4. 脆弱水印的分类：空间域方法、变换域方法、半脆弱水印

脆弱水印怎么分类？我个人习惯按嵌入域来分，最经典的就是空间域和变换域这两大类。另外还有个半脆弱水印，它挺特别的，专门用来做内容完整性认证，但又允许一定程度的常规处理。

说白了，选哪种方法，取决于你拿水印干什么用。如果只是做篡改定位，空间域够简单够快；如果要抗点噪声又保留脆弱性，就得去变换域折腾一下。半脆弱水印呢，它是这两者之间的一个平衡点。

4.1 空间域方法

空间域方法，就是直接在像素值上动手脚。你想想看，图像在计算机里就是一堆0到255的整数，脆弱水印直接把信息编码到这些像素的比特位上。LSB（最低有效位）是最典型的例子。

我在项目中遇到过，有人直接在空域改最低两位，结果JPEG一压缩就全废了。这不是LSB本身的问题，而是脆弱水印的设计初衷——它就是要废，这样你才能知道图像被处理过。

# 一个最简单的LSB脆弱水印嵌入
# 假设原始像素值 array，水印位 w_bit
def embed_lsb(pixel, w_bit):
    # 把最低位清零，再放水印
    return (pixel & 0xFE) | w_bit

def extract_lsb(pixel):
    # 直接把最低位读出来
    return pixel & 0x01

不过要提醒你，空间域方法的抗攻击能力几乎是零。信号处理、滤波、加噪，随便来一个，水印就没了。但反过来，这也说明它撒谎的概率低——只要检测到异常，那图像一定动过手脚。

4.2 变换域方法

变换域方法，就是把图像从像素空间转到频率空间，再在水印系数上做文章。我记得刚开始学的时候，总觉得先做DCT（离散余弦变换）再嵌入，太绕了。但后来发现，其实它在鲁棒性和隐蔽性上都有优势。

常见的变换域包括DCT、DWT（离散小波变换）、DFT（离散傅里叶变换）。脆弱水印主要用DCT和DWT，因为它们在JPEG和JPEG 2000标准里是核心，方便做压缩场景下的认证。为什么会这样？因为这些变换的能量集中特性，让水印能藏得更好，而且对常见的图像处理有一定容忍度。

嗯，这里要注意，变换域脆弱水印的脆弱性是有选择性的。它可能对均值滤波不敏感，但对裁剪、替换操作一碰就破。你设计水印时，要看清楚你的容忍边界是什么。

# DCT域脆弱水印嵌入示意
import numpy as np

def embed_dct(block_8x8, watermark_bit):
    # 对8x8块做DCT
    dct_block = np.fft.dct(block_8x8, norm='ortho')
    # 选一个中频系数 (例如 (3,3))
    dct_block[3,3] = watermark_bit * 10  # 调强度
    # 逆DCT得到修改后的像素块
    return np.fft.idct(dct_block, norm='ortho')

4.3 半脆弱水印

半脆弱水印，说白了一个字——"半"。它能容忍常规的图像处理（JPEG压缩、轻微滤波），但对恶意篡改（替换内容、区域拼接）瞬间报警。

你想想看，现实场景里一张照片可能要经过压缩、缩放再传到服务器，你敢不敢用完全脆弱的水印？不敢，因为稍有处理水印就破了，根本分不清是合法处理还是恶意篡改。半脆弱水印就是为了解决这个问题而生的。

我做视频认证时用过半脆弱方案。原始视频压缩传输后，检测端提取水印，如果水印还在但某些区域异常，那就是真被篡改过。单纯压缩操作，水印基本能恢复出来。

# 半脆弱水印的检验阈值设计
# 检测时计算水印残差
residual = np.mean(np.abs(extracted - original_watermark))
if residual < THRESHOLD_COMPRESS:
    # 属于常规处理，认为合法
    print("图像通过常规处理")
elif residual > THRESHOLD_TAMPER:
    # 残差过大，判定为恶意篡改
    print("发现恶意篡改！")
else:
    # 边界情况，需要进一步分析
    print("进入二次验证流程")

半脆弱水印的设计核心在于：常规处理对频域系数的影响是可预测的。比如JPEG主要影响高频系数，那么你可以把水印嵌在中低频，或者用两个频率区间的差异来编码信息。这样，高频被压缩破坏是预期的，而中低频的变化才是真正的报警信号。