基于混沌序列的視頻隱私保護系統(tǒng)設(shè)計與實現(xiàn)

（中國人民公安大學(xué) 信息網(wǎng)絡(luò)安全學(xué)院,北京 102600）

0 引言

視頻監(jiān)控系統(tǒng)可以分為兩個種類，第一種是公共場所的視頻監(jiān)控系統(tǒng)[1]。其目的是增強公安等執(zhí)法部門對于突發(fā)事件的預(yù)防和管控的能力，保障社會治安和公民的各項權(quán)利。這類系統(tǒng)常常和社會機構(gòu)結(jié)合，從而更好的運作。例如在道路上監(jiān)控交通狀況的交通監(jiān)控系統(tǒng)。因此，這些監(jiān)控系統(tǒng)就像是深入人們生活的“第三只眼睛”，在公共場所中人們的一言一行在這實時監(jiān)控之下一覽無遺，而人們就生活在這種貌似隱私被別人隨時窺視的恐慌之中。還有一種是由個人安裝的系統(tǒng)，目的是對于自身財物和安全的保護，此類系統(tǒng)安裝的地方多為私人住宅或者中小型私營場所。與上一種系統(tǒng)的社會機構(gòu)的專業(yè)管理人員相比，這些人員的專業(yè)度較差、自我道德約束力較弱，不乏有偷窺者混跡其中。且由于此類系統(tǒng)脫離了公共的監(jiān)管范圍，個人的隱私得不到保護，被竊取盜用的情況屢見不鮮，給生活平添隱私泄漏的煩惱。

盡管已經(jīng)有保障人們隱私的法律出臺和實施，然而國內(nèi)立法尚且不成熟，各項法律法規(guī)亟待完善。此外，法律的確立并非易事，而如果一般的隱私泄露事件如果采取法律手段會消耗大量公共資源。由此可以看出采取可行的技術(shù)手段保護隱私是時代的趨勢。

1 MTCNN人臉檢測算法

Multi-task Cascaded Convolutional Neural Networks，簡稱MTCNN，是多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)[2]。該算法第一次將人臉檢測和人臉特征點定位結(jié)合起來，而得到的人臉特征點又可以實現(xiàn)人臉校正，其誕生具有重大意義。該算法極大地提高了檢測性能，減弱了角度、光照、遮擋等因素對于人臉識別和人臉對齊的影響。該算法由三個網(wǎng)絡(luò)結(jié)構(gòu)組成，第一層為P-Net，能夠通過CNN快速產(chǎn)生候選框體；第二層是R-Net，能夠通過更復(fù)雜一點的CNN精煉候選窗體，丟棄大量的重疊窗體；第三層是O-Net，使用了更強大的CNN，實現(xiàn)了候選窗體去留，同時回歸5個面部關(guān)鍵點。將三層網(wǎng)絡(luò)架構(gòu)和卷積神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的關(guān)鍵點定位以及人臉檢測的MTCNN是目前人臉檢測與人臉特征點定位領(lǐng)域表現(xiàn)最好的算法之一。

2 混沌序列圖像加解密算法

混沌序列的圖像加密解密算法利用異或運算對數(shù)據(jù)進行隱藏[3]。該運算有一特點：使用同一數(shù)據(jù)對圖像數(shù)據(jù)進行連續(xù)的兩次異或運算后圖像數(shù)據(jù)不會發(fā)生改變，利用這一特性就能在對圖像數(shù)據(jù)進行加密保護的同時不改變原來的圖像數(shù)據(jù)。

該加密算法對于圖像數(shù)據(jù)的加密十分有效，在實現(xiàn)圖像數(shù)據(jù)加密的同時不僅保證了其數(shù)據(jù)的完整性更使其在網(wǎng)絡(luò)傳輸中不被他人輕易地獲取，實現(xiàn)數(shù)據(jù)的隱藏保護。算法整體如圖1所示。

圖1 混沌序列的圖像加密解密算法整體架構(gòu)

該算法利用混沌序列來完成對像素矩陣的異或加密運算和初等變換，算法如圖2所示。

3 系統(tǒng)功能模塊設(shè)計

系統(tǒng)將視頻隱私保護劃分成多個模塊。這幾個模塊以不同的職能和服務(wù)為具體的劃分理由，通過模塊化的拆分和組合，可以方便管理員對系統(tǒng)的維護，并且保證了系統(tǒng)的可延展性，為之后擴大系統(tǒng)的使用規(guī)模打下良好的基礎(chǔ)，也方便管理員對我系統(tǒng)的學(xué)習(xí)以及應(yīng)用[4]。不同角色的模塊相互配合，也增加了系統(tǒng)的安全性，易于管理。系統(tǒng)的功能模塊如圖3所示。

圖2 混沌序列加密解密算法具體過程

圖3 視頻隱私保護系統(tǒng)模塊

該系統(tǒng)首先通過構(gòu)建MTCNN網(wǎng)絡(luò)實現(xiàn)對于人臉的識別，然后采用基于混沌序列的圖像加密解密算法對人臉進行加密解密。具體算法流程如圖4所示。

圖4 視頻隱私保護系統(tǒng)算法流程

4 系統(tǒng)功能實現(xiàn)

該系統(tǒng)有兩個功能，一是可以對攝像頭前的人臉信息進行實時加密，并將視頻存儲在系統(tǒng)硬盤內(nèi)，通過正確的密鑰才可以對加密的視頻進行解密，二是對現(xiàn)有的視頻中的人臉信息進行加密，通過正確的密鑰才可以對加密的視頻進行解密，保證了視頻傳遞期間人臉信息的安全性，有效保護了視頻中人們的個人隱私。

4.1 人臉信息實時加密

視頻監(jiān)控其設(shè)計目的是維護社會穩(wěn)定，對于違法犯罪行為的發(fā)生能夠發(fā)現(xiàn)并且采取有效措施。然而這類系統(tǒng)在設(shè)計之初卻忽略了對個人隱私的保護問題。

人臉信息實時加密功能通過視頻采集模塊獲取攝像頭捕獲的視頻幀，在程序運行的過程中，加載MTCNN多層網(wǎng)絡(luò)結(jié)果并將捕獲的視頻幀輸入其中去，可以達到實時捕獲人臉的目的。當(dāng)檢測出視頻中的人臉時，通過混沌序列的圖像加密解密算法對人臉框進行加密。實驗效果如圖5—7所示。

4.2 視頻人臉信息加密

現(xiàn)今，人臉信息泄露的事件時有發(fā)生。這些人臉信息泄露的事件無不再告訴人們隱私保護的重要性，人們也生活在這種隱私隨時可能被泄露的風(fēng)險中。正因生活中有諸多人臉信息被泄露的風(fēng)險，人臉信息的加密就顯得尤為重要。

系統(tǒng)通過視頻采集模塊導(dǎo)入視頻幀，然后調(diào)用MTCNN進行人臉識別，并通過混沌序列的人臉加密方法對識別出的人臉進行加密，最后導(dǎo)出視頻。

通過視頻隱私保護系統(tǒng)來對視頻中的人臉進行加密，截取其中的效果圖來展示系統(tǒng)的功能。

圖5 人臉信息實時加密

圖6 單人人臉加密圖像

圖7 多人人臉加密圖像

當(dāng)視頻進行加密后，需要輸入正確的密鑰才可以對加密的人臉圖像進行解密。當(dāng)輸入錯誤的密鑰時，視頻將無法正確解密，人臉圖像將依舊保持這被加密的狀態(tài)?；诨煦缧蛄械膱D像加密解密算法是運用異或運算將數(shù)據(jù)進行隱藏，所以連續(xù)使用同一數(shù)據(jù)對圖像數(shù)據(jù)兩次異或運算圖像的數(shù)據(jù)不會發(fā)生改變，但是當(dāng)兩次異或的數(shù)據(jù)不一樣時，便不會正確解密加密的圖像，通過這種方式對視頻中的人臉信息達到了有效保護的目的，保護了個人隱私。

5 結(jié)語

信息化時代已經(jīng)來臨，大量的個人信息出現(xiàn)在互聯(lián)網(wǎng)上，個人信息泄露也時有發(fā)生，隱私的泄露已經(jīng)常態(tài)化。而人臉信息更是一種至關(guān)重要的個人信息，一旦被別有用心之人竊取用作其他活動，又或者是個人隱私視頻中的人臉信息的泄露，都可能對個人造成不同程度的傷害。而基于混沌序列的視頻隱私保護系統(tǒng)能夠很好地保護視頻中的人臉信息不被泄露，具有較好的應(yīng)用價值與市場前景。

現(xiàn)今，多數(shù)人臉檢測算法已經(jīng)達到了很高的準(zhǔn)確率，人臉檢測已不再是一項難題。本文參考了一定數(shù)量的人臉檢測文獻，選取了MTCNN人臉檢測算法，并結(jié)合了混沌序列的加密解密算法設(shè)計出了該視頻隱私保護系統(tǒng)。首先，選取代表性較好的人臉樣本之后，利用人臉檢測率較高和實時性較強的MTCNN算法，訓(xùn)練出分類效果較好的分類器，對圖片和視頻中的人臉進行檢測，然后利混沌序列的圖像加密解密算法對其進行加密，通過秘鑰的交換就可以實現(xiàn)人臉圖像的解析。

本文所設(shè)計的視頻隱私保護系統(tǒng)，運用了MTCNN多層網(wǎng)絡(luò)結(jié)構(gòu)來檢測視頻中人臉，經(jīng)過多次實驗，即使是在復(fù)雜的人臉環(huán)境下，對于人臉的檢測也達到了很好的效果。同時本文研究的混沌序列的圖像加密解密技術(shù)對人臉檢測框內(nèi)的每一個像素點進行混沌，并通過異或運算將數(shù)據(jù)隱藏，使得圖像的安全性得到了有效的保護，同時算法的簡易性使得程序易于實現(xiàn)，可以有效運用于視頻隱私保護。