随着互联网的飞速发展,数字产品的消费者可以通过网络频繁地进行数据共享,存在敏感信息可能被用户非法泄漏的隐患,近年来,在数字产品分发系统中,叛徒泄漏明文敏感信息的事件呈现高速增长的趋势,给版权保护带来了巨大的挑战,如何准确且高效地追踪数字产品分发系统中的叛徒成为学术界的研究热点。传统叛徒追踪算法已经无法满足大数据背景下准确且高效地追踪叛徒的需求,而且现有的叛徒追踪算法大多数聚焦于抵抗用户的密钥攻击而非明文攻击。基于数字指纹的叛徒追踪算法可以有效抵抗明文攻击,本文旨在利用用户所在社区网络中的数据共享关系,从追踪准确度和追踪效率两方面来优化基于数字指纹的叛徒追踪算法,所做的主要工作如下:首先,针对传统叛徒追踪算法追踪准确度低的问题进行研究,本文从提高溯源准确率和降低误判率两个角度来优化基于级联码的叛徒追踪算法,提出基于抗近邻合谋数字指纹的叛徒追踪优化算法ANCDFT（Traitor Tracing Algorithm based on Anti-Neighbor Collusion Digital Fingerprint）。第一,为解决基于级联码的叛徒追踪算法定位不同子块的数字指纹时溯源准确率低的问题,ANCDFT算法先通过引入邻居结构影响概率来改进网络表示学习算法,再利用改进的网络表示学习算法生成用户码,使得用户码更完整地存储用户在社区网络中的近邻关系,进而可根据用户码在社区网络中搜索已知叛徒的近邻合谋用户,达到提升算法溯源准确率的效果。第二,为解决基于级联码的叛徒追踪算法误判率高的问题,ANCDFT算法在追踪阶段将抗近邻合谋数字指纹分离为扩展码和用户码两部分,先通过扩展码在初始追踪阶段指认大部分叛徒,再通过用户码在二次认证阶段验证叛徒和排除无辜用户,达到降低误判率的效果,使得ANCDFT算法可抵抗不同类型的合谋攻击。此外,本文还考虑到同社区的用户更容易合谋,因此根据社区用户数量改进扩展码,使得抗近邻合谋数字指纹具有易扩展性,从而可以将数字指纹分发给多个用户数量不同的社区,追踪时可在整个社区范围内搜索叛徒,进而可抵抗同社区中邻居用户的合谋攻击,达到扩大抗合谋场景的效果。其次,针对传统动态叛徒追踪算法追踪效率低的问题进行研究,本文从降低广播消息帧分发数量和广播消息帧副本数量的角度来优化传统动态叛徒追踪算法,提出基于群组数字指纹的动态叛徒追踪优化算法GDFDT（Dynamic Traitor Tracing Algorithm based on Group Digital Fingerprint）。第一,为了快速定位叛徒所在的用户子集,GDFDT算法通过结合长度较短的随机概率码和用户子集属性信息,设计一种生成效率和提取效率都较高的群组数字指纹,使用群组数字指纹作为快速定位叛徒所在用户子集的可靠依据。第二,为降低广播消息帧分发数量和广播消息帧副本数量,本文改进传统动态叛徒追踪算法的均分子集的方式,即通过引入在线Boosting目标追踪思想,将叛徒所在的用户子集分类为用户数量不等的可疑用户子集和无辜用户子集,可减少广播消息帧和其副本的分发数量,降低广播加密分发系统的资源消耗,从而快速定位到叛徒,可以更好地保护版权。最后,本文通过实验验证ANCDFT算法具有较高的追踪准确度,可在不同类型的合谋攻击下追踪到同社区的合谋叛徒,并且不会降低数据的失真度和追踪效率,达到优化传统叛徒追踪算法的追踪准确度的效果。本文通过实验验证GDFDT算法具有较高的追踪效率,可适应于频繁分发数据和用户容量动态变化的广播加密分发系统,可达到优化传统动态叛徒追踪算法的追踪效率的效果。总的来说,ANCDFT算法和GDFDT算法都具有良好的可用性和可拓展性,具有广阔的应用前景。