基于OOXML的演示文稿溯源及編輯過程恢復方法研究

1、基于OOXML的演示文稿溯源及編輯過程恢復方法研究微軟公司的0伍ce系列軟件自發(fā)布以來被廣泛應用于文檔的編寫、演示、統(tǒng)計等領(lǐng)域，PowerPoint是其中一款演示文稿軟件。PowerPoint的普遍使用使得大量商業(yè)機密及創(chuàng)意產(chǎn)品資料以電子文檔的形式保存，然而由于電子文檔易復制、易修改的特性，與電子文檔相關(guān)的知識產(chǎn)權(quán)糾紛頻繁發(fā)生。在與電子文檔相關(guān)的知識產(chǎn)權(quán)糾紛中，文檔的來源性和編輯過程檢測是檢驗的重點?，F(xiàn)有的方法多為通過WinHex等二進制讀取軟件從文件底層讀取文件信息，達到檢測來源及恢復編輯過程的目的。而0伍ce系列軟件自2007版本之后采用了OOXMLc2（Open 0伍ce XML）格式存

2、儲文件，OOXML是一種以XML為基礎(chǔ)并以ZIP格式壓縮的電子文件規(guī)范，其將文檔屬性、文檔內(nèi)容、圖表、圖片、音視頻文件以及文檔之間的關(guān)系等打包在一起，大大提高了文檔的可恢復性。本文結(jié)合其獨特的XML格式，提出了PowerPoint2010基于OOXML的來源檢測及編輯過程恢復的方法。1 技術(shù)原理1.1 演示文稿文件結(jié)構(gòu)分析演示文稿文件采用ZIP格式壓縮，修改其后綴名為ZIP´即可對其進行解壓縮。解壓縮后的PPTX文件夾由四部分組成，其中包括三個文件夾：_rels、docProps、ppt，以及一個xml文件：.xml。_rels文件夾中只有一個rels文件，它定義了部件之間

3、的關(guān)聯(lián)關(guān)系，是解析整個包時要瀏覽的第一個文件。docProps文件夾包含三個文件：docPropsappxml描述了軟件版本、文檔頁數(shù)、字符總數(shù)等：docPropscorexml描述了作者、文檔創(chuàng)建時間、最后修改時間等：docPropsthumbnail.jpeg是演示文稿第一頁的縮略圖。ppt文件夾是PowerPoint獨有的目錄，包含著其特有的文檔信息。其中，pptVrels指定文檔部件的集合如何組合為一個文檔；pptmedia包含文檔中嵌入的圖片、音頻、視頻等多媒體文件；ppttheme描述了文檔使用的主題風格；pptslides是最重要的文件夾，它包含了每頁幻燈片的具體內(nèi)容及其關(guān)系文件

4、。其中，每一頁幻燈片都以一個獨立的xml文件格式存儲，這些xml文件的命名規(guī)律為slide+幻燈片序號xml;，與之對應的，pptslidesVrels文件夾中存放著各頁幻燈片的關(guān)系文件，這些關(guān)系文件的命名規(guī)律為slide幻燈片序號xmlrels;：最后，ppt文件夾的presentationxml文件負責將整個文件夾中的內(nèi)容串聯(lián)在一起形成一個完整的文檔。Content_types.xml定義包中各部分的內(nèi)容類型。1.2 PPTX文件來源性分析所謂文件的來源性分析，即通過對源文件與目標文件進行比較，判斷兩文件是否由同一文件復制而來。之前提到，幻燈片的具體內(nèi)容存儲在slide+幻燈片序號.xml

5、;文件中。分析PPTX文件是否同源，可從這些slide文件的內(nèi)容人手。由于xml文件以樹狀結(jié)構(gòu)存儲數(shù)據(jù)凹，以樹狀結(jié)構(gòu)解讀slide文件可以得到其根節(jié)點為，根節(jié)點包含兩個一級子節(jié)點p:cSld和。其中，用戶可在節(jié)點中創(chuàng)建形狀樹，也就是編輯幻燈片的具體內(nèi)容。是的子節(jié)點，如果幻燈片中插入了圖片、音頻、視頻等多媒體文件，里將存放這些多媒體文件的文件名及xml文檔賦予它們的ID號碼。中還包含著與同一級別的另一個子節(jié)點，xml文檔的用戶可以在該節(jié)點中存放自定義的數(shù)據(jù)。slide文件的樹形結(jié)構(gòu)如圖1所示。由樹形結(jié)構(gòu)圖可以看到，用戶自定義節(jié)點中存放了四級子節(jié)點，該節(jié)點擁有屬性val，該屬性的值可稱為幻燈片的c

6、reationID值。研究發(fā)現(xiàn)，同一演示文稿中的各幻燈片的creationID值均不相同，且分別建立的兩個演示文稿文件，其對應頁幻燈片的creationID值也不相同。為探究由同一文件復制而來的演示文稿creationID值的變化規(guī)律，課題組進行了大量實驗。由實驗結(jié)果總結(jié)的規(guī)律如表1所示：由表1可以看出，如果演示文稿A由演示文稿B通過復制操作生成，不論對演示文稿B做內(nèi)容修改還是對幻燈片頁數(shù)進行增刪，只要演示文稿A中還存留有演示文稿B的任意張幻燈片，其留存的幻燈片就會保留演示文稿B中幻燈片的creationID值。圖2所示為samplepptx;、sample -副本pptx;和sample2.

7、pptx;中slidel.xml的內(nèi)容。其中，sample-副本.pptx;由sample.pptx;復制而來，并對內(nèi)容做了適當修改，sample2.pptx;為另外創(chuàng)建的文件?？梢钥吹角皟蓚€文件擁有相同的creationID值(2338748835)而另外創(chuàng)建的文件slidelxml中的creationID值則完全不同(2411686777)。creationID值通常由8位以上數(shù)字組成，兩個creationID值完全相同的概率極低。因此，可以判定，演示文稿A如果含有與演示文稿B相同的creationID值，即可說明A與B同源。1.3 PPTX文件編輯順序分析所謂文件編輯順序分析，即以單個演

8、示文稿為分析對象，對演示文稿內(nèi)幻燈片及其多媒體內(nèi)容的增加、刪除等編輯過程進行還原。1.3.1演示文稿的編輯時間鏈之前提到，位于docProps文件夾下的corexml描述了文檔作者、創(chuàng)建時間以及最后修改時間等。研究發(fā)現(xiàn)xml中記錄的除了創(chuàng)建時間和修改時間之外，還有一個節(jié)點。經(jīng)過實驗，得到revlsion節(jié)點、創(chuàng)建時間及修改時間的變化規(guī)律如表2所示。由表2可以看出，revlsion節(jié)點記錄了演示文稿的版本號，即自創(chuàng)建以來修改過的次數(shù)。一個新建的pptx文檔，其版本號為1。對其進行修改得到的pptx文檔，其版本號將隨著修改次數(shù)遞增。圖3所示的是演示文稿samplepptx的原文件及其修改一次后的c

9、orexml內(nèi)容。因此，從revlsion的數(shù)值可以判斷出文檔的編輯次數(shù)。顯然，revlsion較小的演示文稿的編輯順序先于revlsion較大的演示文稿，結(jié)合修改時間即可得到文件編輯的時間鏈。1.3.2幻燈片及其多媒體內(nèi)容的添加次序之前提到，pptpresentationxml文件負責將整個演示文稿串聯(lián)在一起。該xml文件的根節(jié)點是，其下的一級子節(jié)點中存儲著若干二級子節(jié)點即演示文稿中的幻燈片列表，節(jié)點中存儲幻燈片的標識號(id)和索引號(r：id)。通過該索引號可在pptVrelspre-sentationxmlrels文件中查詢到pptslides文件夾下對應的幻燈片的名稱。如果幻燈片中插

10、入了多媒體文件，這些多媒體文件的信息將儲存在pptslidesslide幻燈片序號xml;的節(jié)點。如圖1所示，節(jié)點包含三個子節(jié)點-、，其中，中存儲了xml文件賦予該多媒體文件的名字(name)和標識號(id)，則存儲了索引號(r:embed)，通過索引號可以在pptslidesVrels關(guān)系文件中查詢多媒體文件的存儲路徑?？梢钥闯?，無論是幻燈片本身還是幻燈片中添加的多媒體文件，都擁有各自的標識號(id)，經(jīng)過實驗，本文總結(jié)出幻燈片ID與多媒體ID的變化規(guī)律，如表3所示。由表3可以看出，隨著幻燈片的增加，幻燈片的ID隨之遞增。首張幻燈片的ID值默認為256;，第二張幻燈片則為257;，以此類推。

11、而當刪除其中某個幻燈片時，其他幻燈片的ID值并不會發(fā)生改變。同樣的，隨著幻燈片中插入多媒體文件數(shù)量的增加，多媒體文件的ID值也呈遞增，幻燈片中加入的首個多媒體文件的ID值默認為4;，第二個多媒體文件為5;，以此類推，當刪除其中某個多媒體文件時，其他多媒體文件的ID值也不會發(fā)生改變。因此，完全可以由幻燈片ID和多媒體文件ID分析出幻燈片及其多媒體文件的插入順序及刪除情況。如圖4所示，在samplepptx中先后添加三張幻燈片，其幻燈片ID分別為256;、257;、258;，刪除第二張幻燈片，可以發(fā)現(xiàn)幻燈片ID出現(xiàn)斷層。如圖5所示，在samplepptx的第一張幻燈片中先后插入三張圖片，其多媒體文

12、件ID分別為4;、5;、6;，刪除第二張圖片，可以發(fā)現(xiàn)多媒體文件ID出現(xiàn)斷層。2 系統(tǒng)功能基于第二節(jié)所述原理，課題組使用VBNET語言實現(xiàn)了0伍ce PowerPoint 2010溯源及多媒體編輯順序分析工具。系統(tǒng)分為來源分析模塊和多媒體文件分析模塊。兩個模塊的設計流程如圖6-7所示。為了測試系統(tǒng)的功能，課題組首先創(chuàng)建了一個單頁的演示文稿文件圖片實驗pptx;，并在第一頁插入了三張圖片。復制圖片實驗pptx;得到圖片實驗副本pptx;，打開副本并刪除三張圖片中的第二張。圖8顯示的是系統(tǒng)對兩個演示文稿的來源性分析結(jié)果。從結(jié)果可以清晰地看出兩個演示文稿來源相同，且文件2（圖片實驗pptx）的創(chuàng)建早于文件1（圖片實驗副本pptx）。打開圖片實驗pptx，對幻燈片1進行分析，幻燈片1中的多媒體文件添加次序如圖7所示?？梢钥闯龌脽羝?中的多媒體文件序號從4;開始，順序遞增至6;。打開圖片實驗副本pptx，對幻燈片1進行分析?；脽羝?中的多媒體文件添加次序如圖9所示?？梢钥闯龌脽羝?中的多媒體文件序號從4;開始，但缺少了序號為5;的節(jié)點。結(jié)合來源性分析可以判斷，文件1為文件2復制所得，并在文件2的基礎(chǔ)上刪除了圖片4;。參考文獻：【1】羅文華孫道寧Office Word文檔溯源方法研究警察技 術(shù)，20