj={对象偏移地址Xj， 代表该对象所修改的次数，对象是否正在被使用的状态};
[0065]文件尾ST包括文件描述、密码信息及文件体S 中的根对象号、摘要对象号和对象 总数；
[0066] A3、认证信息生成：
[0067] 对每一个页面块Pi(i= 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi 中的文本内容凡，1\={t"Iq= 1，2,? ?，zj，以及文本坐标Di，Di={d"Iq= 1，2,? ?，zj， 其中，ti;q为文本内容T i中的第q个信息单元，z i为文本内容T 1包含的信息单元个数，d i;q 为信息单元对应的坐标信息，各信息单元t &之间需添加行末标识符"\r\n" ；
[0068] 然后，基于秘钥ki生成文本内容Ti与文本坐标Di的摘要信息Hi，Hi= Hash (kp | | Dj ;其中，Hash (?)表示Hash函数，| |代表连接操作；
[0069]最后将页面块Pi的文本内容Tp文本坐标Di和摘要信息Hi连接起来构成页面块 Pi的认证信息A"Ai= T i |也| |Hi;
[0070] A4、水印信息生成：对每个页面块Pi(i = 1，2…，I)，将A3步生成的认证信息 行压缩并利用秘钥k2加密之后得到二进制压缩数据流Bi，并添加PDF格式信息Yi，生成待 添加的PDF对象UiZ{BpYj，同时计算其字节长度，记为li;
[0071] 所述的PDF格式 信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符；
[0072]B、基于文件代码的水印嵌入
[0073] 首先将A4步生成的I个待添加的PDF对象I作为页面块Pi的水印信息W= {W」i =1，2,…I}，将该水印信息W与A2步的文件体S。： {0j|j= 1，2,…J}合并，得到包含N= 1+了个合并对象〇'11的合并文件体3/。={0'」11=1，2，"川}，其中11为合并对象0 /11 的对象号，
：同时根据偏移地址信息&，计算得到每个合并对象〇' "的 长度匕，
[0074] 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排 序前的位置信息按排序后的位置排列，构成对象置乱序列V，V= {vn|n= 1，2,. . .，I+J}， 其中vn为合并对象〇'n的新对象号，vne[1，I+J]的整数；据以进行置乱操作，即将合 并对象〇'n的对象号修改Svn，即令
，随即得到置乱后的含水印文件体5^，
[0075] C、交差索引表和文件尾的更新
[0076] 根据B步中得到的含水印文件体5^和对象长度信息1'"计算出合并后的偏移地 址信息
，其中：a为第一个对象(^的偏移地址， 其具体值为PDF文件版本信息的文件*SH的字节长度；重新生成交差索引表:#，同时更新 文件尾ST中的根对象号、摘要对象号和对象总数，生成更新后的文件尾
[0077]D、含水印H)F电子发票文件生成
[0078] 将B步的含水印文件体和C步更新后的交差索引表#和文件尾合并重构， 即得到含水印的发票文件Fw;
[0079] E、认证信息重构和认证信息提取
[0080] E1、待检测文档的认证信息重构：
[0081] 将待测TOF电子发票文件F#的阅读器页面P#，根据信息单元的固有的分布坐标分 为I个待测页面块P，，即P#={P'Ii= 1，2,…，1};
[0082] 对每一个待测页面块P'Q= 1，2…，I)，首先利用Itextsharp组件提取每个待测 页面块P'中的待测文本内容T'，T#i= {t^Jq=l，2，..，Zi}，以及待测文本坐标D'，D' ={d'，」q= 1，2, . .，zj，其中，t、为待测文本内容T^中的第q个待测信息单元，zi为待 测文本内容A包含的信息单元个数，d 为待测信息单元t\q对应的待测坐标信息，各待 测信息单元t\q之间需添加行末标识符"\r\n" ；
[0083]然后，基于秘钥&生成待测文本内容T'与待测文本坐标D'的待测文本摘要信息 Hash(k1,T#i|IDV；
[0084] E2、认证信息提取：对待测的TOF电子发票文件F#代码页面S#进行解析得到待测 文件体
，根据秘钥匕和对象置乱序列V对I+J个 待测对象进行反置乱，找到待测对象〇&中对应的I个伪对象即待测水印信息Wi#(i= 1，2,…，I)
，解压待测水印信息W;中的待测压缩数据BA并利用秘钥k2解密 得到待测认证信息A;;
[0085] 按照E1中待测文本内容T'、待测文本坐标D'和待测文本摘要信息的长度， 由左到右依次从待测认证信息A;分割出对应页面块P^的提取文本内容TA提取文本坐 标D;，提取文本摘要信息H;，并根据行末标识符" \r\n"将提取文本信息IT分割出提取信 息单元t\q，以及从提取文本坐标分出对应的提取坐标单元d\q，即1^= {t\q|q= 1,2,..,zj,Di*={d*i；q |q= 1, 2, . . ,zj；
[0086] F、篡改认证
[0087] Fl、篡改真实性判定：如果待测文本内容T'和提取文本内容T广相等，且待测文本 摘要信息和提取文本摘要信息H^相等，则判定待测的TOF电子发票文件F#未被篡改， 输出检测通过的结果，完成检测；否则，判定待测的TOF电子发票文件已被篡改，进行F2步 的操作；
[0088] F2、篡改定位与标记：对F1步中认定为篡改的发票文件F#，找出与提取信息单元 t\q不相等的待测信息单元t，即为被篡改信息单元t\q，输出检测不通过的结果；并根 据其对应的坐标信息，在被篡改信息单元t\q添加标识警示信息，使其对应的页面P# 显示文字内容处显示出篡改标识信息。
[0089] 本发明的效果可以通过以下性能分析及试验得到验证和说明：
[0090] 其中，水印容量用单个文件中嵌入的字节数（Byte)来衡量，发票增量用文件字节 (Byte)变化的百分比做衡量。
[0091] 一、水印容量与发票大小增量的分析与统计
[0092] 对同类的水印嵌入算法，水印容量越大，带来文件的增量也越大。
[0093] 现有文献的文件增量多控制在5%以内，考虑到隐蔽性，防止被破解者嫌疑以及减 少存储空间，本发明将水印容量设定在1 %以内。水印容量根据对象块的内容大小不同而变 化。表1给出了本发明对常用PDF格式的电子发票原始文件大小、页面数、嵌入耗时、水印 容量及增量的统计结果。由表1可以看出，本发明文件增量即为水印容量，在0.5%左右，能 很好的保证文件的传输；在嵌入耗时一栏中计算了水印嵌入文件的时间和更新交叉引用表 的时间，该时间基本在l〇ms以下，嵌入效率高，适于实际应用。
[0094] 表1通过本发明方法对电子发票嵌入水印的参数统计结果
[0095]
[0096] 注：表中发票测试对象均来自本发明者自己开发的发票制作系统
[0097] 二、篡改检测性能的测试
[0098] 为验证算法在部分内容替换、添加、删除和混合篡改下的检测性能，用上述实施例 的方法对PDF格式电子发票文件进行了相关测试。
[0099] 1、部分内容替换篡改
[0100] 如图1所示，以文件大小98, 458字节的PDF格式电子发票为测试对象，利用本发 明生成的含水印文件见图2,从图1和图2可以看出水印完全不可见；水印容量为458字节， 其中嵌入耗时为5毫秒，含水印电子发票大小增量为0. 48%。对图2进行如下替换篡改：1) 在商品编号1中的数量一栏中用"11"替换"1";2)合计人民币（大写）一栏中用"拾元" 替换"伍拾元";3)发票代码中用"1110013710715"替换"111001371071";4)在日期一栏中 用"2015-02-06"替换"2015-02-02" ；2)小写一栏中用"Y10"替换"Y50"，图3是对图2 篡改后的图像。
[0101] 图4是用本发明方法对图3进行认证后的定位图像；定位精度为子块文字信息的 长度，定位标记为一条红线。可以看到，由于本发明对可以获取发票中的所有文字坐标信 息，使得图4准确检测到了篡改。通过替换篡改结果可以看出，本发明对发票进行准确定 位，不存在漏检或虚检错误。
[0102] 2、添加、删除篡改
[0103] 如图5所示，以文件大小100, 325字节的PDF格式电子发票为测试对象，利用本发 明生成的含水印文件见图6,水印容量为492字节其中的，嵌入耗时为6毫秒，含水印电子 发票大小增量为〇. 51 %。对图6进行如下篡改：1)添加项目"小果耳机"，商品相应的单价 "Y20"，商品相应的数量"1"，商品相应的金额"20"。图7是对图6进行篡改后的图像。
[0104] 图8是用本发明方法对图7的篡改后的电子发票进行认证后的篡改定位图像，定 位精度同样为子块文字信息的长度，定位标记为一条红线。可以看到，本发明因为对文件信 息分块之后进行逐一对比，并可以获取文件中文字的坐标信息，而在认证时的也是进行分 块模式，这样为最终的准确定位提供了保障。测试结果表明本发明对添加、删除篡改拥有较 好的认证能力。
[0105] 3、同时进行添加、删除和替换篡改
[0106] 以如图9所示的PDF原始电子发票为测试对象，利用本发明生成的含水印文 件见图10。对含水印电子发票文件如图10进行以下篡改：1)添加项目"百雀羚洗面 奶"，单价"Y30"，数量"1"，金额"Y30"；2 )删除行业分类中的"商业"以及收款单位 的全部信息；3)大写合计的"贰拾元"改为"五拾元"，小写合计"Y20"为"50"，开票时 间由 "2015-02-03" 修改为"2015-02-17"，防伪码由 "WbTPJuvt5Sj44bt8DM-N3" 修改为 "bPJbubvt5Sj44bt8DMN335 ";得到包含三种篡改方式多个篡改区域的电子发票文件如图11 所示。图12是利用本发明方法对图11认证、篡改定位的图像，定位精度为子块文字信息的 长度，定位标记为一条红线。综合以上测试结果可看出，当添加、删除和替换同时存在于一 个PDF格式电子发票文件中时，本发明算法依然具有精确的篡改定位能力。
【主权项】
1. 一种能定位roF电子发票篡改的水印嵌入与认证方法，包括如下步骤： A、 基于文件阅读页面的水印生成 A1、页面分块：将原始TOF电子发票文件的阅读器页面P，根据信息单元的固有的分布 坐标分为I个页面块Pi，即P= {Pi Ii = 1，2, ···，〗}，i为页面块序号，I为整个阅读器 页面P上的页面块PjA总数； A2、解析文件结构：对原始TOF电子发票文件的代码页面S进行PDF文件结构解析，得 到标明PDF文件版本信息的文件头Sh，文件体S。，交叉引用表SjP文件尾S泗个部分，即： S = {SH, S0, Sx, ST}； 其中，文件体 Sq 由 J个对象 Oj(j = 1，2，...，J)组成，即 S。= {Ojl j = 1，2，... J}，j 为 对象号； 交叉引用表Sx* J个索引信息XjU = 1，2，...，J)组成，Xj= {对象偏移地址X j，代 表该对象所修改的次数，对象是否正在被使用的状态}; 文件尾St包括文件描述、密码信息及文件体S 中的根对象号、摘要对象号和对象总 数； A3、认证信息生成： 对每一个页面块PiQ = 1，2…，I)，首先利用Itextsharp组件提取每个页面块Pi中的 文本内容 Ti, Ti= {t J q = 1，2, . .，zj，以及文本坐标 Di, Di= {d "I q = 1，2, . .，zj，其 中，ti;(1为文本内容T i中的第q个信息单元，z i为文本内容T 1包含的信息单元个数，d &为 信息单元对应的坐标信息，各信息单元t &之间需添加行末标识符"\r\n" ； 然后，基于秘钥Ic1生成文本内容Ti与文本坐标Di的摘要信息H i,Hi= HashQi1, Ti I IDi); 其中，Hash( ·)表示Hash函数，I I代表连接操作； 最后将页面块Pi的文本内容T i、文本坐标Di和摘要信息H i连接起来构成页面块P ^勺 认证信息 Ai, Ai = T i I !Di I !Hi; A4、水印信息生成：对每个页面块Pi (i = 1，2…，I)，将A3步生成的认证信息Ai进行压 缩并利用秘钥k2加密之后得到二进制压缩数据流B i，并添加 PDF格式信息Yi，生成待添加 的PDF对象Wi, Wi= {Bp YJ，同时计算其字节长度，记为Ii; 所述的PDF格式信息Yi包括：对象号i+J、对象修改次数、对象的关键词、换行符； B、 基于文件代码的水印嵌入 首先将A4步生成的I个待添加的PDF对象Wi作为页面块P i的水印信息W = {W i I i = 1，2，... I}，将该水印信息W与A2步的文件体S。= IOjI j = 1，2，... J}合并，得到包含N = 1+了个合并对象屮11的合并文件体"。={0'」11=1，2，...叫，其中11为合并对象屮11 的对象号，；同时根据偏移地址信息\，计算得到每个合并对象CV "的 长度，其中/ j5 =X/ I -Ay； 然后，基于密钥k3生成长度为I+J的伪随机序列，对该序列进行从小到大排序，排序 前的位置信息按排序后的位置排列，构成对象置乱序列V，V = IvnIn = 1，2,. . .，I+J}， 其中Vn为合并对象CV n的新对象号，vne [1，I+J]的整数；据以进行置乱操作，即将合 并对象〇' n的对象号修改为vn，即令= 〇;，随即得到置乱后的含水印文件体，C、 交差索引表和文件尾的更新 根据B步中得到的含水印文件体和对象长度信息I' n计算出合并后的偏移地址信 肩，其中：a为第一个对象O1的偏移地址，其具 体值为PDF文件版本信息的文件头Sh的字节长度；重新生成交差索引表^，同时更新文件 尾St中的根对象号、摘要对象号和对象总数，生成更新后的文件尾; D、 含水印HF电子发票文件生成 将B步的含水印文件体和C步更新后的交差索引表#和文件尾句T合并重构，即得 到含水印的发票文件Fw; E、 认证信息重构和认证信息提取 E1、待检测文档的认证信息重构： 将待测HF电子发票文件Fs的阅读器页面P #，根据信息单元的固有的分布坐标分为I 个待测页面块ΡΛ即Ps= {P ' I i = 1，2,…，1}; 对每一个待测页面块Ptti Q = 1，2…，I)，首先利用Itextsharp组件提取每个待测页 面块Psi中的待测文本内容T % Tsi= {t'Jq = 1，2，..，Zi}，以及待测文本坐标D'，Dsi = {d、I q = 1，2, · ·，Zi}，其中，为待测文本内容T '中的第q个待测信息单元，z丨为待测 文本内容Tsi包含的信息单元个数，d ^为待测信息单元t 对应的待测坐标信息，各待测 信息单元之间需添加行末标识符"\r\n" ； 然后，基于秘钥h生成待测文本内容T '与待测文本坐标D 的待测文本摘要信息H'， Hfli= Hash (k1； Tfli I IDfli)； E2、认证信息提取：对待测的HF电子发票文件F#代码页面S #进行解析得到待测文 件体.?"%根据秘钥M5P对象置乱序列V对I+J个待 测对象％n:进行反置乱，找到待测对象〇χ；η中对应的I个伪对象即待测水印信息WiYi = 1，2,…，I)，，解压待测水印信息Wi冲的待测压缩数据B Λ并利用秘钥k2解密 得到待测认证信息ΑΛ 按照El中待测文本内容Tsi、待测文本坐标Dsi和待测文本摘要信息Hsi的长度，由 左到右依次从待测认证信息分割出对应页面块P ^的提取文本内容T Λ提取文本坐标 Di'提取文本摘要信息ΗΛ并根据行末标识符" \r\n"将提取文本信息分割出提取信 息单元，以及从提取文本坐标分出对应的提取坐标单元d\q，即IT= {t'Jq = 1,2,.., zj , Di*= {d *i；q I q = I, 2, . . , zj ； F、 篡改认证 FI、篡改真实性判定：如果待测文本内容Tsi和提取文本内容T广相等，且待测文本摘要 信息H/和提取文本摘要信息H ^相等，则判定待测的TOF电子发票文件F #未被篡改，输出 检测通过的结果，完成检测；否则，判定待测的HF电子发票文件已被篡改，进行F2步的操 作； F2、篡改定位与标记：对Fl步中认定为篡改的发票文件Fs，找出与提取信息单元不 相等的待测信息单元，即为被篡改信息单元，输出检测不通过的结果；并根据其对 应的坐标信息Clsi^在被篡改信息单元添加标识警示信息，使其对应的页面P #显示文 字内容处显示出篡改标识信息。
【专利摘要】一种能定位PDF电子发票篡改的水印嵌入与认证方法，包括A基于文件阅读页面的水印生成，具体包括阅读器页面分块、解析代码页面文件结构；生成认证信息、根据认证信息生成水印；B基于文件代码的水印嵌入；C交差索引表和文件尾的更新；D含水印PDF电子发票文件生成；对待测的PDF电子文件进行E认证信息重构和认证信息提取和F篡改认证，篡改认证包括篡改真实性判定和篡改定位与标记。该方法在保证实现水印不可见的同时，文件增量小，控制在1％以内。其对篡改的检测准确性高，误检率低，能够有效抵抗替换、添加和删除等篡改。
【IPC分类】G06T1/00
【公开号】CN104899822
【申请号】CN201510339156
【发明人】陈帆, 张旋, 和红杰
【申请人】西南交通大学
【公开日】2015年9月9日
【申请日】2015年6月17日
最新回复(0)