Как Google использует искажение изображений для защиты контента от копирования при предварительном просмотре (например, в Google Books)

Термины и определения

Bounding Box (Ограничивающий прямоугольник)

Минимальный прямоугольник, охватывающий слово или элемент в документе. Используется для определения точных координат (x, y) и размеров ROI, необходимых для генерации превью.

Callout (Выноска)

Один из способов компоновки итогового изображения. ROI показан отдельно от искаженной страницы и сопровождается указателем (например, стрелкой), связывающим его с местоположением на странице.

Composite Image / Combined Image (Составное/Объединенное изображение)

Итоговое изображение, которое видит пользователь. Оно объединяет четкое представление ROI и искаженное представление контекста.

Distorted Image Portion / Second Image (Искаженная часть изображения / Второе изображение)

Искаженное представление документа или страницы. Используется для показа контекста при одновременной защите от копирования. Искажение может включать пикселизацию, размытие, изменение яркости.

Document (Документ)

Любой контент (текст, графика, PDF, сканы книг), для которого можно создать визуальное представление.

Overlay (Наложение)

Один из способов компоновки итогового изображения. Четкое изображение ROI накладывается поверх искаженного изображения страницы в соответствующем месте.

Region of Interest (ROI) (Область интереса)

Часть документа, которая признана релевантной поисковому запросу пользователя (например, слово, предложение, абзац или графический элемент).

Undistorted Image Portion / First Image (Неискаженная часть изображения / Первое изображение)

Четкое визуальное представление Region of Interest.

Ключевые утверждения (Анализ Claims)

Важное примечание: В патенте присутствует "Certificate of Correction" (Сертификат об исправлении), который удалил слова "менее" (less) и "более" (more) из формулировки Claim 1, которые присутствовали в исходном тексте. Анализ ниже учитывает исправленную версию.

Claim 1 (Независимый пункт): Описывает основной метод генерации защищенного изображения документа.

1. Определение первого изображения (first image). Это изображение представляет Region of Interest (ROI), который является частью документа, релевантной поисковому запросу.
2. Определение второго изображения (second image). Это изображение является искаженным представлением (distorted representation) документа, включающим как релевантную часть (ROI), так и нерелевантные части.
3. Автоматическая генерация составного изображения (composite image) с использованием первого и второго изображений.

Claim 9 и 10 (Зависимые): Уточняют возможность модификации изображений.

Система может модифицировать первое или второе изображение в ответ на поисковый запрос. Конкретные примеры модификации включают подчеркивание (underlining), обводку (outlining) или выделение (highlighting) поискового термина на изображении.

Claim 11 (Зависимый): Описывает один из способов компоновки.

Генерация составного изображения происходит путем наложения (overlaid) первого изображения на второе.

Claim 14 (Зависимый): Описывает альтернативный способ компоновки.

Генерация составного изображения включает первое изображение, второе изображение и выноску (callout), указывающую на первое и второе изображения.

Claim 34 (Независимый пункт): Описывает конкретный способ реализации наложения.

Составное изображение генерируется путем наложения первого изображения (ROI) на второе (искаженное) таким образом, что первое изображение закрывает (obscures) только ту часть второго изображения, которая соответствует области интереса.

Где и как применяется

Патент описывает внутренние процессы Google без прямых рекомендаций для SEO. Он не относится к основным этапам архитектуры веб-поиска, таким как сканирование или ранжирование. Он относится исключительно к уровню представления данных в специфических вертикалях, где требуется защита контента (например, Google Books).

INDEXING – Индексирование и извлечение признаков
Хотя сам механизм применяется позже, на этапе индексирования система должна подготовить необходимые данные. Для печатных материалов применяется сканирование и оптическое распознавание символов (OCR). Критически важно извлечение и сохранение точных координат (bounding boxes) всех слов на странице. Эти данные необходимы для последующего точного определения и вырезания ROI.

Уровень представления результатов (Presentation Layer)
Механизм применяется после того, как ранжирование завершено и пользователь выбрал для просмотра результат из защищенного корпуса. Вместо того чтобы отдавать пользователю полный текст или полный образ страницы, система генерирует безопасное составное изображение.

Входные данные:

• Исходный электронный документ или его предварительно сгенерированный образ.
• Поисковый запрос пользователя (для определения ROI и подсветки).
• Данные о местоположении слов (координаты Bounding Box).

Выходные данные:

• Составное изображение (Composite Image), готовое для отображения пользователю.

На что влияет

• Конкретные типы контента: Влияет исключительно на способ отображения контента, защищенного авторским правом — книги, журналы, научные статьи. Не влияет на отображение стандартных общедоступных веб-страниц.
• Конкретные ниши или тематики: Применим в вертикалях Google Books и Google Scholar.

Когда применяется

• Триггеры активации: Алгоритм активируется, когда пользователь запрашивает предварительный просмотр документа, который система идентифицирует как требующий защиты от полного копирования.
• Условия работы: В предпочтительном варианте реализации генерация композитного изображения происходит на сервере, и клиент (браузер пользователя) никогда не получает полную неискаженную копию документа.

Пошаговый алгоритм

Процесс А: Подготовка данных (Офлайн / Индексирование)

1. Сбор и Обработка: Получение документов, сканирование и применение OCR (при необходимости).
2. Извлечение Признаков: Определение и сохранение координат (bounding boxes) и размеров всех слов на каждой странице.
3. Предварительная генерация (Опционально): Генерация и сохранение в репозитории неискаженных и/или искаженных образов страниц для ускорения работы.

Процесс Б: Обработка запроса на просмотр (Реальное время)

Предпосылка: Пользователь выбрал документ. Система определила релевантный ROI и страницу.

1. Генерация искаженного изображения (Контекст): Система создает искаженное представление страницы.
   1. Проверка репозитория на наличие готового искаженного изображения.
   2. Если его нет, проверка наличия неискаженного изображения. Если оно есть, применяется искажение (например, pixelation, blurring).
   3. Если изображений нет, генерация изображения из исходного документа и его последующее искажение.
2. Генерация неискаженного изображения (ROI): Система создает четкое представление ROI.
   1. Получение неискаженного изображения страницы (из репозитория или генерация на лету).
   2. Обрезка (cropping) изображения по границам ROI, используя координаты Bounding Box.
   3. Опциональная модификация для выделения поисковых терминов (highlighting).
3. Генерация составного изображения: Система объединяет два изображения.
   • Метод наложения (Overlay): Четкий ROI помещается поверх искаженного фона в соответствии с его координатами.
   • Метод выноски (Callout): Четкий ROI помещается рядом с искаженной страницей, и добавляется указатель.
4. Отображение: Составное изображение передается пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на обработке изображений и не использует стандартные SEO-факторы.

• Технические факторы: Формат исходного документа (упоминаются PDF, текстовые процессоры, файлы изображений), который определяет способ конвертации документа в изображение.
• Структурные факторы: Данные о точном местоположении слов и элементов в документе. Критически важны координаты ограничивающего прямоугольника (bounding box) для слов, которые могут быть получены в процессе оптического распознавания символов (OCR).
• Пользовательские факторы: Поисковый запрос используется для определения ROI и опциональной подсветки терминов.

Какие метрики используются и как они считаются

Патент не использует метрики для ранжирования или оценки качества. Он использует методы обработки и генерации изображений.

• Методы искажения: Для генерации защищенного контекста применяются различные техники искажения изображений:
  • Пикселизация (pixelation).
  • Изменение яркости (change of brightness) или контраста.
  • Размытие (blurring).
  • Фильтрация изображений (image filtering).
  • Понижение разрешения/Даунсемплинг (downsampling).
• Вычисление координат: Система рассчитывает координаты для точного позиционирования ROI, основываясь на данных bounding box.

1. Патент чисто технический и инфраструктурный: Он описывает конкретное интерфейсное решение (UI) и механизм защиты контента (DRM) для отображения материалов в условиях ограничений на копирование.
2. Нулевое влияние на веб-поиск: Описанные механизмы не имеют отношения к алгоритмам ранжирования, индексирования или оценки качества сайтов в стандартном веб-поиске Google.
3. Фокус на защите контента и контексте: Основная цель — предотвратить получение пользователем полной копии документа, сохранив при этом возможность оценить его релевантность (через четкий ROI) и контекст расположения (через искаженный фон).
4. Применение в специализированных вертикалях: Технология предназначена для использования в сервисах, работающих с защищенным контентом, наиболее очевидный пример — Google Books.
5. Зависимость от глубокой индексации: Реализация требует продвинутых технологий обработки документов (включая OCR) для извлечения точных координат слов (Bounding Box).
6. Отсутствие практической ценности для SEO: Для SEO-специалистов, занимающихся продвижением обычных веб-сайтов, данный патент не несет никакой практической информации или рекомендаций.

ВАЖНО: Патент является инфраструктурным, описывает механизмы отображения и защиты контента и не дает практических выводов для SEO-продвижения сайтов.

Best practices (это мы делаем)

Информация в патенте отсутствует. Патент не предлагает никаких действий для владельцев сайтов или SEO-специалистов по оптимизации контента для веб-поиска.

Worst practices (это делать не надо)

Информация в патенте отсутствует. Патент не направлен против каких-либо SEO-манипуляций или тактик.

Стратегическое значение

Патент демонстрирует технические и юридические решения Google, позволившие индексировать и предоставлять доступ к огромным массивам информации за пределами общедоступного веба (например, к книгам). Он показывает способность Google глубоко анализировать структуру документов вплоть до координат отдельных слов. Однако для стратегии SEO продвижения стандартных сайтов это значения не имеет.

Практические примеры

Практических примеров для SEO нет.

Пример использования технологии (не SEO):

Пользователь ищет цитату в Google Books. Он нажимает на результат и видит страницу книги. Абзац, содержащий искомую цитату (Region of Interest), отображается четким текстом с выделенными ключевыми словами (модификация). Вся остальная часть страницы сильно размыта (Distorted Image), что не позволяет прочитать или скопировать остальной текст, но дает понять, в какой части страницы (контекст) находится цитата.