Vol-Mark: A Watermark for 3D Medical Volume Data Via Cubic Difference Expansion and Contrastive Learning

Resumo Técnico: Vol-Mark para Dados de Volume Médico 3D

Declaração do Problema
A rápida adoção de dados de volume médico 3D (por exemplo, TC e RM) em telemedicina e diagnósticos introduziu desafios significativos de segurança relacionados à integridade dos dados e à proteção da propriedade. Embora a marcação digital seja uma solução padrão para imagens médicas 2D, os métodos existentes enfrentam limitações críticas quando aplicados a volumes 3D:

1. Perda de Contexto Espacial: Muitas abordagens tratam dados 3D como uma pilha de fatias 2D, falhando em capturar dependências espaciais inter-fatias e tornando-as vulneráveis a ataques específicos de 3D, como rotações fora do plano.
2. Fidelidade dos Dados: Métodos de marcação digital reversível projetados para imagens 2D não se estendem facilmente a dados baseados em voxels devido às complexas relações espaciais. Por outro lado, métodos de marcação zero frequentemente dependem de características 2D ou média de fatias, limitando sua discriminabilidade e robustez.
3. Lacunas de Segurança: Há uma falta de métodos que ofereçam simultaneamente recuperação de dados sem perdas, verificação robusta de propriedade e resistência a ataques geométricos e híbridos especificamente adaptados para estruturas volumétricas.

Metodologia: Vol-Mark
O artigo propõe o Vol-Mark, um novo framework de marcação digital reversível-zero projetado especificamente para dados de volume médico 3D. O fluxo de trabalho consiste em três fases:

1. Extração de Características e Geração de Parte de Propriedade:

   • Aprendizado Contrastivo: Uma espinha dorsal 3D ResNet-18 (pré-treinada no MedicalNet) é empregada como extrator de características. Ela é treinada usando uma função de perda contrastiva em visualizações aumentadas dos dados de volume para aprender características volumétricas discriminativas e estáveis que capturam correlações inter-fatias.
   • Binarização: Os vetores de características extraídos são binarizados usando um limiar zero.
   • Parte de Propriedade (OS): A marcação digital binária é combinada com as características binarizadas e uma sequência caótica gerada via mapa de Henon (usando operações XOR) para criar uma parte de propriedade criptografada. Isso garante que a marcação digital esteja intimamente acoplada ao conteúdo dos dados e protegida contra falsificação.

2. Embutimento Reversível (Expansão de Diferença Cúbica - c-DE):

   • Transformada Wavelet Inteira 3D (3D-IWT): Os dados de volume originais são decompostos em sub-bandas de baixa frequência (LLL) e alta frequência. O embutimento ocorre na sub-banda LLL para preservar a integridade estrutural.
   • Expansão de Diferença Cúbica: A sub-banda LLL é dividida em cubos de $2 \times 2 \times 2$. Para cada cubo, um voxel de referência e seus três vizinhos são selecionados. As diferenças entre a referência e os vizinhos são expandidas (duplicadas) para criar espaço de embutimento.
   • Embutimento: Os bits da parte de propriedade são embutidos nessas diferenças expandidas. O processo usa aritmética inteira e inclui uma verificação de transbordamento/subfluxo com um mapa de localização para garantir reversibilidade perfeita.
   • Restauração: A 3D-IWT inversa reconstrói o volume marcado. Na extração, o processo c-DE inverso recupera os valores originais dos voxels exatamente, garantindo recuperação de dados sem perdas.

3. Dupla Verificação:

   • Verificação de Integridade: A Taxa de Erro de Bits (BER) entre a marcação digital original e a extraída é calculada. Uma BER de zero indica que os dados não foram alterados e podem ser restaurados sem perdas.
   • Verificação de Propriedade: Se os dados forem adulterados (BER > 0), um teste de hipótese (teste binomial) é realizado nos bits extraídos contra a parte de propriedade pré-armazenada para verificar a propriedade com alta confiança estatística ($p \le 10^{-6}$).

Principais Contribuições

• Arquitetura Inovadora: Introdução do Vol-Mark, o primeiro esquema de marcação digital reversível-zero projetado especificamente para dados de volume médico 3D, combinando aprendizado contrastivo com embutimento reversível.
• Extração de Características 3D: Desenvolvimento de um extrator 3D ResNet-18 baseado em aprendizado contrastivo que captura características volumétricas diretamente de todo o volume, aumentando a robustez contra ataques geométricos 3D (por exemplo, rotações fora do plano) em comparação com métodos baseados em fatias.
• Expansão de Diferença Cúbica (c-DE): Uma nova técnica de embutimento que explora dependências de voxels 3D dentro de cubos de $2 \times 2 \times 2$ em coeficientes de baixa frequência. Isso permite embutimento reversível sem requisitos adicionais de armazenamento e garante recuperação perfeita dos dados.
• Mecanismo de Dupla Verificação: Um protocolo de verificação robusto que realiza verificações de integridade primeiro, seguido por verificação de propriedade via teste de hipótese, garantindo confiabilidade mesmo sob adulteração de dados ou ataques de remoção de marcação digital.

Resultados Experimentais
O método foi avaliado no conjunto de dados MSD (tarefas de Tumores Cerebrais, Fígado e Pâncreas) contra ataques convencionais, geométricos e híbridos.

• Reversibilidade: Sob condições de sem ataque, o Vol-Mark alcançou reversibilidade perfeita com uma BER de 0,00 e PSNR infinito para dados recuperados. Os dados marcados mostraram alta fidelidade (PSNR médio > 80 dB).
• Robustez: O Vol-Mark demonstrou robustez superior contra ruído gaussiano, ruído sal-e-pimenta, compressão JPEG, filtragem mediana/média, escalonamento, rotação, translação e recorte.
  • Na maioria dos cenários de ataque, o Vol-Mark manteve uma Precisão (ACC = 1-BER) acima de 0,90.
  • Superou significativamente as bases de comparação existentes (3D-DTCWT e ADCL-ZW), particularmente sob ataques geométricos (rotação e escalonamento) e ataques híbridos.
  • O método mostrou desempenho consistente em diferentes estruturas anatômicas (Cérebro, Fígado, Pâncreas) e formas de dados.
• Resistência a Ataques 3D: Ao contrário das bases de comparação que degradam sob rotações fora do plano ou escalonamento no eixo Z, o Vol-Mark manteve alta precisão devido à sua extração de características volumétricas e estratégia de embutimento 3D.

Significância
O artigo afirma que o Vol-Mark aborda a lacuna crítica na segurança de dados de volume médico 3D para telemedicina. Ao integrar aprendizado contrastivo para extração robusta de características e c-DE para embutimento reversível, o método garante que dados médicos possam ser transmitidos com segurança e verificados quanto à propriedade sem comprometer a precisão diagnóstica. A capacidade de realizar recuperação sem perdas e resistir a ataques 3D complexos torna-o uma solução viável para proteger a integridade e a autenticidade de dados de volume médico em ambientes clínicos e de pesquisa do mundo real.