Vol-Mark：基于三次差分扩展与对比学习的 3D 医学体数据水印
密码学与安全
2026-05-07 v1 机器学习
摘要
如今，医疗技术的进步广泛利用 3D 体数据进行准确且高效的诊断。然而，在远程医疗中通过网络共享这些数据会带来严重的数据篡改和未经授权复制的安全风险。为了应对这些挑战，本文提出了一种新颖的医学体数据可逆零水印方法，称为 Vol-Mark，以在远程医疗中保护其所有权和真实性。所提出的 Vol-Mark 方法具有两个关键优势：1）设计了一种体数据特征提取器，利用对比学习高效提取具有判别性且稳定的体特征，确保对 3D 攻击的鲁棒性；2）引入了三次差分扩展技术，利用 3D 整数小波变换将水印比特嵌入立方体内相邻体素的低频系数中。扩展每个立方体内的体素差异以创建嵌入空间，并在提取过程中采用多数投票机制以增强可靠性。嵌入过程产生低失真并支持无损移除，从而保持医学体数据的完整性和诊断准确性。通过这两个优势，Vol-Mark 能够同时进行完整性验证和所有权验证。首先执行完整性验证，随后通过假设检验进一步进行所有权验证以增强可靠性，特别是在数据篡改或水印移除攻击下。综合实验结果表明了所提方法的有效性，及其在应对医学体数据上的常规、几何和混合攻击时的卓越鲁棒性。特别是，通过多任务评估，Vol-Mark 在大多数攻击场景下始终达到 0.90 以上的 ACC，以明显优势优于现有方法。
引用
@article{arxiv.2605.04705,
title = {Vol-Mark: A Watermark for 3D Medical Volume Data Via Cubic Difference Expansion and Contrastive Learning},
author = {Jiangnan Zhu and Yuntao Wang and Shengli Pan and Yujie Gu},
journal= {arXiv preprint arXiv:2605.04705},
year = {2026}
}