基于信息编码技术的数据暗水印实践 – 数据DNA

背景

数据被定义为生产要素之后，其自身的定位已不仅限于其作为信息载体的意义，而开始关注于载体内容所体现的价值。《数据安全法》的颁布算是为其量身定制的安全方法的法律保障。与之而来对于数据保护的诉求也变得异常迫切。在数据共享和分发是必然趋势的情况下，对于共享和分发出去的数据进行有效的追溯不仅可以对数据接收者进行很好的威慑，也可以在数据泄露后进行有效的溯源，进行避责或追责。

数据水印原理

数据水印的基本原理跟货币水印别无二致。货币水印是对货币加上唯一编码信息给货币打上人眼可见的追踪编码，或者人眼不直接可视，只能使用特殊手段显隐的暗水印信息。数据水印也是一样的，简化来说，就是生成一个唯一识别码，给发布出去的对象印上可视的明水印或者不可视的暗水印。在需要追溯的时候进行逆操作，提取出水印信息，对比发布记录找到接收对象。
总结下来就是三步：

生成信息标识

对载体印制标识

提取标识比对溯源
常用的数据水印技术有伪行，伪列，不可见字符等手段。但这些都会在不同层面改变每一条数据的值。有没有一种实现方式在不改变数据值的情况下进行暗水印技术呢。

数据 DNA 思路

根据水印逻辑，我们提出了一种创新型的思路进行，数据 DNA 链。顾名思义，DNA 是指导生物特征的物质，DNA 链上的第一对编码都代表一种性状。也可以对从两种不同生物体上提取的 DNA 进行比对以判断它们的亲缘性。
那么数据 DNA 是什么呢？
如果让每一条数据代表一种性状，是否可以预先产生一种信息链，然后根据信息链，编排“性状”，生成一组符合性状的数据集呢。
为了验证以上的想法，我们需要解决以下几个问题：

Q1: 如何产生一条信息链？

Q2: 如何处理一条数据记录让其代表一种性状？

Q1 信息编码思路

我们的目的的产生一条唯一的信息链，可以是一串 ID、一个 HASH 值、一个名字或者其它。如果了解现代信息化基础，应该知道信息编码理论自底向上解释为，二进制编码是找两个状态，分别表现 0 和 1, 当一串 01 产生后，对其进行编码解释，比如数字编码，定义字节大小，进行规整的数字读取，或者字符编码，定义字符位宽，按照字符编码表转义。那么反过来，任何一个信息链也很容易边的成对应表示的 0 和 1。我们简单假设，直接生成一串随机的 01 串表示信息链即可达到目的。