互联网时代,不仅仅是知识产权,原创文章、网络摄影、小视频等时代衍生品的原创性保护也显得尤为重要。然而,丰富的推广渠道和不断增长的用户数量直接或间接导致了信息的肆意传播。随着版权意识的提高,区块链技术在数字版权管理领域不断拓宽。区块链具备公开、透明、利用高冗余保证数据安全的特性。基于区块链技术的数字版权管理依托于区块链弱中心化的分布式架构等新理念为数字版权管理提供了有效途径。然而高冗余的存储方式使得占用空间较大的数字版权如果完全存储到区块链中更容易造成数据的冗余。基于以上,考虑到视频等大文件上链存储的意义,本文引出了一种采用深度学习算法进行关键信息提取的思路。随着各个领域综合性的不断拓宽,深度学习技术广泛应用于视频内容识别、内容检测、目标识别等。在内容识别方面,深度学习对视频全局特征或局部特征特征的处理均有不同的方式。本文分别分析了基于空间特征提取的深度学习算法Open Pose和基于时空联合特征提取的深度学习算法LRCN。设备性能方面,Open Pose算法可在CPU和性能较低的GPU上运行,效率相对优于LRCN。本文采用Open Pose对人物类视频中人物姿势进行BODY₁8的关键点输出,将关键点序列化数据通过double-SHA256算法生成Hash值作为区块体中存储的事务数据。将其作为特征信息存储到区块链中。这种方式既保证了大文件数据信息的隐私性,又保证了信息的高效存储,提升了系统的实用性。本文以深度学习技术作为特征提取核心,以区块链技术作为数据存储架构,针对视频版权关键信息数据设计了视频版权链并实现了仿真系统。即减少了版权存储的开销,又保证了关键信息的不可篡改。