用于保证文件安全的方法和设备.pdf

用于保证文件安全的方法和设备
技术领域
本发明涉及用于保证文件安全的方法和设备。具体来讲，设想以唯一的方式识别文件，验证文件，即能够检测其副本和/或文件上带有的关于该文件的信息，例如标识与该文件有关的知识产权所有者的信息和/或其生成地点的信息。术语文件包括所有的数据载体，例如硬拷贝文件，蓝图(blueprints)，包装(packaging)，制造品，塑模品和卡片，例如身份证或者银行卡。
背景技术
不同类型的文件打印被分成两组：一组被称为“静态的”，其中每个文件接收明显地相同的打印标记，例如“平版印刷”模拟打印方法，而另一组被称为“序列”数字的，其中每个文件接收各自的信息项，例如由各自程序控制的墨喷打印方法，以及打印序号的方法。
对于平版印刷，是用于箱子和包装的最通用的印刷方法，为在文件中印刷的每个颜色产生印版，并且这个印版的内容要打印成千上万次，甚至百万次。在此情况下，每次打印都把插在印版上的相同内容印刷在每个文件上。橡胶版轮转印刷术，排印刷术以及凹板印刷都是大家所称的静态印刷方法的其它实例。在静态印刷中，理论上，由于每次都打印相同的标记，所以不能逐一地识别文件。另外，当印刷是静态的并且使用模拟方法时，就更加难以控制印刷文件的精确数量。因此打印大量多于版权所有者授权的数量的文件进行伪造的风险很大。你如何确保生产订单所规定的印刷量，往往小于印版的使用限制，注意到了吗？你如何确保所有未使用的印刷(开始或者结束排列，故障，取消订单等等)和所有的印版，胶片及其他物件可以允许文件被复制但决不会落入伪造者的手中？
序列印刷，允许准确地并且明确地识别每个文件，通常优于静态印刷。在效果上，在序列印刷中每个标识符只被打印一次，若读取到两(“double”)意味着会触发警报：“两(double)”是和之前读取的标识符一致的标识符。
一般地，有多处要确保安全以保护标识符和/或防复制标记：源文件、可能是包含源文件的CAP文件，在平版印刷的情况下，是印版和任何胶片。
通过在第二步骤中打印唯一码或者未编码的或优选为加密的序列码，能够对已经静态印刷的项目物件上执行和序列印刷同样的防复制标记。例如，该序列印刷可以采取二维条形码的形式。表面上，该方法过程能够逐一地追踪每个文件并且同时保持可靠方式检测复制。未曾接收到序列印刷的窃取文件不会带有有效标识符。
然而，该方法没有解决所有这些问题。在效果上，当做错者不能识别出印刷机已完成的篡改的文件时，由序列化印刷机印刷的唯一码不能防止复制，序列化印刷机通常会提供有限的印刷质量。
因此，要使他们拥有的文件被标识为真实的伪造者们，可以复制一个或多个有效的唯一码而且将它们重新复制到被标识为真实的文件上。
这些现有技术包含多种方法利用可测量的物理特性以唯一的方式表征和标识每个文件。一般说来，这些可测量的物理特性的选择具有随机性，并且根据现有技术的实际情况不能被复制，至少并不是成本经济的方式。这些方法使得所有被认为“有效”的文件得以控制：只有其物理特性，包括唯一设置，已经被记录的那些文件才被认为有效。
例如，美国文献4,423,415描述了一种根据纸张本身的透明度特征识别纸张的方法。还有多种其他方法是基于输入这些材料的唯一并且非可重现的物理属性以产生所述文献的唯一且非可转移的签名。例如，文献WO 2006016114和US 2006/104103是基于将激光施加到物件的确切区域而引起的衍射图样的测量。
尽管它们对上述问题提出了相应的解决方案，但是基于从材料中提取签名的这些方法由于许多原因很难使用。首先，当生成文件时记录签名需要很昂贵的光阅读器并且很难整合到生产线中。而且，这些生产线都具有很高的运行速度。一般说来，似乎这些技术只适用于小规模生产。另外，在该领域中用于检查的读取器对于许多应用来说太过昂贵。而且很庞大不易使用，而本领域中的检查往往又要必须快速地并且不明显地执行。最后，不可能对所有材料提取唯一的签名：玻璃和太多反射的物质被排除在外，具体来讲，至少是对于激光衍射的测量。
发明内容
本发明目的在于解决这些不便，尤其是基于文件本质的唯一物理属性采用已知的识别方法的困难和缺陷。
数字验证码，下文还叫做“DAC”，是通过印刷或者本地修改介质而标记在介质上的数字图象，被设计为，如果标记的图像被复制了，则修改通常可从捕获的图像中自动测量到的一些它们的特征。数字验证码通常基于在复制步骤中易受复制影响的一个或多个信号的递减，信号是由具有易受复制影响的可测量特征的像素产生的。某些类型的数字验证码还可以包含允许包含它的文件被识别或者追踪的信息。
以下是几种类型的数字验证码。复制检测图案，下面还称为“CDP”，通常是伪随机性的密集影象。它们的读取原理以图像比较为基础，以测量原始复制检测图案和例如通过图像传感器捕获的复制检测图案之间的相似度指数(或者不相似性)，如果该捕获的图像是复制品，那么它会具有比原始复制检测图案低的相似度指数。
类似二维条形码一样，安全信息矩阵下面也叫做“SIM”，是设计成能以稳固的方式携带大量信息的图像。然而，不同于二维条形码，安全信息矩阵对复制更灵敏。在读取时，对从矩阵中提取出的编码信息测量误差率被测量，如果复制品的比率高于原始的比率，那么就使得这些复制品不同于原始印刷。
除非以特殊方式标记，例如利用隐显墨水，否则复制检测图案和安全信息矩阵都是可视的。另外，由于成本或者生产限制，以不可视方式标记复制检测图案和安全信息矩阵并不总是可行的。从美观的角度讲，防复制标记的可视性是一个缺点，在某些情况下，从安全性的角度讲也是一个缺点，因为仿造者会知道它们的存在。
还有本来就不可视的或者至少难以看出的数字验证码。
例如，嵌入到印刷图象中的一些数字标记(以“水印”这个名字为人所知)被设计成当例如通过影印再现印刷图象时，数字标记会损坏。原始印刷中数字水印的损坏程度的测量量要低于复制品，使得能够检测这些复制品。
对于复制具有不同灵敏度的多个水印的组合通过比较各个能级能够检测复制。然而，在文件生成过程中嵌入数字水印更加复杂，其限制了它们的使用：从效果上，不同于复制检测图案和安全信息矩阵，数字水印不能简单地“添加到”图像中；实际上，数字水印是要添加的消息和原始图象的复变函数，数字水印的能量是根据原始图象的掩盖属性而局部调整的。将数字水印嵌入文件中或者产品中需要将源图象发送到标记/印刷中央处理器，其嵌入数字水印并且发送回标记了的图像。由于大量的文件和涉及的图像安全问题，这种方法不是很实际。相比之下，利用复制检测图案或安全信息矩阵标记/印刷，源图象不会被发送给标记/打印中央处理单元，相反地，它是复制检测图案或安全信息矩阵的图像，通常是小型的，例如若干千字节，被发送给将要附着到文件或产品上的图像文件的持有人。另外，很难使数字水印的读取稳定，其更随机地确定原始文件的复制。从效果上，利用数字水印的错误风险通常明显地高于利用复制检测图案和安全信息矩阵。
还有非对称调制立体标记方法，下面还称作“AMSM”，诸如在文献WO 2006 087351和CH 694 233中描述的那些。正如数字水印一样，AMSM使得文件被不可见地标记或者至少不突出地标记。、AMSM通常是点图案，其作为附加层被添加到要标记的文献。例如，就胶版印刷方法来说，将只带有AMSM的附加板套印在文献上。由此可见，AMSM比数字水印更容易集成到文件生产过程中，标记/印刷中央处理单元不需要源图象。然而，不同于复制检测图案和安全信息矩阵，AMSM通常所需附加板和墨水，这就让它们的使用更加复杂更加昂贵。另外，正如数字水印一样，AMSM检测方法不精确。事实上，众所周知，标记/印刷需要不确定地涉及标记图像的精确位置的模拟量。当标记表面具有很大的尺寸时，在印刷基本点的尺寸的级别，甚至低于此的这种不确定性对检测复制的影响并不是没有。然而，基于自相关性(auto-correlation)和互相关性(cross-correlation)的AMSM检测方法不能把这种位置的不确定性考虑在内。这增大了读取过程中的不精确性，因此降低了区别原始件和复制件的能力。
当由平台式扫描仪执行捕获时，同时允许大捕获面和足够的捕获分辩率，AMSM能够检测到简单的复制，例如影印，甚至通过利用高度精密或高分辨率的扫描仪捕获而实现的高质量影印，继之以翻印。然而，面对已确定的伪造者，AMSM对复制的保护措施降低了。从效果上，在进行高分辨率捕获之后，伪造者能够使用手动图像处理工具，诸如“Photoshop”(注册商标)，或者与自动图像处理工具(诸如“Matlab”，注册商标)相结合以按所有检测到的点的原始形式来恢复这些点。就高质量复制来说，复制的标记中的点不再比原文中的标记中的弱，而且该复制更有机会不被检测为复制。因此，已确定的伪造者通常能够做出与包含在AMSM之中的信息相同的复制品，这表示从长远观点来看不认为该方法是安全的。
对于最常使用的印刷方法(尤其是平版印刷)，AMSM(及其他数字验证码)是静态印刷。因为最常用于AMSM和数字验证码的印刷类型是静态的，所以不可能改变标记和每个印刷品上包含的信息。
尽管如此，仍然需要能够唯一地表征从而从单个源图象识别每个印刷品。同样地，仍然需要识别用于打印文件的印版以使这些文件能够被追踪。
本发明目的在于弥补如上所述的所有或部分缺陷。
为此，根据第一方面，本发明设想一种用于保证文件安全的方法，其包括：
在所述文件上印刷点的分布的步骤，作为印刷中不可预知的未知情况的结果，所述印刷逐个点地引起所述印刷点的至少一个几何特性的不可预知的变化，以及
在所述印刷步骤之前，产生所述点的分布的步骤，以使所述分布的点具有至少一个几何特性在点之中之间变化，产生的变化的几何幅度具有所述不可预知的变化的数量级。
由于这些措施，在数字图象产生时，该变化模拟印刷出错了。因此可能的伪造者不能辨别印刷生成的变化而导致的出错。因此他/她不能校正它们以获得与产生的数字图象相同的原始文件。
根据具体的特征，在产生点分布的步骤中，产生变化的几何幅度小于点的尺寸。
由此可见，该方法的有效性提高了，而这正是本发明的目的。
根据具体的特征，在产生点分布的步骤中，根据使用的印刷系统的不可预知的变化产生点分布。这里要注意的是，由于印刷导致的变化并不能逐个点预测到，但是统计分析能够允许知道其平均量，平均量是相对稳定的。
根据具体的特征，在产生点分布步骤中，点分布的点具有至少一个可变化的几何特性，所述变化在所述点分布中不被重复。
由此可见，增加了确定哪些点已经随着不可预知的印刷变化发生改变的难度。
根据具体的特征，在产生的步骤中，在所述点分布中，至少所述分布的半数的点不横向地并列于所述点分布的四个其他点。
根据具体的特征，在产生点分布的步骤中，多于半数的点不接触所述分布的任何其他点。
由于这些规定，使得避免了本发明的效果受到并列点印刷之间的影响的损害。
根据具体的特征，所述产生的变化对应于点位置的变化，在至少一个方向上，相对于点的中心排列在平行线上的位置，所述平行线垂直于所述方向并由所述点在该方向上至少一维地被分隔。根据具体的特征，所述产生的变化对应于点的至少一维的变化，在至少一个方向上相对于所述点在该方向上的平均维度。
根据具体的特征，所述产生的变化对应于点的形状相对于所述点在该方向上平均形状的变化。
根据具体的特征，在产生步骤中，所述点分布表示编码信息。
从而将消息插入产生的点分布中。
根据具体的特征，如上简要描述的，根据本发明主题的方法包括：捕获印刷的点分布的图像的步骤，和根据所述不可预知的印刷变化确定所述印刷的分布的唯一签名的步骤。
由于上述措施，能够识别印刷的每个文件。
根据具体的特征，如上简要描述的，根据本发明目的的方法包括，确定表示不可预知的印刷变化的幅值的步骤，产生点分布的步骤，所述点分布是所述幅值的函数。
根据具体的特征，如上简要描述的，根据本发明目的方法包括，根据表示不可预知的印刷变化的幅值，检测复制的步骤，所述复制检测步骤包括将所述表示的幅值与预定义的值进行比较的步骤，以及根据比较结果判断文件真实性的步骤。
根据第二方面，本发明设想构成用于保证文件安全的设备，其特征在于它包括：
用于在所述文件上印刷点的分布的装置，构造成使得在印刷中作为不可预知的未知情况的结果，所述印刷逐个点地引起印刷的点的至少一个几何特性的不可预知的变化，以及
用于在所述印刷之前，产生所述分布的装置，所述装置适应于产生点的所述分布，以使所述分布的点具有在点之中之间变化的至少一个几何特性，产生的变化的几何幅度具有所述不可预知的变化的数量级。
根据第三方面，本发明提供用于读取文件上点的分布的方法，其特征在于它包括：
捕获点的所述分布的图像的步骤，
确定表示所述分布的点的几何变化的物理幅值的步骤，所述点分布的至少一部分点的至少一个几何特性与印刷点的至少一个几何特性的，逐个点的，不可预知的变化的绝对值的平均数相比具有相同数量级，该变化来自于印刷中的不可预知的未知情况，以及
根据所述物理幅值确定所述点分布的真实性的步骤。
根据第四方面，本发明提供一种用于读取文件上点的分布的设备，其特征在于它包括：
用于捕获点的所述分布的图像的装置，
用于确定表示所述分布的点的几何变化的物理幅值的装置，所述点分布的至少一部分点的至少一个几何特性与印刷点的至少一个几何特性的，逐个点的，不可预知的变化的绝对值的平均数相比具有相同数量级，该变化来自于印刷中的不可预知的未知情况，以及
用于根据所述物理幅值确定所述点分布的真实性的装置。
根据第五方面，本发明提供电脑程序，其能够安装到计算机系统中，所述程序包含使如上简要描述的根据本发明目的的方法能够得以施行的指令。
根据第六方面，本发明提供数据载体，其能够由可移动的或非可移动的计算机或微处理器读取，该计算机或微处理器存储有计算机程序的指令，其特征在于使得如上简要描述的根据本发明目的的方法得以施行。
因为该设备，该读取方法，该计算机程序以及数据载体的特性，优点和目的类似于如上简要描述的根据本发明目的的保证安全的方法，因此这里不再重复。
附图说明
参考包含的附图，根据以下以例子方式示出但并非限制的说明书，本发明的其他优点、目的和特性将变得显而易见，其中
图1表示放大大约20倍的数字标记；
图2表示放大的在图1中示出的印刷之后的标记；
图3表示放大的在图2中示出的印刷标记的影印；
图4显示了放大的在图2中示出的印刷标记的高质量复印件；
图5表示放大的VCDP，在这种情况下，可变化的特性是点高度；
图6表示一旦印刷之后，放大大约200倍的图5的一部分VCDP；
图7显示在印刷之前具有不变的点大小的单个VCDP的两个放大印刷；
图8表示放大的安全信息矩阵，在其中心包括VCDP；
图9表示放大的由VCDP围绕的安全信息矩阵；
图10表示放大的VCDP，其四个角由闭合的四个点围绕的点组成；
图11表示放大的VCDP，在四边上具有点的线；
图12表示放大的格栅形式的一部分VCDP；
图13表示图12所示VCDP的二维傅里叶变换的绝对值；
图14表示放大的表示编码信息的VCDP的细节；
图15示意地表示根据本发明目的的设备的具体实施例；
图16A到20以流程图形式表示根据本发明目的的方法各个方面的具体实施例中使用的步骤；
图21表示放大的一部分高密度VCDP；
图22表示放大的一部分点维度倾斜VCDP；
图23以流程图形式表示根据本发明目的的方法具体实施例中利用的步骤；
图24以放大图表示根据本发明目的的方法具体实施例中利用的数字标识符图案；
图25以放大图表示图24的数字标识符图案，连续印刷中第一次印刷在物体上；
图26以放大图表示图24的数字标识符图案，连续印刷中第二次印刷在物体上；
图27表示根据图25和26中表示的其中一个印刷标识符图案捕获的图像的离散余弦变换；
图28A到28C以流程图形式表示根据本发明目的的方法具体实施例中利用的步骤；
图29表示在根据本发明目的的方法具体实施例中利用的两组标识符图案的痕迹分布；
图30表示要印刷的点分布；
图31表示在图30中示出的所述点分布的左上部分印刷的放大印刷图像；
图32表示在图30中示出的所述点分布的点的形状的关联测量的离散分布图；
图33示出了在确定印刷时要获得的最佳差错率中获得的图表；以及
图34以流程图形式示出了确定被用来打印文件的印版的方法中利用的步骤。
具体实施方式
在给定本发明各个具体实施例的细节之前，以下给出将在说明书中使用的定义。
“信息矩阵”：这是信息的机器可读的物理表示，通常附着在固体表面上(不同于水印或数字水印，其修改要印刷的图案的像素值)。信息矩阵定义包含，例如，二维条形码，一维条形码及其他用于表示信息的很少能侵入的装置，诸如“Dataglyphs”(数据标记)；
“文件”：这是凡是带有信息矩阵的任何(物理)物体；
“标记”或“印刷”：任何方法，通过该方法你从数字图象(包括信息矩阵，文件等等)到其在真实世界中的表示，该表示通常是制作在表面上：这以非排他的方式包括：墨喷、激光、平版印刷和热敏印刷，以及压印、激光蚀刻和全息照相生成。还包括更加复杂的方法，诸如铸模，其中数字图像首先刻在模子上，然后浇铸到每个物件内。注意，“铸模”图像可以被认为具有在现实世界中的三维，即使其数字表示包括二维空间。还要注意的是，上述几种提及方法包括几种变换，例如标准胶板印刷(不同于“计算机到印版”平版印刷)，包括创建胶片，所述胶片用来创建印版，所述印版用于印刷。其他方法还允许在不可见的区域印刷信息，或利用可见光谱以外的频率，或者在表面内部记录信息等等。
图案“标识符图案”或者“IP”：根据(数字)源图象印刷的图像，设计和印刷以使所述源图象中的每个印刷都能被高概率地识别出。
“唯一特性”：标识符图案的唯一物理属性，使得它不同于来自相同源图象的其他印刷。
“印记”：测量的所有特性值，使得标识符图案可以被表示并且与其他标识符图案表示进行比较。
“捕获”：获得现实世界的数字表示的任何方法，包括具有信息矩阵的实际文件的数字表示，
“单元”：这是可变特性点图案(“VCDP”)的标准面积，通常是，一般为矩形乃至正方形，其中有不超过预定数目的点，该预定数目通常等于一，除非在指明的变量中；
“生成像素”：考虑产生VCDP的最小面积，
“点”：非常小的印刷基本面积，可能是可变的，和背景形成对照，该点通常表示一个或多个生成像素，
“捕获像素”或者“图像像素”：是区域，其中的图像对应于图像传感器的感光基本点、或者像素的区域，
“数量级”：如果A值在B值的十分之一和十倍之间，最好是在一半和两倍之间，那么物理量级A和物理量级B为同一数量级。
在以下参照图24到29描述的本发明实施例中，用到以下内容：
步骤701到703，数字设计标识符图案，
步骤711到715，计算标识符图案的印记(根据其它地方描述的其中一种方法)，
步骤720到726，优化标识符图案的印刷，
步骤731到734，存储和表示文件的印记或者唯一特性，
步骤741到749，利用数据库识别印记，
步骤751到756，没有数据库的情况下检验印记，
步骤761到763，组合使用标识符图案和数字验证码，以及
步骤771到780，保证文件安全。
相对于数字设计标识符图案以及确定标识符图案的印刷参数，在本发明某些特性的开始部分已经发现，如果你印刷具有安全信息矩阵的单个源图象若干次，那么这会使得每个印刷上带有不同错误。对于复印检测图案也注意到了相同的效果。更一般地说，已经注意到，对于具有足够大密度的任何图像，1)印刷图像会导致其衰变，以及2)这会受每次印刷不同衰变的影响。
更精确地说，该现象不局限于数字验证码。实际上，由于印刷中利用的随机过程，无论数字图象的密度如何，其中每一个印刷会不同于所有其他印刷。仅仅对于低密度的图像，差异会不是很大而且不是很重要。因此需要更高的捕获分辨率以便捕获差异，该差异往往极小。相比之下，对于带有足够分辨率的数字验证码，不需要使用特别高的捕获分辨率(1200点/英寸的扫描仪足够了)。另外，因为差异非常明显，所以唯一特性的提取不必非常精确，这在成本和读取算法的稳定性方面都是有益的。
标识符图案是设计并印刷的图像，以最大化在单个源标识符图案每次印刷之间的差异。优选地，这些图像是以伪随机的方式(例如利用一个或多个密钥)设计的，但它们也可以是完全随机的(在第二种情况下，差异是没有密钥或者密钥不被保存)。然而，应当注意理论上原始数字标识符图案已知不会折中安全性，实际上，只有数据库中记录的(带有它们的印记)标识符图案是合法的，并且理论上它不可能控制印刷过程中的未能预料的未知情况。因此，占有原始图象没有给伪造者任何实际的好处，标识符图案就安全而言是另一个优点。
因为衰变本质上是随机的并且对于单个源图象的每次印刷都会产生不同的结果，标识符图案的每次印刷具有不能再现或者传送的唯一特性。从而单个标识符图案的每次印刷不同于所有其它印刷，因此，到目前为止，本身具有明确地识别它的手段。因此可以计算标识符图案的印记并且以不同的方式使用印记以提高包含印记的文件的安全性，特别是标识符和检验方式。
标识符图案可以是简单的矩形，可以由边缘封闭使得它们的检测更容易，但也可以具有特殊形状，诸如标志等等。然而，矩形形状显示出对于读取有益处(它可以被容易地识别)并且与数字验证码或者诸如一维或者二维条形码之类的其他编码的正常形状具有兼容性。
用于设计标识符图案的算法描述如下：
在步骤701中，接收密钥，例如32字节(256位)序列，
在步骤702中，通过利用递归加密或者散列函数，利用该密钥初始化该算法，产生所需的随机位数。例如，对于10,000像素黑白标识符图案(每像素1位)，需要10,000比特位；对于灰度级别标识符图案需要8倍以上(每个级别是等概率的)。假定使用SHA-1散列函数(256位输入和输出)，函数必须调用40次(每像素一比特)或者略微地小于320次(每像素八比特)以获得必要的比特(因为40x256＞＝10,000或者320x256＞＝80,000)。读取器可以利用FIPS(“联邦信息处理标准”的简称)和AES(“高级加密标准”的简称)标准以及
在步骤703中，比特位被集中到图像中，例如100x100点，可以由边缘封闭。
图24显示了印刷之前的这样一个标识符图案。图25和26显示了图24中所示的标识符图案的两个不同印刷。
数字验证码的函数可以与标识符图案的函数组合，因为数字验证码的设计和印刷特性与标识符图案需要的特性很接近。例如，复印检测图案的设计算法(需要密钥)类似于先前描述的算法，虽然寻求的结果很不同。至于安全信息矩阵的设计算法，它们需要一个或多个密钥和一个或多个信息两者。然而，结果相仿，即具有伪随机值的图像。
正如以下将看到的，原来标识符图案的理想印刷状态接近数字验证码的理想印刷状态。因此，对于设计和印刷结果来说，可以将数字验证码的函数和标识符图案的函数结合在一起。
对于摘录方法以及，当检验文件时比较标识符图案的印记的方法，下面首先描述一般提取和比较方法，其包括提取捕获的标识符图案的一组点的值：
在步骤711中，确定在印刷文件的图像中标识符图案的位置。例如，对于矩形形状的标识符图案，可以提取标识符图案的四个边缘的位置(高度，宽度)。
在步骤712中，对于给定的要提取的点数，确定其在图像中的位置并且提取这些点的每一个的数值。例如，横向256个点以及纵向256个点，总共2562个，如果以后使用例如FFT(快速傅里叶变换)或DCT(离散余弦变换)则对应于2次幂的这么多点是有利的。这些点的位置可以通过利用现有技术已知的标准几何技术确定：确定参考点的位置(例如，如果这是矩形则是标识符图案的四个边缘)，然后通过假定捕获的图像已经进行例如仿射或者透视变换来确定点的位置。该数值通常是，例如0到255的范围，捕获的图像也是。因为该位置可以是可分的，所以获取的点的数值可以是“最近的临近点的”数值，这是一种不是花销很大也不是非常精确的方法。也可以使用插值算法，精度要求越高费用越高，：二元三次的，双线性的插值，等等。结果是256x256整数(最近邻)或者浮点(插值)值矩阵。
在步骤713中，计算二维矩阵的离散余弦变换。离散余弦变换是有利的因为它能够经由少量元件显著地压缩信号能量。
在步骤714中，选择给定数目的系数，例如10x10最低频率系数，也能够除去常系数，在位置(0，0)叫做“DC”的系数
在步骤715中，系数被重新定序为矢量，其构成安全信息矩阵的印记。
应当注意的是，如上所述的方法不利用任何秘密，因此，使得任何人不管是谁都可以计算该印记。在不考虑对付危险分子的某些情况下，这可能是需要的。相比之下，在其它情况下更希望的是只有授权的人能够计算该印记。为了实现这一点，使用密钥，密钥可以保密并且能够确定构成该印记的系数。该密钥只泄露给授权重新设立该印记的人或者实体。本领域中的现有技术可用来根据密钥选择系数，通常利用散列算法或者加密算法。
以多种方式比较单独捕获所对应的两个印记以便获得相似性的测量，或者相反地，距离的测量。例如通过测量它们之间的相关系数，获得相似性的测量，其随后会称为“得分”。
为了验证提取唯一特性的这种方法，产生100x100像素的标识符图案，在600点/英寸激光打印机上印刷100次。1200点/英寸“平板式(flatbed)”扫描仪用来执行对每个印刷标识符图案的三次捕获。然后对于执行的300次捕获其中每一次计算印记。然后对于44,850对印记中的每个测量得分(如下计算数量：300*(300-1)/2)。这些44,850个印记对被分成两组：
600对印记的一组A对应于相同印刷标识符图案的不同捕获，以及
44,250对印记的一组B对应于不同印刷标识符图案的捕获。
组A的得分在0.975和0.998之间，而组B的得分在0.693和0.945之间。图29显示了组A和组B的得分分布。基于这些得分，不会在两组的那些对之间产生混乱。因此，通过利用如上所述的印记计算方法，可以毫不含糊地确定100个印刷中哪个是捕获图像的源图像。
测量“印记分离程度”，其包括计算组A和B的平均得分的差额(这里分别是0.992和0.863)并利用组A得分的标准偏差(这里是0.005)将其标准化，获得数值25.8。正如以下将会看到的，该指数对于确定产生最好结果的印刷和设计参数很有用处。
提取安全信息矩阵相关印记的第二方法描述如下。该方法具体在标识符图案也有安全信息矩阵的功能时应用。这它说明了如何提取捕获的安全信息矩阵的编码信息。该编码信息具有非零的误码率并且该误码的结构用作印记。
该方法的优点在于它能够使用设计的软件来读取安全信息矩阵。这最小化了所需的计算费用。
然而，精确读数安全信息矩阵需要密钥来产生排列的阻碍，如有必要。你未必是想在所有情况下都暴露该密钥。另外，尽可能消除对于每次印刷特定的内部排列变化。这不一定是合乎需要的，因为这些变化对区别安全信息矩阵的不同印刷有影响。
对于确定产生和印刷标识符图案的最佳参数的方法，存在最佳的衰变级别，其很容易地使得单个源标识符图案的各个印刷尽可能地区分开。因此，如果印刷的衰变级别非常低，例如1％或者2％(根据理想的捕获标识符图案的单元或者像素的1％或者2％被误读)，那么单个标识符图案的各个印刷之间是彼此非常接近的，而且很难可靠地识别它们，除非你有非常精确的捕获和/或非常精确的分析算法。同样地，当衰变级别很高时，例如45％或者50％(根据理想的捕获标识符图案的单元或者像素的45％或者50％被误读，50％意味着读取矩阵和源矩阵之间没有统计相关)，印刷标识符图案彼此之间是不易区别的。实际上，最佳的衰变级别接近25％，并且如果应用条件允许，则优选为接近该级别。实际上，对于25％衰变，假定印刷变化以及因此衰变本质上都是随机的，那么对于印刷标识符图案的每一个点，它不同于其他印刷标识符图案的概率被最大化。
以下给出当根据利用的印刷装置产生要印刷的图像时找出误码率的第二分析。
为了确定如何能够产生VCDP，使得对复制的检测得以优化，我们下面基于决策理论提出一种图案。在图像(或者点)上测量的特性由信号代表。为了简化分析，做出假设：在印刷之前数字信号具有二进制数值，对应于能够具有二进制数值的特性(例如，两个大小的点，两个位置等等)。该假设是通过大多数印刷方法处理二进制图像来证明过的。明显地，该分析的结论能够延伸至更加复杂的情况，尤其是对于点特性的几个可能的数值。VCDP的印刷是通过添加高斯噪声来做模型的。也可以假设利用相同印刷方法来作出复制，因此印刷该复制也是通过添加相同能量的高斯噪声来做模型的。另外，在印刷复制品之前，捕获信号的伪造者不得不通过估计初始值以最小化它们的误差概率来重建二进制信号。
该模型直接对应于能够具有点大小是1x1像素或者1x2像素(例如以2400点/英寸印刷的)的VCDP，为此伪造者必然要根据测量的灰度或者点的估计表面区域，在根据扫描重新构成的图像中，选择一个点的大小。例如，该模型也对应于位置以1像素改变的VCDP。
由此模型，获得最佳的检测器，最大化复制检测的检测器数值和参数值的统计分布。
下表总结了不同的变量。

  s  源信号  n，n_c  噪声，复制噪声  X  接收的信号
不失一般性，源信号是等概率的，即s[i]:{+a，-a}，其中，i＝0，1，...，N-1，并且a＞0。印刷噪声遵循高斯分布N(0，σ²)。
因此假设模型汇总如下：
(H0)x[i]:{+a，-a}                        (1)
(H1)n[i]:N(0，σ²)                       (2)
(H2)n_c[i]:N(0，σ²)                      (3)
通过将信号恢复为+a，-a之间最接近的值，能够容易地检验到伪造者最小化了它们的误差概率。
因此，检测问题包括区别以下两个假设：
H₀:x[i]＝s[i]+n[i]                       (4)
H₁:x[i]＝a.sign(s[i]+n[i])+n_c[i]         (5)
其中H₀和H₁是假设为接受信号分别是原始的和复制的。
伪造者修改估计数值的概率是：
p(sign(s[i]+n[i])＝s[i])＝p(s[i]+n[i]＞0)(6)
＝p(N(a，σ²)＞0)                        (7)
＝p(N(0，1)＞-a/σ)                      (8)
＝Q(-a/σ)                               (9)
其中Q(x)=(2π)-1/2∫-a/σ+∞exp-x2/2dx.]]>
我们有接收到的信号的以下概率分布，其中在假设H₁中我们有两个高斯分布的混合。
p(x;H0)=1(2πσ2)N/2exp[-12σ2Σn=0N-1(x[n]-s[n])2]---(10)]]>
p(x;H1)=(1-Q(-a/σ))1(2πσ2)N/2exp[-12σ2Σn=0N-1(x[n]+s[n])2]+---(11)]]>
Q(-a/σ)1(2πσ2)N/2exp[-12σ2Σn=0N-1(x[n]-s[n])2]---(12)]]>
我们将要检验简单的相关器给出了最佳分类函数。Neyman-Pearson检测器测试确定H₁是否相似度超出了极限值t：
L(x)=p(x;H1)p(x;H0)>t---(13)]]>
相似度是由下面给出的：
L(x)=Q(-a/σ)+(1-Q(-a/σ))exp[-12σ2(Σn=0N-1(x[n]+s[n])2+12σ2Σn=0N-1(x[n]-s[n])2]---(14)]]>
利用该算法，以及新的极限值t′，你获得：
T′(x,s)=Σn=0N-1x[n]s[n]<t′---(15)]]>
因此，分类函数是简单的相关器T’，其数值必须小于极限值t’以将信号归类为复制。
让我们来为两个假设确定T’的统计。我们可以假设T’遵循高斯分布(对于N高时成立(true for N high))，对于两个假设我们获得的其平均值和变化：
E[T′；H₀]＝Na²                                           (16)
E[T′；H₁]＝Q(-a/σ)Na²-(1-Q(-a/σ))Na²＝(2Q(-a/σ)-1)Na² (17)
Var[T′；H₀]＝Na²σ²                                      (18)
Var[T′；H₁]＝N(a²σ²+a⁴Q(-a/σ)(1-Q(-a/σ)))             (19)
如果复制来自于同源，则可以删除假设H₁的第二项变量(a⁴Q(-a/σ)(1-Q(-a/σ)))。实际上，因为伪造者通过只利用一个源来生产大量复制以最小化它们的工作，所以删除该项是合理的。
在变量都相同的情况下，检测性能可以由检测系数d²表征，其对应于两个假设的函数T’平均值之间的差值，由T’的变量归一化(normalized)：
d2=(E[T′;H0]-E[T′;H1])2Var[T′;H0]---(22)]]>
=2N2a4(1-Q(-a/σ))2Na2σ2---(23)]]>
=2Na2(1-Q(-a/σ))2σ2---(24)]]>
=2N(γ(1-Q(γ))2---(25)]]>
其中γ＝a/σ是信号噪声比的平方根。
因为检测性能随着检测系数的增大而提高，所以目的是确定使表达式(γ(1-Q(γ)))²最大化的γ值。
图33表示根据γ的表达式的数值。解释如下。γ的数值接近于零对应于相对信号来说很高的噪声：当噪声很高时，在第一印刷上的信号也衰减，伪造者引入大量过低的估计误差。相反地，对于过高的γ的数值，信号没有充分衰减，并且在相当大比例的情况下伪造者不会引入任何估计误差。在这两个极端之间，表达式经过最佳值，对此该数值数字上估计为γ≈0.752。
很有趣的是注意到，对于这数值，伪造者没有正确确定该数值的概率是大约22.6％。
实际上，涉及获得信号噪声比γ²尽可能地接近0.752²，即0.565。
为了更透彻地理解如何达到这个比例值让我们举个例子。假定我们产生具有两个可能的点大小(以像素数目表示)的VCDP，点大小是九像素(例如，3x3像素)。应当注意的是，点大小能够通过利用大量算法来测量，例如通过局部适应性确定灰度阀值以及计数阀值以下的像素。九像素的点被印刷足够多次。在捕获的图像中，测量每个点的像素数目的平均和标准偏差。假定获得了十二个的平均值(观察到的33％的平均获得)，以及四个的标准偏差。该标准偏差对应于描述我们模型的公式中的噪声的值σ。因此对于我们的信号a将得到近似于3的数值以获得比率γ＝0.75，其非常接近最佳数值。为了获得该信号值你可以例如定义两个点大小，十五和六个像素。
对于优化印刷参数的可能的算法描述如下：
在步骤720中，接收可提供给标识符图案的表面区域，例如1/6英寸的正方形，
在步骤721中，产生具有不同数字大小的几个标识符图案的数字图象，对应于不同的可能的印刷分辨率，例如一个标识符图案以400点/英寸的66x66像素，一个以600点/英寸的100x100像素，一个以800点/英寸的133x133像素，一个以1200点/英寸的200x200像素，
在步骤722中，，利用适当的分辨率，每个具有不同数字大小的标识符图案被印刷若干次，例如100次以使印刷的尺寸对应于可利用的表面区域。
在步骤723中，对于每个类型，每个印刷的标识符图案被捕获若干次，例如3次，
在步骤724中，计算每个标识符图案的印记，
在步骤725中，计算具有相同印刷分辨率的捕获标识符图案的所有的对的相似性得分，以及
在步骤726中，遵循在上述的一般印记提取法的测试中描述的方法来测量每个印刷分辨率的“印记分离程度”，并选择产生该程度最大值的印刷分辨率。
在一种可替换实施例中，利用不同印刷分辨率印刷几个安全信息矩阵，并且如同利用其它地方描述的其中一种算法计算的那样，确定导致25％的误码率的印刷分辨率。
在一可替换实施例中，这样来选择印刷分辨率，比较相同印刷对应的印记时计算的得分最低值和比较不同印刷对应的印记时计算的得分最高值之间差额最大。
对于表示和存储特性的方法，尽可能减少印刷数据量是有利的。就标识符来说，其涉及将印记与数据库中存储的大量的印记进行比较，这是非常昂贵的。通过降低要比较的印记的尺寸可以降低费用，尤其是通过避免利用浮点数。
考虑一般印记提取方法的情况。从捕获的标识符图案提取的原始数据矢量是提取值的256x256矩阵，并且在选择系数之后其经过离散余弦变换的表示具有10x10的值。利用每个数值一个字节来表示数值的矩阵是有利的，即100字节。
在步骤727期间，至少一个对象是利用标识符图案印刷，以产生安全文件。
另一方面，离散余弦变换的系数可以是正的也可以是负的，并且理论上没有限制。为了利用固定的信息量来表示这种数值，该数值必须被量化以便可以由二进制数值表示。可能的方法如下：
在步骤731中，预先为每个系数确定最小值和最大值。通常，最小值和最大值具有相同绝对值。
在步骤732中，确定使得每个数值能够被表示的位数或者字节数以及
在归一化步骤733中，对于离散余弦变换的每个系数，减去最小值然后将剩下的数值除以最大值，
在步骤734中，如果为每个数值可提供一个字节，那么结果乘以量化数据的可能数值的数目，即256。该结果的整数值与原始的量化数值进行相比。
在一个可替换实施例中，该量化步骤被优化以便最小化量化错误。
对于利用数据库的标识符的方法，就标识符来说，标识符图案必须与每一个数据库中的标识符图案相比较，以确定它是否对应于数据库中的其中一个标识符图案，在这样情况下，标识符图案被认为是有效的，并且可以检索相关的可追踪信息。否则，标识符图案被认为是无效的。
在实施例中，利用了以下步骤：
在步骤741中，确定包含在捕获的图像之中的标识符图案的印记，
在步骤742中，利用存储在数据库中的每一个印记，计算获得的印记的得分或者相似性，
在步骤743中，确定获得的最大相似性，
在步骤744中，如果最大相似性超出阀值，标识符图案被认为是有效的，并且在步骤745中检索相关的可追踪信息，
否则，在步骤746中，标识符图案被认为无效。
在可替换实施例中：
在步骤747中，如果标识符图案也有数字验证码的功能，则提取可追踪信息。
在步骤748中，使得搜索空间减小的可追踪信息也可以来自另一个源，例如，相关的条形码，来自控制器的信息，等等；以及
在步骤749中，该信息用来降低数据库中的搜索空间。例如，制造订单信息能够从对应于该生产订单的印记子集合中预选择要比较的印记。
对于没有数据库的检验方法，其需要预先计算要存储在文件上的标识符图案的印记。例如，在计算每一个合法文件的印记步骤中，它们可以被指定既存储在数据库中也以安全方式存储在文件上。
将印记存储在文件上优选为通过运行中的可变印刷实现，即实际上对于每个文件都是不同的。取决于印刷手段，该印记可以存储在一维或二维的条形码中，或者数字验证码中，其质量是受限的。
通常优选为以安全方式存储印记，例如通过利用带有加密密钥的加密算法。由此可见，你避免了伪造者使用不合法文件的风险，而不必连接到参考数据库。为此利用了以下步骤：
在步骤751中，确定包含在捕获的图像之中的标识符图案的印记，
在步骤752中，接收预先计算的印记，
在步骤753中，通过比较获得的印记与预先计算的印记来计算得分或者相似性，
在步骤754中，如果最大相似性超出阀值，则标识符图案被认为有效，
否则，在步骤756中，标识符图案被认为无效。
对于组合使用标识符图案与数字验证码的功能，唯一地表征文件的现有技术方法使用不利用数据库就无法解释的特性。另一方面，虽然标识符图案正如已经看到的可以只是图像没有含义，它们也可以是包括其他功能的图像。具体的，它们可以是数字验证码，在这样情况下它们可以包括安全信息(需要一个或多个密钥来读取它们)，和/或具有认证属性(以辨别原始和副本)。
标识符图案的印记可以被设计成能足够精确以识别文件，但不足以不被再生。实际上，考虑到确定印记的一般方法，基于100低频DCT系数，可以利用每个一个字节来表示。理论上，任何人都能够提取此系数，并且通过倒置这些系数创建与标识符图案相同尺寸的图像。正如所理解的，该图像与印刷的标识符图案非常不一样。尽管如此，通过比较由反像捕获计算的印记和原始印记所获得的得分是0.952。虽然该得分小于根据比较相同印刷的标识符图案的印记所获得的所有得分，但是明显地大于根据比较不同印刷的标识符图案的印记所获得的得分。因此存在这样的风险，伪造者设法再现合法标识符图案的印记。
较好的图像捕获和/或精确的图像捕获能够降低甚至消除这种伪造行为的风险。然而并不总是这样。那样的话，如果标识符图案也是数字验证码，那么通过利用以下步骤同时使用其认证属性是有利的：
在步骤761中，识别或者检验标识符图案，
在步骤762中，接收认证数字验证码所需的该密钥或者多个密钥，以及
在步骤763中，确定数字验证码是原始的还是复制的。
数字验证码通常基于一个或多个物理的防复制特性的衰变，在复制步骤中数字验证码对复制很敏感。
因此，数字水印在复制过程中具有较低的能级，以至在对复制不很敏感的水印和对复制非常敏感的水印之间有不同能级比率。同样地，就立体标记技术来说，也注意到了对于复制的较低能级或者相关性。对于复印检测图案，基于图像比较，计算原始复印检测图案和捕获的复印检测图案之间的相似度指数(或者不相似度)；如果捕获的复印检测图案是复制的，则相似性指数较低。最后对于安全信息矩阵，对于从矩阵提取的编码信息测量误码率；对于复制的，误码率会较高(注意，由于编码信息的冗余性，传送的信息通常被无误地解码)。
应当注意的是，对于其中每种方法，测量通常是连续的一个或多个数值，并且其没有明确地确定文件的性质(原始或者复制)。通常必须应用用于辨别原始和复制的预定义标准，例如通过比较获得的数值或者多个数值相对一个或多个“阀值”(极限值)，以便确定测量值或者测量的数值是否对应于“复制”或者“原始”。
对于基于标识符图案保证文件安全的方法的实施例，可以使用以下步骤：
在步骤771中，权利所有者授权处理器许可产生若干文件，
在步骤772中，权利的所有者以要印刷在文件上的数字图象的形式将一个或多个标识符图案发送到处理器，标识符图案可能具有数字验证码功能。标识符图案可以是数字文件设计的一部分，或者分开传送。在可替换实施例中，处理器从权利所有人授权的第三方接收标识符图案，
在步骤773中，处理器在每个文件上印刷具有确定标识符图案或者多个图案的确定数目的文件，
在步骤774中，确定数目的印刷文件被发给权利所有人。在可替换实施例中，文件被发给权利所有人授权的装配技术人员。在可替换实施例中，确定数目的印刷文件直接由处理器在步骤774处理，如在可替换实施例中所描述的那样。
在步骤775中，权利所有人或者装配技术人员组合成品(其可以包含几个文件)，
在步骤776中，捕获标识符图案或者多个图案的一个或多个图像。理论上，这些处理是自动进行的，例如，产品在工业照相机的镜头下在传送带上移动。工业照相机是自动触发的或者经由来自传感器的外部触发，
在步骤777中，每个捕获的标识符图案的图像与相关信息(制造订单，日期等等)存储在数据库中，
在步骤778中，实时或者延迟的，对于每个有效的捕获的标识符图案的图像计算一个或多个印记，
在步骤779中，在检验模式中使用标识符图案的目标下(没有数据库连接)，其中一个印记，通常是占据最小数据量的那个被量化和/或压缩以便获得它的压缩表示。产生包含印记表示的信息矩阵(数据矩阵，条形码，安全信息矩阵SIM等等)，优选为借助于密钥保证安全。信息矩阵被印刷在包含标识符图案的文件上，以及
在步骤780中，如有必要，经由安全链路，将计算的印记集合发送到中央服务器，检查器连接到服务器上以检验印记的有效性。
在可替换实施例中：
标识符图案图像被捕获的位置可以位于打印机或者处理器，优点在于其可以集成到生产中，而缺点在于它处于暴露的表面。该机器被用来计算和/或存储可以保证安全的印记，和/或
该位置可以位于权利所有人授权的第三方，通常该第三方与使用的标识符图案的供应商是同一方。
图23显示：
步骤605，确定表示与要认证的对象相关的信息的点矩阵，
步骤610，通过以下方式将标记附着到所述对象上，由于在标记步骤中过程中使用的装置的物理特性，附着的标记呈现不可预知的错误，
步骤615，捕获所述标记的图像，
步骤620，通过处理所述图像，确定所述不可预知错误的物理性质，
步骤625，存储表示不可预知错误的物理性质的信息，以及
鲁棒性标记步骤630，在此中鲁棒性标记带有与不可预知错误的物理性质有关的信息附着到所述对象。
在步骤605中，确定信息矩阵，例如以区域的矩阵形式，每个带有数百个点并且每个都表示二进制信息项。与产品相关的信息项是，例如厂商名称，产品的制造订单和/或生产日期。
在步骤610中，你将由点矩阵形成的标记附加上分辨率，以使与原始点阵相比，至少标记点的2％是错误的。例如，使用打印机的最大分辨率。具体来说，该分辨率的效果是这样的，需要复制标记，例如通过光学的或者摄影处理，这样来复制对象，与原始标记相比，复制的标记的误差级别增大了至少50％。
在步骤620中，如同不可预知错误的物理性质一样，你确定在所述标记中所述误差分布的特性。例如，你确定从标记中心到由标记带有的错误的重心的矢量，然后根据它们的位置分配权重给该错误，随之确定从标记中心到错误重心的新矢量，等等。
在步骤630中，鲁棒性标记是以“数据矩阵”(datamatrix，注册商标)著称，例如一或者二维的条形码或者数据矩阵。因为该第二标记是鲁棒性的，所以它可以阻止盲从的复制并且使得对象能够被识别。优选地，在步骤630中，利用不可预知错误的物理性质的代码密钥，优选公共代码密钥。
由于利用本发明，即使在许多对象上使用了没有修改的相同的标记处理，例如蚀刻或者印刷，标记错误的物理性质仍能够对每个标记以及每个相关对象一个唯一的标识符。
当对标记对象执行新图像捕获并且运用新图像处理时，图像处理的结果可以与存储的信息相比，以检索对象的标识符。
错误量很明显并且使得标记和对象都能被唯一地被识别。
读取与带有标记的对象的有关的数据提供了访问错误的物理性质的数据库的起因和/或手段。
无论在何种条件下，捕获所述标记的新图像，都可以检索误差分布特性。
为了利用本发明的某些实施例，发明人已经发现某些印刷特性可以有效地将原始与复制区分开。具体而言，可以测量标记点的精确位置或者形状、尺寸或者“大小”的变化并统一度量使得原始区别于复制。应当注意，因为屏幕的原因，要印刷的图像中的颜色级别(或者灰度)的变化，相当于形状或者尺寸的变化。先前提及的数字验证码不被设计成能准确地测量这些特性。相反地，巳知类型的所有数字验证码由于印刷过程中未能预料的未知情况导致的位置变化，以及使用测量导致破坏的变化而性能降低。最好地，很多方法都是用来设法消除它们。此外，数字水印和AMSM都被设计成能测量信号的综合特性(例如能量)，对于区分原始和复制不是非常精确。
图1显示了由一组随机位置的点110组成的数字标记105，由黑色边缘115围绕。应当注意的是，这个原始标记中的点110全部都是相同大小，即以600像素/英寸印刷的图像的1个像素。图2显示了这个数字标记的印刷120。图3显示了这个标记的影印125。可注意到，在影印125中，点110已经消失。利用简单的测量，诸如仍然存在于标记中的点数，由电子图象传感器捕获的其图像，或者与参考标记的相关度，很容易辨别原始120和影印125，或者低质量的复制。
图4显示了高质量复制130。这个复制是通过恢复到它们的初始状态利用扫描仪基于图像的高质量捕获而产生的，捕获通常称作“扫描”，点110被自动检测(例如，使用Matlab软件系统，注册商标)，假定这些点是黑色的并且大小上是每英寸1/600。可以看到，存在于图2的原始图中的点110全部或者大多数都出现于图4中。令人遗憾地，以下的事实证明任何伪造者的任务都因此变得容易，所有点本来具有相同大小，点的尺寸或者灰度的测量量不必是已知的，并且那些点只能以它们的原始大小重新构成(其是固定的，对于大的集合容易确定)。
优选地，通过利用本发明的某些方面，仅仅计数出现的点不足以辨别原始和复制。基于相关性或者能量级别的方法，如同由AMSM所使用的，对于检测高质量复制也是不起作用的。
为了这个目的，在优先的实施例中，为了扩大使用点图案的机会，不同于现有技术方法，确定文件的真实性需要特别注意点的几何特征，点的几何特征是以局部级别分析的。具体地，点的精确位置，形状和/或大小都用于检测复制，存储信息和/或用于唯一地表征文件。因此，VCDP也就是本发明具体实施例的目的所在，提出了点的精确位置，形状和/或大小是可变的特殊性。优选地，为了在该VCDP中产生点分布，产生其中至少一个几何特性是可变的点，已从印刷系统获知/测量得知，当印刷时产生的变化的几何幅度具有点的不可预知的几何变化的数量级。
以下描述将涉及：
VCDP数字设计方法，
测量VCDP几何特征的方法，
以使得原始VCDP能够区别于复制的VCDP的度量组合测量的VCDP几何特征的方法，
优化VCDP的印刷的方法，
基于VCDP的几何特征识别VCDP的方法，
检验VCDP的方法，
将信息存储在VCDP中的方法，以及
用于保证文件安全的步骤。
首先，产生可变特性点图案的方法描述如下。为了产生VCDP，在步骤300中，预先确定将用于把VCDP印刷在文件上的印刷系统的印刷质量。印刷质量表示印刷的各个点，逐点地，由印刷所引起的，作为印刷过程中不可预知的未知情况的结果，所导致的至少一个几何特性的不可预知的变化。
在步骤302中，然后确定印刷该VCDP可用的表面区域，印刷系统的分辨率以及想要的点的最大密度。例如，可用大小可以是大约1/6x1/6英寸，以及密度1/100(约100像素中的一个可以被印刷)。最大密度取决于可接受的VCDP能见度，其是应用条件(例如墨水的颜色、介质、印刷类型、文件的外观)的函数。密度可以更大，例如可以是1/16或者1/9的密度，甚1/4。优选地，产生VCDP以使印刷的点不“接触”。
在某些情况下，可用的尺寸可以更大，例如几平方英寸。然而，大部分捕获装置，例如具有阵列图像传感器的照相机，提供不许该区域被覆盖的捕获表面区域(当文件或者产品必须“在域内”被读取时，平台式扫描仪通常不可用)。在这种情况下，你可以“平铺显示”VCDP，即并置相同的VCDP，或者为了安全原因并置不同VCDP。在下面的描述中，这两种类型VCDP并置，分别为相同或者不同，称为“平铺显示”。
假定捕获工具可以被任意地应用到印刷区域上，那么为了保证至少一个VCDP完全地包含在捕获表面区域之中，VCDP的最大尺寸等于捕获表面区域最小侧边的一半。对于早先提及的例子，640x480CCD，以1220点/英寸运行(表面区域1.33cm乘1cm)，VCDP一侧不应该超出0.5cm。
随后通过以下方式产生VCDP：
所述分布的至少一半的点不横向地并置于所述点分布的四个其他点，以及
点的所述分布的至少一部分点的一个维度变化与所述不可预知的变化的绝对值平均数为同一数量级。
实际上，发明人已经发现原始的印刷必须提供这种数量级比率以获得更有效的文件安全功能(认证以及标识符)。
另外，发明人已经发现在某些实施例中，为了保证文件安全防止复制引起，作为复制过程中不可预知的未知情况导致的结果，印刷的各个点的所述几何特性的所谓不可预知的“复制”变化，优选为当将点分布印刷在文件上时，作为印刷过程中不可预知的未知情况导致的结果，所述印刷引起印刷的各个点的所述几何特性的所谓不可预知的“印刷”变化，不可预知的印刷变化的平均量级与所述复制的不可预知变化的平均最小量级为同一数量级。优选地，接着执行确定表示不可预知的印刷变化的物理量级的步骤，正如其它地方参照认证和识别文件的功能所描述的。
例如，对于1/6英寸的印刷表面区域，可以使用以1200点/英寸印刷的200x200像素的VCDP，当不可预知变化的绝对值平均数在0.2像素和20像素之间时，其中的“点”测量2x2生成像素。注意，以600点/英寸印刷的100x100像素的VCDP，利用1x1像素的点可以给出可比较的结果。尽管如此，较高图象分辨率(对于相同尺寸的印刷面积)使得点的尺寸和/或位置变化更灵活，正如以下详细描述的。
优选地，避免点被叠加，粘在一起，或者太靠近。、为了这个目的，VCDP被分成邻接区，例如对于200x200像素的VCDP，分成每个20x20个像素的10x10个区域。通过在每个区域的每个边缘上保留1个像素的白边，可为点提供18x18个像素的区域。因此，在为它保留的这个区域每个点有17x17＝289个可能的位置(使用2x2像素的点，例如它们的最高和最左点只能采用17个横向位置和17个纵向位置)。
出于安全原因，最好是VCDP具有伪随机性，例如根据提供了保密密钥的加密算法产生。该密钥用作产生伪随机数的算法的初始值，初始值可以由知道密钥的任何人检索到，但是很难让没有密钥的任何人找到。
如图16A显示，为了产生VCDP，执行：
步骤302，接收或者确定可用的表面区域，以及印刷系统的分辩率和印刷密度，
步骤304，接收密钥，例如32字节(256位)序列，
步骤306，产生二进制数值，例如使用递归的加密或者散列函数，利用该密钥初始化算法。例如，对于如上所述的例子，对于点有289个可能的位置，因此需要9个比特位来确定为它保留的这个区域的点的位置。因此，需要900比特以确定它们各个区域中的100个点的位置。假定使用SHA-1散列函数，256位输入和输出，该函数必须被调用四次以获得必要的二进制数据；以及
步骤308，在每个单元引入点并且将单元组合成图像，在这种情况下尺寸是200x200像素。例如，在步骤308中，相继使用九位序列，以确定在每个单元中点的位置。当该序列表示的数值大于289时，采用下一个序列。否则，该点被定位在通过序列标识的位置，例如通过编号在可能位置的每条线中的相继位置。然后，在单元的每条线中连续地并置单元。
步骤308之后，将VCDP并入印刷胶片中并且在步骤310中印刷文件。
在可替换实施例中，每个点可以具有可变尺寸。例如，点可以具有大于或者小于2x2像素的表面区域。因此，点可以具有几个大小，提供测量其他几何特征的可能性，其他几何特征对于伪造者来说很难进行再现。例如，点可以具有两个可能的大小，2x2像素是之前所给的，或者3x3像素，例如2x3或者3x2不相等的垂直与水平维数，也是可能的。注意，就两个正方形点来说，需要附加二进制数据项来识别点的尺寸，被添加到九项二进制数据的该数据项识别在给它保留的区域中点的位置。因此，每个区域需要十项二进制数据，以及100个单元的1000项的二进制数据。
图5显示了点(2x2和3x3像素的点)的维数伪随机变化的VCDP135，以及围绕VCDP 135的边缘140。图6显示了印刷图5的VCDP135的结果145的细节。
应当注意的是，在可替换实施例中添加边缘(在这种情况下是140)或者任意形状，以能够定位VCDP。例如，将同步方框添加到边缘上或者添加到VCDP中，以代替包含点的区域。
关于测量VCDP的定位特性，发明人发现虽然包括VCDP的点可以确定并且可以由伪造者准必然地重新设立，但是对于伪造者很难能降低关于点的精确位置的不确定性。结果，当印刷VCDP时，点不是必须地被印刷在它们的精确位置：该不确定性起因于印刷过程中的不可预知的未知情况，而且也是由从数字到模拟所引起。有效地，当在印刷中从数字值到模拟值，然后捕获图像时再到数字值，在点的位置中，大约一半的像素(分别是印刷和图像捕获像素)存在平均不确定性，第二不确定性与印刷过程中不可预知的未知情况导致的位置不确定性无关。注意，根据印刷装置的稳定性，可以添加其他的位置不确定性。当产生高质量复制时，其他的重新打印位置的不确定性被添加到已经存在的位置不确定性之中。因此，如果捕获图像是复制的，与如果捕获图象是原始的相比，前者捕获图像中点的位置和原始图像中点的位置之间的变化平均来说是较大的。
测量VCDP几何位置特性的算法描述如下。在步骤320中，从包含VCDP的文件区域被捕获的图像和密钥在输入时被使用。在从实现该算法的步骤进行输出时，获得VCDP点的位置特性的矢量。
在步骤322中，通过应用VCDP设计算法，确定每个点的初始位置；
在步骤324中，确定捕获的图像中一组位置参考形状的位置，理解为VCDP本身，或者它的一部分，可以用作参考形状，因为它是已知的。例如，这些参考单元可以是正方形的边缘，角的指示器。还可以使用确定位置的其他巳知技术，诸如自相关平铺显示图像。
在步骤326中，根据参考形状，重建相同尺寸或者原始大小整数倍的图像；
在步骤328中，对每一单元，确定点的图像必定落入其中的捕获图像中的搜索区域(例如，如果以600ppi(“点(point)每英寸”的简称)印刷VCDP，并且以1200dpi捕获(“点(dot)每英寸”的简称，表示每英寸的捕获像素)，+/-5像素的区域对应于原始图像中的+/-2.5的区域)。因为参考单元的初始位置会不精确，所以需要相对较大的搜索区域；
如果点是亮背景下的暗色，那么在步骤330中，确定在定义范围内具有最小亮度值的像素在再现图像或者捕获图像中的位置，以及如果该点是黑暗背景下的亮色，在步骤330中，确定在定义范围内具有最大亮度值的像素在再现图像或者捕获图像中的位置。像素的该位置被认为是捕获图像中点中心的位置；
在步骤332中，测量两位置之间每个方向上的距离；以及
在步骤334中，将所有距离测量汇集到几何特征的矢量中。
用此方法，获得了100个单元的VCDP的大小为100x2的矢量。由于参考单元位置的不精确性，可以存在系统偏差。优选地，在步骤332中，通过计算横向和竖向距离的平均值以及从相应距离中减去该平均值来补偿偏差(实际上，对于位置的不精确性希望出现零平均值)。
在可替换实施例中：
每个点的其他特征值也用来确定其位置，例如，点的中心像素的亮度值，对应于像素的点过滤器的响应值，等等和/或
不重建图像的情况下确定点的位置，在确定每个点的精确位置的搜索区域时，将捕获图像中的比例系数及图像的转动和转换都考虑在内。
对于利用位置特性矢量辨别或者区分原始VCDP和复制的VCDP，你可以如下进行：
在步骤340中，对于每个点，计算根据捕获图像和初始位置计算的点位置之间的欧几米德距离，
在步骤342中，计算对于所有点的该距离的平均值或者中间值以获得平均距离的测量置，
在步骤344中，将该平均距离与预定义的阈值进行比较，
在步骤346中，用下列方式，确定VCDP是原始的还是复制的，
如果该平均距离低于该阈值，则VCDP被认为是原始的，
否则，它被认为是复制的。
以下例子示出了建议的方法。相同的原始VCDP已经被印刷，并捕获三次。在原始件的位置特性矢量上计算的平均距离是0.454，0.514和0.503图像像素。已经做出三个高质量复制，每个都来自三个印刷的VCDP其中一个。在这些复制件的位置特性矢量上计算的平均距离是0.965，1.088和0.929图像像素。应当注意的是，基于该平均距离，仅仅通过阈值，原始VCDP就可以容易地与复制的VCDP区分开。取决于可能错误的相对成本(“假正”：将复制检测为原始，或者“假负”：将原始检测为复制)，可以有几个阈值。如果每种错误的相对成本相等，则0.75(图像)像素的阀值是可接受的折中。
也可以使用其他巳知的数学方法，例如基于统计和/或形状识别方法，以便区分开原始VCDP和复制VCDP。
正如以上所注意到的，对于使用点的几何特征的数值辨别或者区分原始VCDP和复制的VCDP，如果该点具有恒定尺寸，则伪造者很容易以一致的尺寸再现它们，即使该点可以以变化的尺寸出现在原始标记中。在实施例中，在产生VCDP中对一维或二维的点进行改变。
在步骤350分析文件的真实性中，在已经捕获VCDP的图像之后，在步骤352中，根据它们的中心图像像素的亮度级别，它们对图像像素对应的至少一个矩阵过滤器的响应，等等，来确定点的维数。
然后，根据原始数字VCDP点的维数和要认证的VCDP捕获图像中相应点的维数之间的相似度，进行原始VCDP区别于复制的VCDP。例如，进行如下：
在步骤354中，通过应用VCDP设计算法，确定预期维数特性的矢量。例如，预期特性的矢量可以是点的表面区域值或者它们的二维值，横向值和纵向值；
在步骤356中，计算在预期特性的矢量和处理VCDP捕获图像之后获得的特性的矢量之间的相似度的指数，例如相关系数以及
在步骤358中，通过比较相似度指数与预定义阀值，确定VCDP是否可信，
如果指数的数值大于阈值，则VCDP被认为是原始的；以及
否则，它被认为是复制的。
以下例子示出了建议的方法。图5中示出了相同的原始VCDP，其中点维数在2x2像素和3x3像素之间变化，该VCDP已经被印刷并捕获三次。特性矢量包括表面区域的数值4和9像素的点大小为2x2像素和3x3像素。特性矢量包含点周围区域的平均亮度值，小于点的亮度值。因此如果点被更深地印刷则存在更高值，这常常是3x 3像素的点的情况。
对三个原始印刷，计算的相似度指数是0.654，0.673和0.701。然后做出三个高质量复制，每个来自三个印刷VCDP的其中之一。为了复制，确定点的位置，然后测量它们的亮度。VCDP点的亮度中间值已经算出，具有小于亮度中间值的亮度的点被认为是具有原始的3x3像素大小，对比2x2像素大小的点具有大于亮度中间值的亮度。复制已被印刷和捕获。计算三个复制的相似度指数是0.451，0.423和0.446。应当注意的是，基于平均距离，仅仅通过计算阈值，原始VCDP就可以容易地与复制的VCDP区分开。取决于可能错误的相对成本，可以是几个阈值。如果每种错误的相对成本相等，则相似度指数的0.55阈值是可接受的折中。
也可以使用其他巳知的数学方法，例如基于统计和/或形状识别方法，以便区分原始VCDP和复制VCDP。
以上描述基本上涉及保证文件安全防止复制。以下描述涉及保证文件安全的两种其他形式，首先涉及唯一地识别没有经“变化的”印刷方法印刷的文件，其次涉及带有关于文件的信息，例如参考数，它的生产日期，生产地和制造订单，与文件或者其目的地有关的知识产权所有者姓名。
基于它们的几何特征识别VCDP的方法描述如下。在这种情况下，需要使用测量的VCDP特性唯一地识别来自单个源数字VCDP图像的每次印刷。效果上，VCDP的每次印刷都会在印刷过程中产生独特的不可预知的未知情况，其可以在相同印刷的不同捕获中被发现。因此，将VCDP连续印刷的特性存储在数据库中，或者最好是以安全方式将它们存储在包含VCDP的文件(例如2D条形码)上，通过搜索在图像被捕获的VCDP的几何特征和存储的几何特征之间的一致性，VCDP的印刷以及带有它的印刷文件随后可以被识别，即唯一地识别出。
优选地，将标识符和认证结合，用于捕获和处理图像的同一个设备既提供文件真实性的指示也提供文件标识符的指示。
可以使用点的几个几何特征，诸如精确位置，或者亮度测量量，点的维数以及它们的形状。尤其由点的平均，中心或者最小灰度被测定的亮度去区分，因为它随着相同源图象的不同印刷显著地并且不可预见地发生变化。应当注意的是，不必在源VCDP中使用具有可变大小或者形状的点，因为点的特性从一个印刷到下一个印刷是发生变化的。以举例说明这一点，图7显示了具有恒定点大小的单个VCDP的两个印刷：点151在下面的图像中比在上面的图像中印刷地更深，而点152在上面的图像中比在下面的图像中印刷地更深。
三个印刷VCDP其中每个都被捕获三次，获得总共九个捕获图像。为九个图像捕获中的每个，计算包含点的最小亮度值的特性的矢量。然后，计算9*8/2＝36对的捕获图像中每对的特性矢量之间的相似度指数，即相关系数。这些36对中，有9对是对应于相同印刷的不同捕获，以及25对对应不同印刷的捕获。对于第一组平均相似度指数是0.9566，标准偏差是0.0073以及最小值是0.9474，对于第二组平均相似度指数是0.6203，标准偏差是0.0272以及最大值是0.6679。两组之间相似度指数的差异非常重要，并且基于点的特性矢量，毫不含糊地表明可识别印刷的VCDP。
图18详细描述了与该方法相对应的识别过程中的步骤。在步骤402中，捕获印刷VCDP的图像。然后在步骤404中，计算包含点的最小亮度均值的特性矢量。对于每个点，特性矢量或者印刷的VCDP的“签名”包含平均亮度测量量以及可能的亮度测量量之间的标准偏差。应当注意的是，基于与其他测量量的平均值的差值和其他测量量之间的标准偏差，可以排除某些亮度测量量。然后在步骤406中，将特性矢量和关于文件生产和/或销售的指示存储在数据库中。
在标识符尝试中，在步骤410中，捕获印刷的VCDP的图像。然后，在步骤412中，计算与存储的特性矢量相对应的特性矢量。在步骤414中，确定最接近于在步骤412计算的特性矢量的存储的特性矢量并且检索相关信息。
在可替换实施例中，在步骤404确定的特性矢量还以鲁棒性方式存储在文件本身，即防止复制，例如在二维的条形码或者Datamatrix(注册商标)中，出于安全原因优选地加密。在这种情况下，在步骤416通过比较两个特性矢量和预定义的或者存储在条形码中的本身的与阈值之间的相似度指数，来认证文件。
为了将信息存储在VCDP中，例如，可以为每个点在分配给它的单元内定义两个可能的形状，两个位置或者两个维数，以便每个区域存储一个比特位。比特值(“0”或者“1”)被分配给每个位置，维度或者形状。
参照图5，其示出了具有两个尺寸的点的VCDP，例如小尺寸点(2x2像素)可以表示比特值“0”，而大尺寸点(3x3像素)可以表示比特值“1”。
因此，对于具有100个单元的VCDP，可以没有冗余地存储100比特。为了检测和/或纠错，需要使用错误检测和/或纠错码。
对于位置用来表示二进制值的情况，优选为，与两个数值其中每个相对应的位置，被彼此隔开。确保两个位置隔开的可能方法包括将单元分成两个相等尺寸的部分，对应于两个比特数值，并伪随机地分配位置给与要编码的比特对应的区域。应当注意的是，单元中点的位置可以表示多于一个二进制数值，这是因为有多个可能的位置。例如，正如以上看到的，该位置可以表示8比特位289个不同位置，或者6比特位如果每个方向上两个位置中的一个被排除，以减少在读取中译码位置的错误风险。
在读取VCDP时，为每个子单元确定点的两个可能位置周围的搜索区域。为了确定两个子单元哪个包含该点，确定两个子单元的每个的最小亮度值：具有最低亮度值的区域被认为是已被插入点的那个。在可替换实施例中，可以根据两个子单元每个之间的亮度差异或者比率，分配权重给每个比特值。
在可替换实施例中：
单元中点存在或者不存在用来表示信息位(以下在“栅格”中使用)；
一个以上的二进制数值是通过每个单元点的两个以上的可能位置表示的；
一个以上的二进制数值是通过每个单元点的两个以上的可能维数表示的；
一个以上的二进制数值是通过每个单元点的两个以上的可能形状表示的，和/或
信息是在被编码之前加密的。
对于结合其他数字验证码，VCDP可以和数字验证码结合，以提供附加保护层和/或追踪文件的不明显的装置。图8显示了安全信息矩阵155，在其中心包括插入VCDP 156的区域。图9显示了安全信息矩阵160，其由VCDP161围绕。应当注意的是，在该图9情况中，使得数字验证码160能够被定位到例如其角落的元件可用于定位并确定VCDP 161的点的近似位置。
在实施例中，使用了通过不明显的标记识别VCDP的装置。有效地，在某些情况下需要标志比边缘更不明显，以使VCDP的位置，甚至VCDP的存在，很难被检测到：例如，可以插入有限的或者损坏的边缘标记或者角落标记，或者可以使用数字验证码或者其他相关符号来识别它。
如果相同点图案被重复若干次，例如通过平铺显示，利用自相关性和互相关技术可以识别和定位点，诸如Proc.of SPIE：多媒体系统及应用，3528卷，423-431页，美国波士顿，1998年11月，M.Kutter的文章“Watermarkingresisting to translation，rotation and scaling”。
将不明显的参考标记引入到VCDP中的另一方式包括将容易识别的形状特性插入一组点构成的单元。例如，如果想要一点作为参考，则在参考点附近插入很多点，以获得容易识别的点丛。图10示出了VCDP165，其四个角落166包括具有中心点的单元以及四个非常靠近的邻近点，形成以中心点为中心的正方形的角落。为了检测，可以从检测将足够的表面区域上的作为“候选”的所有点开始。然后，对于每个点，确定在小于或等于预定义距离的一定距离内其邻近点的数目。这一点能够得以快速实现如果候选的点被排列在格栅上，其使得能够快速计数窗口内邻近点的数目。保留有限数量的候选点，例如六个候选点，其具有最大数量的邻近点。然后可以使用巳知的几何技术以确定哪些是对应于参考点的候选点，在这种情况下是VCDP的角落。例如对于VCDP 165，知道三个有效的候选点必须形成角度合适的等腰三角形。
引入不明显的参考标记的另一方式包括基于一条线插入点。图11示出了VCDP170，在其边沿线171带有比在VCDP170内部的并列点多很多的点。这些边缘线可以通过不同行检测算法检测，例如通过应用霍夫变换，和/或通过应用Sobel过滤器以过滤噪声。
在可替换实施例中，将包括成线的点或者可识别标记(例如图10中示出的点丛)的相同VCDP或者不同VCDP进行平铺显示。
在优选实施例中，以常规格栅的形式排列VCDP。有效地，在某些情况下通过平铺显示较大的表面区域，甚至要保护的整个文件复制VCDP是有利的。由此可见，很难甚至不可能毁坏VCDP，并且提高了图像捕获位置的灵活性。具体地，通过平铺显示相同VCDP可以被插入若干次。同样地，可以插入至少部分地不同于所有其他VCDP的VCDP。可以使用如上所述的识别装置以被正确定位以读取VCDP。然而实际上，参考，同步或者标识符元件很难正确地检测。
正如以下将看到的，可以通过以栅格形式排列那些点以更容易地做出检测。那些点每隔一定间隔被插入，例如以在每个方向上相隔4至12像素来间隔。基于该原则，有几种方式表示信息：
点存在或者不存在可以表示信息位，如图12中示出的VCDP 175中，其中存在点对应于比特值‘1’，而其不存在对应于比特值‘0’；
尺寸，形状或者幅值的偏移小于VCDP点的至少一个维度可以表示信息。例如，从四个形状或者四个维度选择中选择点，可以表示VCDP 180的每个点为两个信息比特，如图14所示，其表示放大的VCDP 180的细节。应当注意的是，这些VCDP点可以采用以下大小，以像素为单位(第一图表示高度以及第二图表示宽度)，1x1，2x2，1x2和2x1像素分别相应于比特值“00”，“01”，“10”和“11”。当然点的许多其他组合和形状都是可以的。
在可替换实施例中，根据完全常规的栅格原则，点的轻微移动可以表示信息。例如，移动点使表面区域移动两个像素，横向和/或纵向移动像素可以表示两个信息比特。当然也有许多其他可能性。注意点的这样移动不会显著地改变几何特征，特别是对于标识符来说使用栅格具有优势。
栅格非常好地借助自身来确定应用于捕获图像的转动角度和缩放系数。效果上，具体来说，你可以利用图像的霍夫变换，或者利用在傅里叶空间确定能量高峰。图13是图12栅格的二维傅里叶变换的绝对值表示，其中点的亮值对应于能量高峰。检测这些能量高峰使所属技术领域的专业人员能够计算图像的缩放系数和转动角度，以鉴于他们的处理接收归一化维度。
一旦知道并校正了图像的转动和缩放，就能确定转换值，即对图像进行移动以正确地排列栅格的点。对此存在不同的可能方法。它们的共同之处就是固定一组栅格的点的数值，以被随后查找来排列栅格。例如，可以固定根据密钥伪随机选择的一组点的数值。在栅格的捕获和校正图象与根据巳知点的数值产生的图像之间的互相关，产生了在移动栅格对应位置的相关性峰值。
对于写入算法，可以是为所属技术领域的技术人员所知的很多方法。举例来说，假定存在基于以下假设的20x20单元的栅格，无论平铺显示与否：以600点/英寸印刷，以及1％表面区域可以被标记(以最小化标记的视觉冲击)，其平均起来在每个方向每10像素构成一个点。因此该平铺显示原来是200x200像素；图像捕获装置以720像素/英寸的捕获分辨率产生640x480像素的图像。应当注意的是，保证至少一个平铺显示将完全地包含在捕获图像之中。
输入时，在步骤502中，接收例如8字节的信息，密钥以及编码密钥(两个密钥可以是相同的)。在步骤504中，加密该信息。可选地，在步骤506中，可以将错误检测位添加到该信息，例如两个字节，使得可以以2到16次幂的系数降低误解码信息的风险。在步骤508，根据级联了误差检测码的密码信息，在该例子中是10字节，例如通过应用卷积码计算误差的信息鲁棒性。对于比率2与存储的7的卷积码，对于输入的8个字节，获得了采用142位的编码。在步骤510，如果有20x20点＝400个位置，则该信息可以被复制两次，从而获得284位的复制信息。因此，你有400-284＝116个未使用的位置，其将用于存储检测排列平铺显示时使用的同步位，如下所述。在步骤512，复制信息是编码的，即依序利用或非(exclusive-OR)函数调动和变换的。所述调动和或非函数中使用的比特值是根据编码密钥计算的。由此可见，获得了284个编码位。
在步骤514，根据密钥伪随机地产生116个同步位，并且他们的位置还可以是伪随机确定的，以使它们均匀分布在平铺显示中。
VCDP图像只是通过添加到定义点为比特‘1’(对于比特‘0’没有修改)的位置进行调制的。显而易见，根据先前看到的方法，该点可以设计为具有可变位置，形状和/或一或者二维。
在步骤516，如果想覆盖较大的表面区域，则相继地添加平铺显示。接着，根据可替换实施例，可以一直使用相同平铺显示或者为每个平铺显示改变信息。在该第二可替换实施例的例子中，一部分信息可以保持固定，而另一部分(例如一字节)对于每个平铺显示随机确定。还可以为每个平铺显示应用随机旋转，多个90度，以使伪造者试图分析代码变的更加困难。另外，可以随机地插入同步位或者他们的倒置，即对于同步位，倒置插入点的位置。后面这种方法的优点在于可能的配置的数目增大而不会使读取变得更复杂，正如将要看到的那样。在考虑方向变化时，对于同步位可以有8个可能的配置，在伪造者攻击的情况下，这使他们的分析更复杂。
如上所述，例子的200x200栅格可以被复制。
在步骤518，VCDP被插入印刷胶片中并且印刷文件。
对于读取算法，执行：
步骤548，捕获该文件的图像，
预处理步骤550：预处理图像是有利的，尤其对于确定候选点的以下步骤。你想要通过预处理去除虚假噪音和亮度偏差。应用全向高通滤波器，其结果是利用初始图像加权的，例如能够减少亮度偏差，以及应用中值滤波器能够降低游离像素的噪音；
在步骤552，确定候选点：候选点对应于其亮度值低于阈值的图像像素。该阈值是例如直方图的百分比，诸如1％，这样最多1％的像素是候选点。太靠近(例如距离小于五个像素)的候选点被淘汰，只保留具有最低值的那些候选点在区域中。
在步骤554，确定邻近候选点矢量并估计转动角度和缩放系数：对于邻近点之间的距离给出极限值，并列出具有小于该阀值的距离的所有点对。如果该阀值足够低，则只有点的四个直接邻近点可以在矢量中相关，否则间接相邻点(对角的)也可以相关。优选为避免使不相邻的点相关。为了实现这一点，要避免过高的阀值。因此，可以通过将每个矢量的角度变为0和90度之间的值来估计转动角度；
在步骤556，如果间接相邻点包括在内，则根据它们的大小，矢量被分成2组(对于间接相邻点乘以2的平方根的较大)，然后你从对于间接相邻点计算的角度中减去45度。通过测量一组点之间的平均距离，除以原始图象中的距离(如果已知的话)，也可以估计缩放系数；
可选地，在步骤558，图像被恢复以形成原始大小或者原始大小整数倍的不转动图像；
在步骤560，提取表示点代表的数值的矩阵：获知了点之间的平均距离，例如10像素，以及重构图象的维度，例如500x500像素。因此产生50行x50列的表格用来存储信息的估计值，假定重构图象的维度和点之间的估计距离之间的关系对应于图像中出现的点数的最大极限值。实际上，如果捕获图像中点的栅格有明显的转动角度，则重构图像中的点数或许将显著地减少。
在步骤562，为了利用信息的估计值填充该表，搜索扫描图像的开始点。例如，该点可以是图像左上部分检测到的第一个候选点，或者是最可能成为点的候选点(例如具有最低灰度的点)。应当注意的是，重要的是不要在点的选择上犯错误；错误会对后续计算产生不当的结果。如果后续读取信息的步骤不成功，则重复选择开始点。在表中存储选择点的值，例如中心位置周围的某个区域中其灰度，或者其最低灰度值，以当该点的估计位置略微地偏移实际位置时避免错误测量量，该偏移起因于想要检测复制的存在的伪随机偏移或者起因于位置的任何其他不精确性。将该数值存储在表中相应位置，在该例子中，该数值的位置从(0，0)存储到(49，49)：例如如果开始点左上方的第一个点，那么存储在位置(0，0)，或者如果开始点最可能在位置(322，204)，则存储在位置(32，20)。然后从开始点扫描所有图像的位置，在表中相应位置存储每个点的数值；
在步骤564，排列栅格：通常数值表对于平铺显示的开始处有所偏移。为了忽略该偏移，使用巳知的比特值，即同步位使得偏移得以确定。因此，对于每个可能的偏移，四个可能的常规方向(0，90，180或者270度)，巳知的同步位可以与数值表相关连。最大的相关值确定该偏移和常规方向。换句话说，如果相对于另一平铺显示来说，该平铺显示是反片印刷(print innegative)，则该相关值可以是最小的值或者绝对相关值，。在已经很明显地随机地插入同步位或者它们的倒置的情况下，最高绝对相关值用来确定该偏移。可以在傅里叶域内执行相关性以降低计算量。应当注意的是，平铺显示还能够由连续的线或者特定集中的点确定界限，这些可以作为对准的指示；
在步骤566，重建编码信息：然后编码信息被重建。例如，如果包含在20x20栅格之中，产生20x20矩阵并将发现的数值插入其中。其余的信息解码可以使用现有技术的标准方法执行。一旦编码信息已被计算出，则应用在如上所述的读取算法中描述的操作的逆操作。
在步骤568，可选择的，像其它测量量一样，如果栅格具有使得复制被检测到的独特特性，例如点的精确位置或者尺寸，这些特性可以在确定的栅格上测量得到，以便判断文件的性质(原始的或者复制的)或者文件的唯一表征/标识符。
图21表示放大的高密度VCDP部分，组成该VCDP的点矩阵的每行都明显地带有和白色背景一样多的黑点，这些表示编码信息(或者不表示)。在上行185，每个点的横向位置是可变的，反之在下行186，点的维度是可变的，在这种情况下是在对应于3x3生成像素和2x2生成像素的两个数值之间。可以理解，这种VCDP呈现的优势是当受益于维度，位置和/或形状变化时，在文件中可紧凑地插入规定数量的点，这些点的平均量级是一部分点的至少一个维度的数量级，和/或由于印刷导致的不可预知的变化，最好小于这些维度中第一的那个。很容易理解，这些VCDP点的至少一半并不与其他四个点并列。相比之下，少于半数的点不接触另一个点。
图22表示点维度梯度变化(gradient)的VCDP190的放大部分。这部分对应于VCDP的一角，其中通过连续的环，点的维度减少(这里是单行的厚度，实际上是多行的厚度)。例如，图22中所示部分右下方的边界环的点的维度是6x6像素，然后下一个环是5x5像素，然后4x4像素等等。
由于该具体的设置，对于至少其中一个环，点的至少一个几何特性的不可预知的变化的平均量与该环的点的一个维度具有同一数量级。
可以理解，这种VCDP呈现的优势是当受益于维度，位置和/或形状变化时，在文件中紧凑地插入规定数量的点，其平均量级是一部分点的至少一个维度的数量级，并且优选为小于该维度，和/或印刷的平均不可预知的几何变化。
对于使用相同印版印刷许多次相同图像的印刷法，你知道来源此印版的其中每一个印刷使得它唯一地区别于该印版的其他印刷：这里提到了几种用于提取和比较这些印记以及产生最大化这些印记的独特之处的图像的方法。
发明人已经发现每个印版还具有独特的印记，印记是在由它实现的每次印刷中发现的。已经发现，通过比较捕获的印刷图像和捕获的印版图像，能够确定印刷是否来自特定印版。更加出人意料地，已经发现能够通过比较捕获的这两个印刷的图像确定两个印刷是否来自相同印版。
源数字图象显示在图30中，由4x4像素的相同点组成。该图像已经被标记在用于胶板印刷的几个不同印版上，并且对于其中每一个印版都已经实现了多次不同的印刷。已经注意到，虽然每次印刷都对每一个点给出独特的形状，但是来自相同印版的各次印刷仍然呈现显著的相似性。图31表示图像三个印刷的左上角的高分辨率捕获(以20,000ppi)。两个上面的图像是来自于相同印版的印刷，而下面一个是来自于不同印版的。注意，具体来说，来自相同印版的两个印刷的点801和802虽然有所不同，但是形状上呈现出明显的相似性，而点803来自其他印版，形状上和第一个点没有相似性。
使用印版的印记在对抗仿造方面有很大的优势。效果上，虽然原则上使用每个印版的印记使得合法打印得以记录从而进行有效保护，由于成本或者后勤的原因并不总是能够记录这些印记。另一方面，可以更容易地捕获印版的不同元件上的一个或多个图像，在印版本身上或者在印版的印刷上。随后，你可以确定可疑的印刷是否来自该印版。例如，如果包含文件的数字数据的文件被偷并用于创建复制，理论上该复制是很完美的，那么你可以确定该印刷来自另一个印版，因此是不合法的。
通常，签名的有辨识力的元素通常位于过渡区域，例如高清晰度信息多的区域(诸如SIM)中的文本中字母的边缘，条形码的边界，或者在诸如AMSM和VCDP中印刷点的边缘。因此你可以关注于有辨识力的信息多的小区域，并且优选为执行高分辨率的捕获以最大化地提取细节。还可以产生图像，并给该图像插入细节变化最多。例如，图30中的图像，尽管它非常简单并多次包括相同的点(在数字图象中)，但是给出了印版相关的标记(签名)以及印刷相关的标记，富含信息。应当注意的是，可以提高点的密度，最好是避免它们接触以提高签名的唯一性。已指出，从图像提取的相同特性可以用于签名，该签名既用于印刷的印版的识别，也用于识别利用该印版做出的特定印刷。
图30中给出的图像印刷在十个不同印版上，然后十个印板的每个印版被印刷很多次。以2400dpi总计捕获120个图像，并且对于每个图像，作为签名的特性矢量由图像的169个点每个的灰度组成。灰度测量量很容易获得并且实际中来根据印版上标记的点的表面区域，表示点的印刷密度和表面区域，灰度测量量本身是可变的。当然，理论上更可取的是精密测量轮廓，因为它更富有信息，但是以2400dpi捕获的点不允许非常精确地确定这些。因此灰度是非常低级的信息，但是正如我们在本文将看到的，它足以确定印版的识别，或者足以检验两个印刷来自相同印版。
在811，图32已经测量和示出了在印刷的捕获的特性矢量与相同印刷的其他捕获的特性矢量之间的统计相关性，在812，捕获来自相同板的不同印刷之间的统计相关性；在813，来自其他印版的印刷捕获之间的统计相关性。在811观察到，与捕获的相同印刷的相关性位于0.6和0.65之间。应当注意的是，如果该捕获是高分辨率或者较好的质量，那么应该有接近于1的数值。在812有相同印版印刷的图像的十次捕获，相关性在0.2和0.3之间。即使这些相关性相对很低，部分是由于捕获质量导致的，但是它们显然不同于0，这实际上可以由印版的“纹身”效果解释。在813有来自不同板的印刷的100次捕获，平均相关性为0，正如你所预期的。组813的所有相关性区别于组812。因此，利用精选的阈值，例如0.15，可以识别来自相同印版的图像。
如果可获得非常高分辨率的图像，例如图31示出的图像，那么你可以做出更加精确的测量，例如利用点的准确轮廓。这些测量量意味着可以获得更有辨识力的而且更好质量的签名。具体地，可以使用本领域技术人员所公知的图像分析方法。例如，为了测量两个对象之间的相似性，你利用它们的轮廓的相似性，所述轮廓由一维的矢量表示，所述一维的矢量表示依照角度方向到重心的距离。在E.R.Davies的“Machine Vision：Theory，Algorithms，Practicalities”一文中描述了这样的方法，以及也可以用于比较两个对象的相同目的的其他方法。
在第一实施例中，为了识别文件的印版，执行：
利用所述印版印刷至少一个文件的步骤，
以高分辨率捕获至少一部分所述文件的至少一个图像的步骤，
提取至少一个捕获图像的几何特性的步骤，
存储提取的几何特性的步骤，
对于你设法确定是否所述印版被用来印刷它的候选文件，以高分辨率捕获对应文件一部分的所述候选文件的图像的步骤，对于所述候选文件的图像几何特性已被存储的文件部分。
对应于存储的几何特性提取所述候选文件的图像的几何特性的步骤，以及
确定所述候选文件的几何特性和存储的几何特性的相关性测量量是否大于预定义的极限值的步骤。
在实施例中，该方法又包括，确定由所述印版做出的每次印刷的全部几何特性的步骤，存储所述几何特性的步骤，以及对于候选文件确定对应于存储的全部几何特性的全部几何特性的步骤，以及确定存储的几何特性与候选文件的几何特性的最高相关性的步骤。
优选为使用产生将要利用所述印版印刷的图像的步骤，所述图像包括彼此不接触的多个点，如上所述。
图34示出了在另一个实施例中确定用于文件印刷的印版的方法步骤。
首先，步骤851包括产生要印刷的图像，例如如上所述的矩阵。
然后，在步骤852，利用所述要印刷的图像标记印版。
在步骤854，利用所述印版印刷至少一个文件。
在步骤855，以高分辨率捕获带有在步骤854做出的印刷的文件至少其中一部分的至少一个图像。
在步骤856，提取步骤855中捕获的至少一个图像的几何特性。例如，识别印刷的图象的一角，和，基于该角，识别印刷图象的特定点。例如，提取点的轮廓并且获得依照角度表示轮廓到点重心的距离的矢量。优选地，利用在步骤855以高分辨率捕获的几个图像，形成不同图像中相同点的平均特性。
在步骤857，例如在数据库中，存储步骤856中提取的几何特性。
在搜索文件是否合法以及哪个印版是用来印刷它的步骤中，在步骤860，以高分辨率捕获在步骤855到857中使用的文件部分对应的一部分文件的一个图像。
在步骤861，提取步骤855中捕获的图像的几何特性。例如，识别印刷图象的一角，以及，基于该角，识别印刷图象的特定点。优选为使用与在步骤856使用的相同算法。优选地，使用在步骤861以高分辨率捕获的几个图像形成不同图像中相同点的平均特性。
在步骤862，例如在步骤857中使用的数据库中存储步骤861中提取的几何特性。
在步骤863，执行在步骤861确定的几何特性和步骤857存储的相应点的几何特征的相关性测量。
在步骤864，确定最高相关性。
在步骤865，确定相关性是否大于极限值，或者“阀”值，例如0.15。如果是，则在步骤866，文件被认为是合法的并且是利用印刷代表最高相关性的点的印版印刷的。否则，在步骤867，文件被认为是非法的。或者，通过与第二阀值比较，确定它是否是利用印刷代表最高相关性的点的印版印刷的文件做出的复制。
可以看出，为了在利用相同印版做出的几个作品(同一印版连续印刷，印版不移动)中间识别一个作品，优选为比只识别印版使用更多点和更高图象分辨率。
有效地，即使印版开始是合法的，但是它可能是被偷了并用于印刷非法的文件。其机械历程，其腐蚀和任何污染都会在作品签名中发现，作品签名比印版的简单签名更难以区分(或者识别)。
图15示出了作为本发明目的的设备的具体实施例。该设备201，例如微型电脑及其各个外围设备，包括通信接口218，连接于能发送与接收数字数据的通信网络202。该设备201还包括存储装置214，诸如硬盘。它还包括软盘读取器215。软盘224可以包含要处理的或者正在处理的数据以及实现本发明的程序代码，所述代码(由设备101读取)存储在硬盘114上。根据可替换实施例，使得设备使用本发明的程序存储在只读存储器110(称作ROM，“只读存储器”的简称)中。在第二可替换实施例中，被接收的程序以如上所述的借助于通信网络202相同方式存储。
设备201具有屏幕212能够观看处理结果并与设备交互，例如借助于图形界面进行交互。借助于键盘213用户可以输入数据、表面区域、密度、分辩率、参数值或者密钥，或者选择执行。中央处理单元211(图中称作“CPU”，“中央处理单元”的简称)执行与使用本发明有关的指令，指令存储在只读存储器210中或者其他存储元件中。在上电中，存储在非易失性存储器例如ROM210中，与使用作为本发明目的的设备有关的程序被传送到随机存取存储器RAM 217中，然后其包含作为本发明目的的程序的可执行码以及用来存储利用本发明所需的变量的寄存器。显然，软盘224可以被任何数据载体诸如光盘或者存储卡替代。更一般地说，计算机或者微处理器可读的、用于存储信息的装置，集成或不集成到设备当中，可以是移动的，存储有使用作为本发明目的的方法的程序。通信总线221使得包含于微型电脑201或者连接到它的各个元件之间能够通信。具体地，总线221的形式不受限制，并且中央处理单元211能够将指令直接或者借助于微型电脑201的另一元件传递到微型电脑201的任何元件。