基于自適應(yīng)哈希算法的直播視頻篡改檢測(cè)

文振焜，陳 斌，吳惠思

深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院，廣東深圳 518060

【電子與信息科學(xué) / Electronics and Information Science】

基于自適應(yīng)哈希算法的直播視頻篡改檢測(cè)

文振焜，陳 斌，吳惠思

深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院，廣東深圳 518060

提出基于視頻壓縮幀的自適應(yīng)哈希算法，并將該算法用于實(shí)時(shí)視頻篡改檢測(cè)．根據(jù)幀內(nèi)數(shù)據(jù)長(zhǎng)度劃分非固定步長(zhǎng)區(qū)間，提取幀的空間結(jié)構(gòu)特征，使用哈希量化形成固定長(zhǎng)度的密鑰．實(shí)驗(yàn)結(jié)果表明，該算法能達(dá)到實(shí)時(shí)性要求，表現(xiàn)出較好的魯棒性和區(qū)分性，通過(guò)統(tǒng)計(jì)視頻畫面組的密鑰相似度，能有效檢測(cè)視頻篡改．

計(jì)算機(jī)感知；自適應(yīng)哈希算法；視頻篡改；視頻內(nèi)容保護(hù)；實(shí)時(shí)視頻；H.264編碼器

隨著帶寬質(zhì)量逐漸提升和通信資費(fèi)不斷降低，網(wǎng)絡(luò)得到了更加廣泛地普及，視頻會(huì)話、視頻監(jiān)控和視頻點(diǎn)播等直播流媒體的應(yīng)用也呈現(xiàn)出巨大的需求．然而，對(duì)于視頻信息的非法操作也隨之而來(lái)，通過(guò)對(duì)視頻內(nèi)容進(jìn)行修改，導(dǎo)致原始信息遭受破壞，從而達(dá)一些其非法目的，因此，實(shí)時(shí)視頻傳輸?shù)陌踩珕?wèn)題變得越來(lái)越重要．

通常，人們通過(guò)采用認(rèn)證技術(shù)實(shí)現(xiàn)對(duì)視頻內(nèi)容的篡改檢測(cè)，確保數(shù)據(jù)內(nèi)容的可靠性和真實(shí)性．哈希算法是認(rèn)證技術(shù)的具體方法之一，它除了具有單向性和摘要性，根據(jù)應(yīng)用場(chǎng)景的需要還應(yīng)具備魯棒性、區(qū)分性和安全性[1]．目前，哈希算法已經(jīng)被廣泛用于文檔內(nèi)容認(rèn)證[2]、語(yǔ)音內(nèi)容認(rèn)證[3-4]、圖像內(nèi)容認(rèn)證[5-6]和視頻圖像幀序列內(nèi)容認(rèn)證[7-8]等領(lǐng)域．可見(jiàn)，哈希算法已被有效地使用到各種數(shù)據(jù)類型的認(rèn)證中，實(shí)現(xiàn)對(duì)數(shù)據(jù)內(nèi)容的保護(hù)．

在視頻圖像幀序列的哈希認(rèn)證研究中，許多學(xué)者致力于分析不同特征對(duì)哈希算法性能的影響，這些特征包括：① 空域全局特征，如提取視頻圖像序列中每一幀的RGB通道的顏色直方圖作為特征[9]，優(yōu)點(diǎn)是運(yùn)算速度快，缺點(diǎn)是不能感知結(jié)構(gòu)的變化．② 空域局部特征，如通過(guò)將視頻圖像序列每一幀進(jìn)行隨機(jī)分塊，在某一步長(zhǎng)下，計(jì)算分塊間的亮度均值差作為特征[10]，優(yōu)點(diǎn)是生成密鑰速度較快，缺點(diǎn)是隨機(jī)分塊會(huì)導(dǎo)致算法過(guò)魯棒，從而影響局部?jī)?nèi)容篡改的檢測(cè)．③ 時(shí)域特征，如提取視頻圖像序列幀之間的關(guān)系作為特征[7-8,10]，優(yōu)點(diǎn)是能檢測(cè)幀間的篡改行為，缺點(diǎn)是對(duì)幀內(nèi)篡改的檢測(cè)效果降低．④ 頻域特征，如分別對(duì)視頻圖像序列每一幀劃分為固定的分塊，利用分塊Gabor小波分析提取特征[11]，優(yōu)點(diǎn)是具有較好的區(qū)分性，缺點(diǎn)是運(yùn)行時(shí)間長(zhǎng)．總體上，不同的特征提取速度、產(chǎn)生的哈希密鑰長(zhǎng)度和可區(qū)別的性能都不同．根據(jù)應(yīng)用需要，設(shè)計(jì)合適的特征是十分重要的．

基于實(shí)時(shí)視頻篡改檢測(cè)的背景下，所設(shè)計(jì)的哈希算法必須達(dá)到實(shí)時(shí)檢測(cè)的要求，既要求算法的時(shí)空復(fù)雜度應(yīng)盡可能低，又不影響算法篡改檢測(cè)的性能．現(xiàn)有的直播視頻絕大多采用報(bào)文傳輸協(xié)議，能容忍網(wǎng)絡(luò)丟包，從而達(dá)到實(shí)時(shí)性和同步性[12]．當(dāng)傳輸信道受到干擾或網(wǎng)絡(luò)擁擠時(shí)，傳輸?shù)臄?shù)據(jù)包會(huì)被噪聲污染或出現(xiàn)丟包[13]．如采用以視頻圖像序列幀為單元的哈希算法，當(dāng)遭受噪聲污染或丟包時(shí)，會(huì)使重新編碼的視頻圖像幀出現(xiàn)失真，影響視頻內(nèi)容認(rèn)證．為此，本研究提出基于視頻壓縮流的自適應(yīng)哈希算法，并以此為基礎(chǔ)設(shè)計(jì)了視頻篡改檢測(cè)方案．實(shí)驗(yàn)表明，本算法產(chǎn)生的哈希密鑰具有較好的魯棒性和區(qū)分性，能達(dá)到實(shí)時(shí)有效檢測(cè)．

1 總體框架

如圖1，實(shí)時(shí)視頻篡改檢測(cè)分為視頻加密和篡改檢測(cè)兩部分．在視頻加密中，首先采集和編碼視頻，再計(jì)算其哈希密鑰，最后將密鑰和視頻壓縮數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)協(xié)議封裝和發(fā)送．在篡改檢測(cè)中，首先對(duì)請(qǐng)求得到的網(wǎng)絡(luò)數(shù)據(jù)包進(jìn)行排序，分別以視頻畫面組(group of pictures，GOP)作為篡改檢測(cè)單元，提取GOP中各個(gè)網(wǎng)絡(luò)數(shù)據(jù)包的密鑰和視頻壓縮數(shù)據(jù)，再重新計(jì)算得到密鑰，并將其與舊密鑰按位比較，統(tǒng)計(jì)GOP的平均誤碼率，最后通過(guò)經(jīng)驗(yàn)閾值判別視頻的GOP單元是否被篡改．

圖1 實(shí)時(shí)視頻篡改檢測(cè)的總體框架圖Fig.1 The overall frame of tamper detection about real-time live video

2 實(shí)時(shí)壓縮視頻結(jié)構(gòu)協(xié)議

2.1 壓縮視頻結(jié)構(gòu)

本研究采用H.264編碼器[14]，對(duì)視頻圖像幀進(jìn)行壓縮．根據(jù)用戶的參數(shù)設(shè)置，會(huì)產(chǎn)生1個(gè)或多個(gè)GOP，每個(gè)GOP有多種類型的壓縮幀，包括序列參數(shù)集(sequence parameter set, SPS)、圖像參數(shù)集(picture parameter set, PPS)和補(bǔ)充增強(qiáng)信息(supplemental enhancement information, SEI)，作為視頻壓縮數(shù)據(jù)的參數(shù)集，用于解碼時(shí)能恢復(fù)原視頻序列，而視頻壓縮幀分為即時(shí)解碼刷新(instantaneous decoding refresh，IDR)、關(guān)鍵幀、向前預(yù)測(cè)幀和雙向預(yù)測(cè)幀的類型．GOP中的每個(gè)視頻壓縮幀采用H.264定義的網(wǎng)絡(luò)抽象層單元(network abstract layer unit, NALU)存放，以便后續(xù)能簡(jiǎn)單地進(jìn)行網(wǎng)絡(luò)封裝和發(fā)送．如圖2，將視頻的多個(gè)連續(xù)的圖像幀壓縮，產(chǎn)生對(duì)應(yīng)的GOP，其中包含第1個(gè)壓縮幀SPS、第2個(gè)壓縮幀PPS和其他類型的壓縮幀．

圖2 對(duì)實(shí)時(shí)視頻壓縮Fig.2 The compression of real-time video

2.2 實(shí)時(shí)傳輸協(xié)議

應(yīng)用層、傳輸層和網(wǎng)絡(luò)層分別采用實(shí)時(shí)傳輸協(xié)議(real-time transport protocol, RTP)、用戶數(shù)據(jù)報(bào)協(xié)議(user datagram protocol, UDP)和互聯(lián)網(wǎng)協(xié)議(internet protocol, IP)．將視頻壓縮后得到的NALU放入RTP的負(fù)載中，RTP能保證視頻壓縮幀數(shù)據(jù)能邏輯上有序，并按時(shí)到達(dá)目的地進(jìn)行解碼，從而作為UDP不可靠信息傳送服務(wù)的缺陷補(bǔ)充，實(shí)現(xiàn)實(shí)時(shí)播放視頻．

在不同的物理層網(wǎng)絡(luò)中，最大傳輸單元(maximum transmission unit，MTU)都是不一樣的．為了防止IP包分片，將NALU中設(shè)置為A類型的分片(fragmentation unit of A，F(xiàn)U-A)，用于應(yīng)用層RTP分片代替IP分片，從而保證實(shí)時(shí)視頻傳輸網(wǎng)絡(luò)協(xié)議族的包長(zhǎng)小于等于MTU．考慮在以太網(wǎng)環(huán)境下，MTU限制包長(zhǎng)在1 500 byte，應(yīng)設(shè)RTP負(fù)載長(zhǎng)度為1 460 byte．其中，IPv4包頭20 byte；UDP包頭8 byte；RTP包頭12 byte．對(duì)舊的NALU劃分為最多MAX-NALU-LEN(1 460 byte)，形成FU-A類型的NALU．

本研究將各個(gè)壓縮幀進(jìn)行FU-A類型分片后，再計(jì)算哈希密鑰．

3 網(wǎng)絡(luò)視頻實(shí)時(shí)加密算法

3.1 壓縮視頻實(shí)時(shí)特征提取算法

3.1.1 定步長(zhǎng)的特征提取算法

針對(duì)RTP負(fù)載的視頻壓縮幀數(shù)據(jù)，提取空域上的特征．根據(jù)種子step產(chǎn)生固定的局部區(qū)域，把壓縮幀分割成一個(gè)個(gè)相鄰的局部區(qū)域，計(jì)算此局部均值后，再計(jì)算壓縮幀整體區(qū)域的均值，比較各個(gè)局部區(qū)域與整體區(qū)域的關(guān)系作為空域特征．

對(duì)于第i個(gè)RTP負(fù)載的視頻壓縮幀，通過(guò)step劃分局部區(qū)域，計(jì)算第j個(gè)局部區(qū)域的平均強(qiáng)度

(1)

對(duì)于視頻的第i個(gè)RTP負(fù)載的視頻壓縮幀，可以得到對(duì)應(yīng)的各局部區(qū)域平均強(qiáng)度行向量[LAAi,1, LAAi,2,…,LAAi,「counti/step」]． 因此，整體區(qū)域的平均強(qiáng)度為

(2)

比較局部與整體的平均強(qiáng)度差

Ri,j=GAAi-LAAi,j

(3)

可得到第i個(gè)RTP負(fù)載的視頻壓縮幀的空域特征行向量Rfeature_i=[Ri,1,Ri,2, …,Ri,「counti/step」]．

3.1.2 自適應(yīng)的特征提取算法

FU-A類型分片操作將NALU數(shù)據(jù)字節(jié)長(zhǎng)度限制于MAX-NALU-LEN內(nèi)，使NALU防止IP包分片．然而，當(dāng)采用固定步長(zhǎng)哈希算法計(jì)算哈希密鑰時(shí)，會(huì)使不同長(zhǎng)度的NALU產(chǎn)生不同長(zhǎng)度的哈希密鑰．由于RTP擴(kuò)展包頭是以2x分配空間，在嵌入不同長(zhǎng)度的哈希密鑰時(shí)，必須同時(shí)嵌入哈希密鑰長(zhǎng)度的標(biāo)識(shí)．另外，嵌入的哈希密鑰長(zhǎng)度不等于2x時(shí)，會(huì)產(chǎn)生冗余比特位．為此，提出基于不定步長(zhǎng)的自適應(yīng)方法產(chǎn)生固定長(zhǎng)度FL的哈希密鑰，將步長(zhǎng)參數(shù)step轉(zhuǎn)換為不定步長(zhǎng)Nstepi(第i個(gè)RTP負(fù)載的視頻壓縮幀的步長(zhǎng))，轉(zhuǎn)換公式為

(4)

這種方法有可能產(chǎn)生長(zhǎng)度比FL大的哈希密鑰，此時(shí)可以對(duì)每個(gè)局部區(qū)間移除一定的字節(jié)，從而調(diào)整NALU的數(shù)據(jù)長(zhǎng)度，使產(chǎn)生的密鑰長(zhǎng)度為FL．對(duì)于第i個(gè)NALU，需移除的字節(jié)總數(shù)為

Numdeli=counti-FL×Nstepi

(5)

為保證移除字節(jié)的操作不影響算法的可區(qū)別性，可分別對(duì)局部區(qū)域的字節(jié)按折半方式逐一移除．

3.2 壓縮視頻實(shí)時(shí)哈希量化

經(jīng)過(guò)定步長(zhǎng)和自適應(yīng)的的特征提取，分別得到對(duì)應(yīng)的中間特征．為進(jìn)一步壓縮中間特征，減少數(shù)據(jù)量，可對(duì)特征行向量Rfeature_i進(jìn)行哈希量化Rfeature_i，如

(6)

由此生成定步長(zhǎng)和自適應(yīng)的哈希摘要(哈希密鑰)．

3.3 哈希密鑰傳輸算法

如圖3，通過(guò)計(jì)算NALU產(chǎn)生哈希密鑰，再將NALU和密鑰分別放入RTP的負(fù)載和擴(kuò)展包頭中．這使得數(shù)據(jù)與密鑰一一對(duì)應(yīng)，有助于檢測(cè)端進(jìn)行密鑰比較和容忍網(wǎng)絡(luò)丟包．為提高對(duì)第三方非法篡改的檢測(cè)能力，本研究在RTP擴(kuò)展包頭添加了輔助信息，如NALU的長(zhǎng)度．同時(shí)，可以對(duì)認(rèn)證信息采用密碼學(xué)中的對(duì)稱加密算法[15]，以防止第三方非法破解，增強(qiáng)傳輸?shù)陌踩裕硗?，嵌入哈希密鑰會(huì)影響MAX-NALU-LEN的大小，還需考慮RTP擴(kuò)展包頭(密鑰和輔助信息)的長(zhǎng)度．

圖3 對(duì)視頻壓縮幀和密鑰的網(wǎng)絡(luò)封裝Fig.3 The network encapsulation of the compressed video and the secret key

4 結(jié)果及分析

本研究使用德國(guó)萊布尼茨-漢諾威大學(xué)公開(kāi)的標(biāo)準(zhǔn)視頻集(ftp://ftp.tnt.uni-hannover.de/pub/svc/testsequences/)作為實(shí)驗(yàn)分析的對(duì)象，從中選取不同亮度、顏色和物體移動(dòng)程度的視頻，包括bus、city、crew、football、foreman、harbour和ice共7個(gè)視頻，視頻格式為YUV420．將H.264編碼器幀率設(shè)置為30幀/s，如表1所示的視頻分辨率和GOP大小為30幀，對(duì)每個(gè)視頻壓縮編碼和網(wǎng)絡(luò)協(xié)議族封裝后，分別產(chǎn)生311、480、1 071、1 202、801、1 536和1 148個(gè)壓縮幀包．

實(shí)驗(yàn)所用計(jì)算機(jī)CPU為Intelcorei7-3770 3.40GHz，內(nèi)存為4Gbyte， 64bitWindows7操作系統(tǒng)，使用Matlab2013a軟件進(jìn)行算法實(shí)現(xiàn)和對(duì)實(shí)驗(yàn)仿真進(jìn)行分析．

4.1 檢測(cè)端實(shí)驗(yàn)檢測(cè)環(huán)境

對(duì)于定步長(zhǎng)哈希算法，步長(zhǎng)設(shè)置越大，平均哈希長(zhǎng)度越長(zhǎng)、區(qū)別性越好，但魯棒性會(huì)降低．為使平均哈希長(zhǎng)度、魯棒性和區(qū)分性取得較好的平衡，本研究設(shè)置步長(zhǎng)為24byte．經(jīng)過(guò)7個(gè)視頻的實(shí)驗(yàn)統(tǒng)計(jì)，當(dāng)定步長(zhǎng)哈希算法的步長(zhǎng)設(shè)為24byte時(shí)，產(chǎn)生的平均哈希長(zhǎng)度為37bit．對(duì)于自適應(yīng)的哈希算法，本研究設(shè)固定長(zhǎng)度哈希為64bit．

為了對(duì)視頻流進(jìn)行篡改檢測(cè)，需逐一對(duì)網(wǎng)絡(luò)傳輸?shù)玫絉TP包中的視頻壓縮幀和密鑰N進(jìn)行匹配．首先，重新計(jì)算視頻壓縮幀的密鑰M，再比較密鑰N和M的比特位，統(tǒng)計(jì)不相似的比特位數(shù)占總比特位的比重，即誤碼率(biterrorrate,BER)．最后，統(tǒng)計(jì)GOP的平均誤碼率，將其與經(jīng)驗(yàn)閾值比較，確定視頻GOP是否被篡改．因?yàn)樵趯?duì)視頻加密時(shí)，添加了視頻壓縮幀數(shù)據(jù)長(zhǎng)度作為輔助信息，所以在篡改檢測(cè)時(shí)，需先判斷輔助信息是否準(zhǔn)確，才能比較密鑰的相似度．這不僅增強(qiáng)了判斷的準(zhǔn)確性，還提高檢測(cè)的速度．

4.2 定步長(zhǎng)哈希算法和自適應(yīng)哈希算法的特征提取比較

4.2.1 魯棒性實(shí)驗(yàn)

分析算法魯棒性的目的在于，研究通過(guò)服務(wù)器發(fā)送實(shí)時(shí)視頻壓縮幀包的過(guò)程中，若受到網(wǎng)絡(luò)干擾而改變?cè)紨?shù)據(jù)，算法能否判定這并非篡改操作．

為了測(cè)試算法對(duì)非內(nèi)容篡改的噪聲污染反應(yīng)，將不同程度的、隨機(jī)的噪聲添加到視頻壓縮幀包數(shù)據(jù)中，分別對(duì)每個(gè)視頻數(shù)據(jù)包的每種噪聲污染進(jìn)行100次測(cè)試．實(shí)驗(yàn)采用的噪聲類型有：密度為d的椒鹽噪聲、均值為0和方差為v高斯噪聲，結(jié)果見(jiàn)圖4．

圖4 不同哈希算法魯棒性對(duì)比圖Fig.4 The comparison of the robustness of different hash algorithms

由圖4可知，自適應(yīng)的哈希算法平均誤碼率保持在0.31以下，而定步長(zhǎng)的哈希算法的平均誤碼率保持在0.27以下．對(duì)于均值為0和方差為0.2的高斯噪聲，兩種算法的平均誤碼率差為0.04．可見(jiàn)，定步長(zhǎng)比自適應(yīng)哈希算法特征提取效果要好．而對(duì)于不同強(qiáng)度的椒鹽噪聲，兩者的魯棒性接近．實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)對(duì)視頻流數(shù)據(jù)添加均值為0、方差為0.2的高斯噪聲時(shí)，編碼器完全不能對(duì)該視頻流進(jìn)行解碼．這主要是因?yàn)橐曨l流的內(nèi)在結(jié)構(gòu)包含了視頻壓縮數(shù)據(jù)和宏參數(shù)等，噪聲強(qiáng)度越大越易影響宏參數(shù)，一旦宏參數(shù)發(fā)生改變，解碼器將無(wú)法運(yùn)作．而對(duì)于網(wǎng)絡(luò)傳輸中常出現(xiàn)的微弱噪聲干擾，兩種算法都具備較好的魯棒性．

4.2.2 算法的區(qū)分性實(shí)驗(yàn)

討論算法的區(qū)分性，可通過(guò)觀察算法能否區(qū)分不同視頻內(nèi)容．不同內(nèi)容的視頻密鑰相似度相差極大，即誤碼率偏大．圖5為采用交叉方式相互比較7個(gè)視頻(視頻設(shè)置為相同分辨率)的結(jié)果，從中可觀察算法的區(qū)分性．

由5可見(jiàn)，兩種算法的平均誤碼率分別在0.86和0.84以上，說(shuō)明都具備良好的區(qū)分性．通過(guò)5組視頻內(nèi)容比較，自適應(yīng)的哈希算法整體上區(qū)分性更佳．將視頻foreman和bus內(nèi)容匹配，平均誤碼率在0.92以上，高于其他5組的平均誤碼率．這反映了兩組視頻內(nèi)容差異越大，其密鑰的誤碼率應(yīng)當(dāng)越大的特性，說(shuō)明兩種算法都對(duì)不同程度差異的視頻內(nèi)容敏感．

圖5 不同的哈希算法區(qū)別性對(duì)比圖Fig.5 The comparison of the distinctiveness of different hash algorithms

4.2.3 算法的比較分析

通過(guò)魯棒性和區(qū)分性實(shí)驗(yàn)可知，采用定步長(zhǎng)哈希算法進(jìn)行特征提取時(shí)，其魯棒性較自適應(yīng)哈希算法好，但區(qū)分性卻較差．可見(jiàn)，兩種算法的分類性能相近．但是自適應(yīng)哈希算法彌補(bǔ)了定步長(zhǎng)哈希算法的缺點(diǎn)，因其不會(huì)產(chǎn)生固定長(zhǎng)度的哈希密鑰，避免了嵌入的哈希密鑰會(huì)產(chǎn)生冗余比特位．

從實(shí)際應(yīng)用角度出發(fā)，自適應(yīng)哈希算法較定步長(zhǎng)哈希算法更優(yōu)．因此，本研究將主要分析自適應(yīng)的哈希算法在視頻篡改檢測(cè)中的性能．

4.3 視頻篡改檢測(cè)實(shí)驗(yàn)

主要篡改檢測(cè)類型有：在視頻中添加新的圖像幀和在原始圖像幀內(nèi)添加非法內(nèi)容．前者因不能產(chǎn)生合法的哈希摘要，所以難以通過(guò)篡改檢測(cè)；后者被篡改的視頻圖像幀通過(guò)壓縮編碼會(huì)產(chǎn)生不同數(shù)量和內(nèi)容的NALU．如圖6，對(duì)視頻bus中GOP的圖像幀使用視頻編輯軟件(CorelvideostudioproX8)添加英文字(tamper)的篡改內(nèi)容，篡改面積為原圖像的10%，再用H.264標(biāo)準(zhǔn)重新編碼后得到453個(gè)RTP網(wǎng)絡(luò)包．可見(jiàn)，網(wǎng)絡(luò)包的數(shù)量發(fā)生了變化，這是由于編碼器對(duì)視頻內(nèi)容的修改是感知的．因此，本研究將著重分析算法對(duì)這類篡改方式是否仍能有效區(qū)分．

圖6 原視頻圖像幀與添加篡改內(nèi)容后的圖像對(duì)比圖Fig.6 (Color online) The image contrast figure between original video and tampered video

本研究以GOP作為篡改檢測(cè)的單元，主要考慮到：① 非法篡改者必須攔截視頻GOP，才能通過(guò)解碼器恢復(fù)該GOP的視頻圖像幀，并對(duì)視頻內(nèi)容篡改；② 由于編碼器采用的是運(yùn)動(dòng)補(bǔ)償?shù)木幋a方式，使壓縮后的幀間數(shù)據(jù)具有很大的關(guān)聯(lián)性，若對(duì)在GOP中被篡改的視頻圖像幀重新編碼，就會(huì)發(fā)現(xiàn)編碼壓縮后得到的數(shù)據(jù)與之前的數(shù)據(jù)存在差異．

分別篡改7組視頻的GOP中單幀或多個(gè)連續(xù)幀，篡改內(nèi)容與圖6一致，再通過(guò)比較哈希密鑰和統(tǒng)計(jì)GOP的平均誤碼率，結(jié)果如圖7．

圖7 分別對(duì)多個(gè)視頻中不同的圖像幀添加篡改內(nèi)容后的GOP平均誤碼率檢測(cè)圖Fig.7 The GOP forgery detection of average BER in different tampered videos

由圖7可見(jiàn)，所有平均誤碼率都高于0.4，特別是在圖7(a)中，對(duì)第1～第24幀的單幀篡改，平均誤碼率都在0.5以上，而對(duì)第25～第30幀的單幀篡改，平均誤碼率大幅下降，這從側(cè)面突顯了H.264視頻運(yùn)動(dòng)補(bǔ)償編碼的特性，即視頻壓縮數(shù)據(jù)的幀間依賴關(guān)系．因此，GOP的長(zhǎng)度不宜過(guò)大．根據(jù)算法魯棒性和區(qū)分性的結(jié)果分析，根據(jù)經(jīng)驗(yàn)閾值范圍一般為0.35～0.80．本研究將閾值設(shè)為0.35，使算法能有效檢測(cè)篡改粒度較小的視頻GOP．

4.4 算法的時(shí)空復(fù)雜度分析

為能在實(shí)時(shí)視頻直播中實(shí)現(xiàn)有效的視頻篡改檢測(cè)，不僅要求算法的檢測(cè)能力強(qiáng)，還要求算法的時(shí)空復(fù)雜度應(yīng)盡可能低，以期不影響實(shí)時(shí)直播視頻．為此，本研究分析算法在不同分辨率的視頻中計(jì)算密鑰所需的時(shí)間．

采用自適應(yīng)哈希算法的視頻哈希密鑰大小為64bit，僅占傳輸視頻數(shù)據(jù)的極少空間，完全滿足實(shí)時(shí)直播視頻對(duì)網(wǎng)絡(luò)帶寬的要求．表1統(tǒng)計(jì)了自適應(yīng)哈希算法對(duì)不同分辨率的視頻生成哈希摘要所需時(shí)長(zhǎng)，并比較對(duì)應(yīng)的播放時(shí)間．結(jié)果表明，算法所耗時(shí)間占視頻播放時(shí)間不足2%．在同等帶寬條件下，視頻足以正常檢測(cè)和播放．

表1 自適應(yīng)哈希算法的時(shí)間開(kāi)銷實(shí)驗(yàn)結(jié)果

4.5 算法比較實(shí)驗(yàn)

提取7個(gè)視頻中所有的GOP共有61組作為實(shí)驗(yàn)對(duì)象．將其中的31組GOP進(jìn)行篡改，即分別對(duì)該GOP中所有幀進(jìn)行篡改，如圖6(b)，且不改變其余的GOP，再用本研究提出的算法與傳統(tǒng)算法比較，即以視頻圖像幀為單元的哈希算法[10]，且同樣采用GOP為篡改檢測(cè)單元．分析算法在不同的丟包率下篡改檢測(cè)的準(zhǔn)確率(precise detection rate, PDR)和誤檢率(error detetion rate, EDR)，即

(7)

(8)

其中，Nf1為判定篡改幀是篡改的數(shù)量，Ntamper為被篡改幀的數(shù)量；Nf2為判定非篡改幀是篡改的數(shù)量；Nuntamper表示未被篡改幀的數(shù)量．

表2是采用本算法和文獻(xiàn)[10]所提算法對(duì)不同丟包率下的PDR和EDR性能對(duì)比．由表2可見(jiàn)，由于本算法是對(duì)壓縮幀包進(jìn)行密鑰生成的，所以丟包不會(huì)造成誤檢．在無(wú)丟包的網(wǎng)絡(luò)環(huán)境下，本算法能實(shí)現(xiàn)有效檢測(cè)，而文獻(xiàn)[10]對(duì)粒度較小的篡改檢測(cè)能力不佳．在丟包率為40%時(shí)，因?yàn)樵贕OP中丟失區(qū)別性較高的壓縮幀包，所以影響本算法對(duì)被篡改檢測(cè)的準(zhǔn)確率．而文獻(xiàn)[10]算法是基于視頻畫面幀去計(jì)算哈希密鑰的，所以當(dāng)網(wǎng)絡(luò)丟包時(shí)會(huì)發(fā)生視頻解碼失真，使算法難以區(qū)分篡改行為．

表2 算法在不同的丟包率下的篡改檢測(cè)性能

結(jié) 語(yǔ)

提出一種自適應(yīng)哈希算法進(jìn)行特征提取，用于UDP實(shí)時(shí)傳輸視頻時(shí)檢測(cè)第3方篡改視頻內(nèi)容．算法通過(guò)對(duì)視頻壓縮幀進(jìn)行整體與局部的特征提取，形成與視頻壓縮幀相對(duì)應(yīng)的哈希密鑰，在對(duì)視頻壓縮幀進(jìn)行網(wǎng)絡(luò)協(xié)議封裝時(shí)，將哈希密鑰寫入包頭中，從而保證一一對(duì)應(yīng)的檢測(cè)．實(shí)驗(yàn)表示，本算法具有可靠的魯棒性與區(qū)分性，在保證實(shí)時(shí)傳輸視頻的前提下，能實(shí)現(xiàn)對(duì)篡改粒度較小的內(nèi)容進(jìn)行有效的檢測(cè)．今后將重點(diǎn)研究各種類型的視頻內(nèi)容篡改操作，觀察操作背后會(huì)導(dǎo)致怎樣的視頻壓縮流變化，從而實(shí)現(xiàn)更精準(zhǔn)和有效的視頻哈希技術(shù)．

/ References：

[1] 牛夏牧，焦玉華．感知哈希綜述[J]．電子學(xué)報(bào)，2008，36(7)：1405-1411． Niu Xiamu,Jiao Yuhua.An overview of perceptual hashing[J].Acta Electronica Sinica,2008,36(7): 1405-1411.(in Chinese)

[2] Tan Lina, Sun Xingming. Robust text hashing for content-based document authentication[J]. Information Technology Journal, 2011, 10(8):1608-1613.

[3] Zhang Qiuyu, Liu Yangwei,Huang Yibo,et al. Perceptual hashing algorithm for speech content identification based spectrum entropy in compressed domain[J]. International Journal on Smart Sensing and Intelligent Systems,2014,7(1): 283-300.

[4] Zhang Qiuyu, Liu Yangwei,Di Yanjun,et al. MFCC-based perceptual hashing for compressed domain of speech content identification[J]. Journal of Chemical & Pharmaceutical Research, 2014, 6(7): 379-386.

[5] Tang Zhenjun, Yu Junwei, Zhang Xianquan, et al. Discovery of tampered image with robust hashing[C]// Advanced Data Mining and Applications: 10th International Conference. Guilin, China: Springer International Publishing, 2014: 112-122.

[6] Tang Zhenjun, Ruan Linlin, Qin Chuan, et al. Robust image hashing with embedding vector variance of LLE[J]. Digital Signal Processing, 2015, 43:17-27.

[7] Liu Xiaocui, Sun Jiande, Liu Ju, et al. Shot-based temporally respective frame generation algorithm for video hashing[C]// IEEE International Workshop on Information Forensics and Security. Guangzhou, China: IEEE, 2013: 149-150.

[8] Liu Xiaocui, Sun Jiande, Liu Ju. Visual attention based temporally weighting method for video hashing[J]. IEEE Signal Processing Letters, 2013, 20(12): 1253-1256.

[9] 李海濤，林新棋，吳 鵬，等．基于顏色內(nèi)容一致性的視頻篡改檢測(cè)[J]．福建師范大學(xué)學(xué)報(bào)自然科學(xué)版，2014, 30(2)：26-33． Li Haitao, Lin Xinqi, Wu Peng, et al. Digital video forgery detection based on color-content congruency[J]. Journal of Fujian Normal University Natural Science Edition, 2014, 30(2): 26-33.(in Chinese)

[10] 文振焜，高金花, 朱映映，等．融合時(shí)空域變化信息的視頻感知哈希算法研究[J]．電子學(xué)報(bào)，2014，42(6)：1163-1167． Wen Zhenkun, Gao Jinhua, Zhu Yingying, et al. Video perceptual hashing fusing spatiotemporal change detection[J]. Acta Electronica Sinica, 2014, 42(6): 1163-1167.(in Chinese)

[11] 文振焜，高金花，杜以華，等．魯棒可區(qū)分的壓縮視頻感知哈希算法研究[J]．深圳大學(xué)學(xué)報(bào)理工版，2013，30(2)：157-161． Wen Zhenkun, Gao Jinhua, Du Yihua, et al.Robust and discriminative perceptual hash algorithm in compressed video[J]. Journal of Shenzhen University Science and Engineering, 2013, 30(2): 157-161.(in Chinese)

[12] 高 毅．基于UDP的視頻圖像傳輸?shù)难芯颗c實(shí)現(xiàn)[J]．信息與電腦，2014(5):148-148． Gao Yi. Research and realization of transmitted video image based on UDP[J]. China Computer & Communication, 2014(5):148-148.(in Chinese)

[13] 劉河潮，常義林，陳玉峰．H.264/AVC網(wǎng)絡(luò)視頻的丟包失真評(píng)估[J]．哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2014，46(5)：81-86． Liu Hechao, Chang Yilin, Chen Yufeng. H.264/AVC video quality assessment over IP network based on packet loss[J]. Journal of Harbin Institute of Technology, 2014, 46(5): 81-86.(in Chinese)

[14] Wiegand T, Sullivan G J, Bjontegaard G, et al. Overview of the H.264/AVC video coding standard[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2015, 13(7): 560-576.

[15] 張 悅．基于HBase的彩虹表 MD5 哈希密碼解密[J]．深圳職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2015(1)：18-22． Zhang Yue. Deciphering rainbow table MD5 hash password based on HBase[J]. Journal of Shenzhen Polytechnic, 2015(1): 18-22.(in Chinese)

【中文責(zé)編：英 子；英文責(zé)編：子 蘭】

Tamper detection based on adaptive hashing algorithm for live video streaming

Wen Zhenkun, Chen Bin, and Wu Huisi?

College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060,Guangdong Province, P.R.China

A new adaptive hashing algorithm based on video compression frames for real-time detection of the tampered video streaming is proposed. According to data length of a frame, the algorithm divides the frame into a number of intervals with different step-size and extracts the frame feature in spatial structure. The feature is quantized to generate the secret key. The experimental results show that the algorithm can meet real-time requirement and is robust and discriminative. It can detect accurately a video tampered through counting the similarity of keys in each group of pictures in the video.

computer perception; adaptive hashing algorithm; video forgery; video content protection; real-time video; H.264 encoder

：Wen Zhenkun, Chen Bin, Wu Huisi．Tamper detection based on adaptive hashing algorithm for live video streaming[J]. Journal of Shenzhen University Science and Engineering, 2017, 34(2): 165-172.(in Chinese)

TP 37

A

10.3724/SP.J.1249.2017.02165

國(guó)家自然科學(xué)基金資助項(xiàng)目 (61572328)；深圳市科創(chuàng)委基礎(chǔ)研究資助項(xiàng)目(JCYJ20160331114551175)

文振焜(1962—)，男，深圳大學(xué)教授．研究方向：寬帶流媒體視頻安全技術(shù)．E-mail：wenzk@szu.edu.cn

Received：2016-07-25；Revised：2016-12-30；Accepted：2017-01-19

Foundation：National Natural Science Foundation of China (61572328); Shenzhen Major Science and Technology Plan(JCYJ20160331114551175)

? Corresponding author：Professor Wu Huisi．E-mail: hswu@szu.edu.cn

引 文：文振焜，陳 斌，吳惠思．基于自適應(yīng)哈希算法的直播視頻篡改檢測(cè)[J]. 深圳大學(xué)學(xué)報(bào)理工版，2017，34(2)：165-172.