3D模型的广泛使用和云存储的快速发展,使3D模型有了很高的市场价值,但是同样也带来了安全问题。攻击者可以很轻松地从云存储复制3D模型,这会导致3D模型版权被侵犯。为了确保网格内容的安全,通常将3D模型上传到云端前先对其加密,这就需要用到可逆数据隐藏(Reversible Data Hiding-RDH)技术。最初的加密域和可逆数据隐藏(Reversible Data Hiding-RDH)是为了解决不同的多媒体安全问题,加密的目的是保护图像信号中的内容。而可逆数据隐藏(Reversible Data Hiding-RDH)的目的是将秘密信息不可感知和可逆地嵌入多媒体信号中,但是现存的可逆数据隐藏RDH它不能直接应用于3D网格模型。这是因为网格模型的特征是顶点和面而不是颜色。尽管在可逆数据隐藏RDH上有一些针对3D模型的可用技术,但它不能直接应用于加密的3D网格模型。对于加密的3D网格模型,相邻顶点坐标之间的相关性是损坏的。因此,人们无法预测加密3D网格的相邻坐标。这个问题迫使研究人员为加密的3D网格开发可逆数据隐藏RDH算法。但是现存的算法中,加扰和数据隐藏是分开的,而不是联合设计的。尽管数据嵌入不会影响原始网格的恢复,但这会影响数据隐藏阶段的嵌入容量。数据加密后相关性被破坏,这样可用的冗余就会减少,所以隐藏的容量也降低了。这不能满足嵌入率高的同时加扰和数据隐藏是联合的要求。鉴上述问题,我们针对3D网格模型提出了一种自适应的联合加扰和可逆数据隐藏算法(3D-AUES)。该技术可以同时嵌入外部数据并加扰3D网格。首先我们采用顶点坐标交叉预测方法,用一半的顶点坐标来预测另一半的顶点坐标。预测的顶点用于嵌入外部数据。然后我们通过位替换嵌入外部数据,这一步操作进一步提高了嵌入率。为了提高安全性,我们提出了一种自适应阈值的方法来选择要嵌入的顶点。为了确保无损加扰,将阈值和预测误差作为辅助信息和秘密信息一同嵌入到顶点坐标中。通过采用自适应阈值和多层嵌入,可以实现可伸缩的加扰质量。在解码端,利用无损嵌入的辅助信息,可以成功提取外部数据,并且可以将网格恢复到预定的失真级别,可以实现从无损恢复到部分恢复。实验结果表明,3D网格模型的联合加扰和可逆数据隐藏技术使用位替换方案嵌入外部数据具有较高的嵌入率,在自适应的控制阈值参数可实现可伸缩的加扰质量和可伸缩的恢复质量。