基于智能合約的編碼級(jí)視頻安全存證方案

摘 要：H.264/H.265視頻壓縮技術(shù)推動(dòng)了短視頻應(yīng)用行業(yè)的蓬勃發(fā)展，但與此同時(shí)，視頻安全與版權(quán)糾紛問題也日益凸顯?，F(xiàn)有的版權(quán)存證方法存在版權(quán)驗(yàn)證方信任缺失、驗(yàn)證流程不透明、視頻溯源困難等問題。針對(duì)這些問題，提出了一種基于智能合約的編碼級(jí)視頻安全存證方案。利用H.264/H.265編碼特性設(shè)計(jì)版權(quán)信息嵌入方法，將版權(quán)所有者信息作為水印在視頻編碼時(shí)嵌入。在保證水印魯棒性和安全性的同時(shí)，減少嵌入信息對(duì)視頻質(zhì)量的影響；同時(shí)借助區(qū)塊鏈和智能合約技術(shù)，規(guī)范身份存證、版權(quán)驗(yàn)證和糾紛處理等流程，增強(qiáng)流程執(zhí)行的可信度和透明性。實(shí)驗(yàn)結(jié)果表明，在進(jìn)行視頻版權(quán)存證時(shí)采用的相似度對(duì)比算法的F1分?jǐn)?shù)相比現(xiàn)有的最優(yōu)方案增長了大約2%，證明其性能的優(yōu)越性；另一組實(shí)驗(yàn)證實(shí)了智能合約的開銷處于合理水平，確保其在實(shí)際應(yīng)用中的可行性。

關(guān)鍵詞：智能合約；版權(quán)存證；視頻編碼；區(qū)塊鏈；數(shù)字水印

中圖分類號(hào)：TP309"" 文獻(xiàn)標(biāo)志碼：A"" 文章編號(hào)：1001-3695（2025）01-004-0028-08

doi： 10.19734/j.issn.1001-3695.2024.05.0174

Smart contract-based encoding-level video copyright notarization scheme

Abstract： The short video application market has grown quickly due to the H.264/H.265 video compression technology. However， copyright conflicts and video security concerns have gained more attention as a result of this expansion. The current copyright notarization systems are plagued by issues with video traceability， opaque verification processes， and a lack of trust in the verification parties. This paper presented a smart contract-based encoding-level video security notarization technique as a solution to these problems. This strategy created a way to include copyright information by using the encoding properties of H.264/H.265 and inserting the copyright owner’s information as a watermark during the video encoding process. The encoded information had a minimal effect on the quality of the video while guaranteeing the watermark’s durability and security. Furthermore， it standardized the processes of identity notarization， copyright verification， and dispute settlement through the use of blockchain and smart contract technology， which raised the legitimacy and transparency of the execution process. According to experimental results， the similarity comparison algorithm employed for video copyright notarization performs better than the current best solution， with a F1-score that has grown by about 2%. Another test demonstrates that smart contracts have a manageable overhead， indicating their viability in real-world uses.

Key words：smart contract; copyright notarization; video encoding; blockchain; digital watermark

0 引言

隨著互聯(lián)網(wǎng)的飛速發(fā)展，視頻行業(yè)迎來了前所未有的繁榮。截至2023年12月，中國網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達(dá)到10.31億，占網(wǎng)民整體的96.5%。其中短視頻用戶規(guī)模為10.12億，占網(wǎng)民整體的94.8%［1］。短視頻不僅極大地豐富了人們的日常娛樂生活，同時(shí)也產(chǎn)生了巨大的經(jīng)濟(jì)效應(yīng)。2023年短視頻行業(yè)研究報(bào)告顯示：短視頻應(yīng)用市場(chǎng)規(guī)模已接近3 000億元人民幣，用戶規(guī)模占整體網(wǎng)民的94.8%，成為中國互聯(lián)網(wǎng)應(yīng)用中使用人數(shù)最多的應(yīng)用之一。與游戲、直播等應(yīng)用相比，短視頻對(duì)用戶來說具有更強(qiáng)的吸引力［2］。在這一趨勢(shì)下，國家也開始出臺(tái)相應(yīng)的政策來支持和規(guī)范數(shù)字內(nèi)容的創(chuàng)作與分享。2021年，廣電總局發(fā)布《廣播電視和網(wǎng)絡(luò)視聽“十四五”發(fā)展規(guī)劃》，鼓勵(lì)開拓短視頻等新興媒介傳播方式，提升內(nèi)容質(zhì)量。在視頻版權(quán)保護(hù)方面，國家版權(quán)局于2021年12月24日印發(fā)了《版權(quán)工作“十四五”規(guī)劃》，旨在推動(dòng)版權(quán)產(chǎn)業(yè)的發(fā)展，加強(qiáng)版權(quán)行政執(zhí)法指導(dǎo)制度建設(shè)，并研究制定新領(lǐng)域新業(yè)態(tài)版權(quán)保護(hù)政策措施，以全面保護(hù)版權(quán)所有者的合法權(quán)益。

與文本、圖片和音頻文件相比，視頻文件數(shù)據(jù)量往往更大， 在傳輸過程中可能會(huì)因?yàn)榫W(wǎng)絡(luò)帶寬限制等因素導(dǎo)致傳播速度緩慢。為了解決該問題，在視頻傳輸過程中會(huì)廣泛使用到H.264/H.265視頻壓縮編碼，以減少傳輸所需的時(shí)間和資源。H.264和H.265是兩種廣泛使用的視頻編碼標(biāo)準(zhǔn)，主要原理是利用幀內(nèi)和幀間預(yù)測(cè)、變換和量化、以及熵編碼等技術(shù)，去除視頻數(shù)據(jù)中的冗余信息，從而實(shí)現(xiàn)高效的數(shù)據(jù)壓縮，降低視頻存儲(chǔ)和傳輸?shù)某杀荆?］。這兩種編碼標(biāo)準(zhǔn)在視頻壓縮領(lǐng)域被廣泛應(yīng)用，尤其是在高清和超高清視頻的編碼中［4］。視頻編碼技術(shù)的廣泛使用也促進(jìn)了短視頻應(yīng)用的涌現(xiàn)，在短視頻應(yīng)用爆火的同時(shí)，也隨之出現(xiàn)了一些安全問題。2020年1月，據(jù)《紐約時(shí)報(bào)》報(bào)道，以色列網(wǎng)絡(luò)安全公司Check Point研究發(fā)現(xiàn)，TikTok存在嚴(yán)重的安全漏洞，黑客可以通過這些漏洞公開用戶隱私視頻、獲取用戶個(gè)人信息以及控制賬戶進(jìn)行上傳和刪除視頻內(nèi)容等操作［5］。與此同時(shí)，關(guān)于視頻版權(quán)糾紛的問題也層出不窮，北京互聯(lián)網(wǎng)法院在2021年審理了一系列涉及短視頻著作權(quán)的案件。這些案件涉及的內(nèi)容包括未經(jīng)授權(quán)使用熱門歌曲、使用他人作品制作短視頻、未經(jīng)許可使用背景音樂等［6］。未經(jīng)授權(quán)的復(fù)制、抄襲、竄改等行為嚴(yán)重侵害了視頻原創(chuàng)者的合法權(quán)益，同時(shí)也給版權(quán)管理帶來了巨大的挑戰(zhàn)。

針對(duì)視頻版權(quán)存證問題，目前主要的解決方案有兩種：a）通過可信第三方機(jī)構(gòu)進(jìn)行版權(quán)認(rèn)證［7］。第三方機(jī)構(gòu)通過實(shí)施嚴(yán)格的版權(quán)登記、時(shí)間戳服務(wù)、數(shù)字簽名等技術(shù)手段，確保版權(quán)存證的可靠性和法律效力，從而實(shí)現(xiàn)版權(quán)存證的功能。但是一旦第三方機(jī)構(gòu)遭受惡意攻擊或者產(chǎn)生惡意行為，可能會(huì)導(dǎo)致版權(quán)信息被竄改甚至濫用，損害版權(quán)所有者的權(quán)益。b）利用區(qū)塊鏈平臺(tái)來進(jìn)行去中心化的版權(quán)認(rèn)證［8］。通過將版權(quán)作品的元數(shù)據(jù)（如創(chuàng)作時(shí)間、作者信息、作品內(nèi)容摘要等）加密后上鏈，以此創(chuàng)建一個(gè)不可竄改、可驗(yàn)證的版權(quán)證明記錄。借助區(qū)塊鏈的公信力和不可竄改性，為版權(quán)所有者提供一個(gè)透明、持久且法律認(rèn)可的版權(quán)存證方案。但是，如果平臺(tái)沒有預(yù)先部署智能合約，在版權(quán)交易和認(rèn)證流程中可能需要更多的人工操作，導(dǎo)致版權(quán)管理效率降低；并且如果沒有智能合約來記錄區(qū)塊鏈平臺(tái)執(zhí)行情況，可能會(huì)使得版權(quán)認(rèn)證過程不夠公開和透明，從而降低用戶對(duì)平臺(tái)的信任度。此外，以上兩種解決方案大多在視頻壓縮之后進(jìn)行存證，無法對(duì)視頻進(jìn)行溯源來確保視頻內(nèi)容在壓縮前的原創(chuàng)性和完整性。

本文提出了一種基于區(qū)塊鏈的編碼級(jí)視頻安全存證方案，旨在解決目前視頻版權(quán)存證中存在的效率低下、操作不透明以及視頻溯源缺失等問題。該方案引入數(shù)字水印技術(shù)，在視頻編碼階段將身份信息作為水印進(jìn)行嵌入，使得視頻的來源與所有權(quán)能夠被追蹤和驗(yàn)證。同時(shí)，在區(qū)塊鏈平臺(tái)上部署實(shí)施智能合約，通過執(zhí)行智能合約，實(shí)現(xiàn)在版權(quán)認(rèn)證階段自動(dòng)進(jìn)行版權(quán)存證，以及處理可能出現(xiàn)的版權(quán)糾紛問題。本文方案主要貢獻(xiàn)有三點(diǎn)：

a）設(shè)計(jì)了一種基于內(nèi)容認(rèn)證的H.264/H.265可逆視頻水印算法，將版權(quán)所有者信息作為水印采用該算法進(jìn)行嵌入。該算法能夠減少嵌入水印對(duì)視頻質(zhì)量的影響，并且確保嵌入水印的魯棒性和盲提取性，從而為視頻內(nèi)容提供了有效的版權(quán)保護(hù)。

b）設(shè)計(jì)并實(shí)現(xiàn)了一種基于區(qū)塊鏈的編碼級(jí)視頻存證方案，借助智能合約和區(qū)塊鏈技術(shù)，實(shí)現(xiàn)自動(dòng)執(zhí)行版權(quán)存證與糾紛處理流程。區(qū)塊鏈和智能合約技術(shù)的使用不僅提高了版權(quán)管理的效率與透明度，還確保了版權(quán)存證的長期有效性和可行性，提升用戶對(duì)平臺(tái)的信任度。

c）基于本文方案，在真實(shí)環(huán)境下開展實(shí)驗(yàn)驗(yàn)證其有效性。實(shí)驗(yàn)結(jié)果表明，在確保視頻版權(quán)存證判斷準(zhǔn)確性的前提下，智能合約的開銷能夠控制在合理范圍內(nèi)。

1 相關(guān)工作

在數(shù)字版權(quán)管理領(lǐng)域，傳統(tǒng)方案是使用數(shù)字版權(quán)管理技術(shù)（digital right management，DRM）［9］來對(duì)數(shù)字內(nèi)容的知識(shí)產(chǎn)權(quán)進(jìn)行存證，確保數(shù)字內(nèi)容的合法使用與傳播。馬兆豐等人［10］提出了一種基于動(dòng)態(tài)許可證的軟件版權(quán)保護(hù)方法，通過引入可信第三方CA，有效解決了軟件使用權(quán)保護(hù)的安全性和效率問題。肖尚勤等人［11］提出了一種基于P2P系統(tǒng)信任機(jī)制的DRM模型，利用Shamir閾值密鑰共享方案將許可密鑰分發(fā)給可信節(jié)點(diǎn)，實(shí)現(xiàn)P2P環(huán)境下的數(shù)字版權(quán)保護(hù)。然而，DRM技術(shù)本質(zhì)上是一種由第三方權(quán)威機(jī)構(gòu)授權(quán)的集中式版權(quán)管理機(jī)制［12］，具有集中式管理固有的缺陷：a）中心節(jié)點(diǎn)存儲(chǔ)的版權(quán)數(shù)據(jù)易受攻擊或者被單方面竄改，數(shù)據(jù)的安全性和真實(shí)性較差；b）第三方控制中心存在泄露或者挖掘用戶隱私的可能，用戶隱私數(shù)據(jù)安全無法得到保障；c）具有獨(dú)立數(shù)據(jù)庫的不同機(jī)構(gòu)之間進(jìn)行數(shù)據(jù)共享不方便，使版權(quán)歸屬存在潛在糾紛。

區(qū)塊鏈技術(shù)是一種集點(diǎn)對(duì)點(diǎn)通信、加密算法、共識(shí)機(jī)制等技術(shù)于一體的新技術(shù)，具有去中心化、不可竄改等特點(diǎn)［13］。將區(qū)塊鏈技術(shù)應(yīng)用于數(shù)字版權(quán)管理為解決傳統(tǒng)第三方版權(quán)管理機(jī)構(gòu)存在的問題提供了一種新的有效途徑。Ma等人［14］提出了一種基于區(qū)塊鏈的數(shù)字版權(quán)管理方法DRMChain，通過兩個(gè)隔離的區(qū)塊鏈應(yīng)用接口分別存儲(chǔ)原始的和受保護(hù)數(shù)字內(nèi)容的明文和密文摘要，并結(jié)合高效安全的認(rèn)證、隱私保護(hù)和條件追蹤算法，實(shí)現(xiàn)了可信的數(shù)字版權(quán)內(nèi)容保護(hù)。Wang等人［15］提出了一種基于零水印算法與區(qū)塊鏈技術(shù)結(jié)合的圖像存儲(chǔ)和認(rèn)證框架，利用區(qū)塊鏈的性質(zhì)解決了零水印算法對(duì)可信第三方的依賴問題。然而，上述方案雖然利用了區(qū)塊鏈技術(shù)來解決傳統(tǒng)數(shù)字版權(quán)管理方法存在的問題，但是主要依賴于人工執(zhí)行流程，整體方案的執(zhí)行效率以及流程透明度有所欠缺。Gao等人［16］提出了一個(gè)基于區(qū)塊鏈的數(shù)字版權(quán)管理方案，通過設(shè)計(jì)公平交易解密密鑰的智能合約和存儲(chǔ)數(shù)字版權(quán)信息的區(qū)塊鏈，提高了處理流程的公平性、透明性和效率。但是，該方法缺少對(duì)數(shù)字版權(quán)的溯源查證，無法確保數(shù)字版權(quán)的原創(chuàng)性和完整性。Garba等人［17］提出了一種基于數(shù)字水印和可擴(kuò)展區(qū)塊鏈的分布式媒體交易框架，通過改進(jìn)區(qū)塊鏈技術(shù)使其適用于數(shù)字版權(quán)管理模型，并利用數(shù)字水印技術(shù)追溯泄露內(nèi)容的版權(quán)，有效解決了數(shù)字內(nèi)容的版權(quán)保護(hù)問題。然而，該方案依賴于人工處理流程，存在流程執(zhí)行效率低、缺乏透明度等問題。

基于上述方案的優(yōu)勢(shì)與不足，本文提出了一種新的方案。該方案針對(duì)視頻版權(quán)安全存證問題，結(jié)合智能合約、區(qū)塊鏈和數(shù)字水印技術(shù)，在對(duì)視頻進(jìn)行溯源認(rèn)證的前提下，自動(dòng)化驗(yàn)證視頻版權(quán)的真實(shí)性和有效性。確保版權(quán)所有者的權(quán)益和隱私數(shù)據(jù)安全性的同時(shí)，提高了整個(gè)方案處理流程的效率、透明性和可靠性。

2 模型構(gòu)建與設(shè)計(jì)目標(biāo)

本文提出基于智能合約的編碼級(jí)視頻存證方案，針對(duì)現(xiàn)有視頻版權(quán)機(jī)制中存在的問題，如版權(quán)驗(yàn)證過程中的信任缺失、驗(yàn)證流程的不透明性以及視頻內(nèi)容溯源困難。本文方案依據(jù)H.264/H.265視頻編碼特性以及數(shù)字水印技術(shù)，設(shè)計(jì)了一種在視頻編碼階段嵌入版權(quán)所有者信息的方法，以實(shí)現(xiàn)視頻內(nèi)容的有效溯源和認(rèn)證。同時(shí)，結(jié)合區(qū)塊鏈和智能合約技術(shù)，構(gòu)建了一個(gè)去中心化的視頻版權(quán)存證系統(tǒng)，以確保版權(quán)存證流程的透明度和自動(dòng)化執(zhí)行。

2.1 系統(tǒng)模型

基于智能合約的編碼級(jí)視頻安全存證模型如圖1所示。主要由用戶、云服務(wù)器、攝像頭三種角色以及區(qū)塊鏈和智能合約組成：

a）用戶。用戶負(fù)責(zé)上傳視頻以及自己的身份信息。擁有視頻版權(quán)的用戶，即版權(quán)所有者的身份信息會(huì)在視頻編碼時(shí)作為水印嵌入。用戶需要提前注冊(cè)自己的身份信息來保證上傳視頻能夠關(guān)聯(lián)到他們的身份。

b）攝像頭。在系統(tǒng)中，攝像頭主要負(fù)責(zé)處理錄制視頻，并且保證視頻在編碼后能夠完整上傳至云服務(wù)器。

c）云服務(wù)器。云服務(wù)器是負(fù)責(zé)存儲(chǔ)和處理視頻內(nèi)容的平臺(tái)，在收到攝像頭上傳的編碼視頻之后，會(huì)對(duì)視頻進(jìn)行解碼、相似度對(duì)比等處理。同時(shí)，云服務(wù)器還通過與智能合約的交互來維護(hù)存儲(chǔ)的版權(quán)存證列表。

d）區(qū)塊鏈。區(qū)塊鏈主要用于記錄和驗(yàn)證存證數(shù)據(jù)。在該系統(tǒng)中，區(qū)塊鏈用于存儲(chǔ)用戶身份信息以及經(jīng)過智能合約驗(yàn)證的視頻版權(quán)存證信息。區(qū)塊鏈不可竄改的性質(zhì)確保了存儲(chǔ)信息的安全性和可靠性。

e）智能合約。在本系統(tǒng)中，智能合約扮演著核心角色。能夠?qū)π掠脩羯矸葸M(jìn)行存證，并且在版權(quán)存證時(shí)檢驗(yàn)用戶身份和視頻版權(quán)的原創(chuàng)性。同時(shí)在發(fā)生糾紛時(shí)會(huì)執(zhí)行判斷程序來進(jìn)行仲裁。

2.2 潛在威脅

系統(tǒng)中存在的潛在威脅主要來自兩方面：

a）水印設(shè)計(jì)缺陷。首先，水印嵌入可能會(huì)導(dǎo)致人眼產(chǎn)生明顯的視覺感知，或者在水印提取后，無法對(duì)嵌入水印信息載體進(jìn)行還原，從而影響原視頻質(zhì)量。其次，視頻經(jīng)過多次諸如壓縮、轉(zhuǎn)碼等處理之后導(dǎo)致水印受損，影響版權(quán)驗(yàn)證的準(zhǔn)確性。如果在提取水印過程中需要原始視頻參與，則稱該水印為盲提取水印，否則稱為非盲提取水印。當(dāng)水印提取需要用到未編碼視頻時(shí)，可能會(huì)導(dǎo)致該視頻被暴露給惡意攻擊者，而且使用較大的原始視頻來提取水印也會(huì)增加算法的計(jì)算復(fù)雜度。

b）云服務(wù)器攻擊。云服務(wù)器中可能會(huì)因?yàn)閮?nèi)部惡意行為或者外部攻擊，導(dǎo)致存儲(chǔ)的視頻版權(quán)信息被竄改或者丟失，從而影響版權(quán)所有者的合法權(quán)益，導(dǎo)致用戶對(duì)系統(tǒng)的信任度降低。

2.3 設(shè)計(jì)目標(biāo)

針對(duì)2.2節(jié)提到的潛在威脅，本文方案主要有兩個(gè)設(shè)計(jì)目標(biāo)：

a）設(shè)計(jì)一種合適的水印算法。數(shù)字水印的構(gòu)造特色在于其隱蔽性、魯棒性、安全性、可逆性等。因此，本文設(shè)計(jì)的數(shù)字視頻水印既需要保證水印信息有效嵌入和提取，又能保證對(duì)嵌入水印信息載體的還原。同時(shí)，確保水印載體在受到某種攻擊的情況下，水印信息能被正確地提取出來，且對(duì)于載體內(nèi)容的更改都很敏感，即實(shí)現(xiàn)內(nèi)容認(rèn)證的目的。并且需要增強(qiáng)水印的魯棒性和透明性，確保水印在不影響視頻質(zhì)量的前提下，觀察者肉眼無法感知到水印的存在，且水印難以被去除或者竄改。最后，實(shí)現(xiàn)非盲提取水印技術(shù)，減少對(duì)原始視頻的依賴，降低算法的計(jì)算復(fù)雜度，同時(shí)提高水印檢測(cè)的安全性。

b）使用智能合約和區(qū)塊鏈來實(shí)現(xiàn)系統(tǒng)可信透明的審查和監(jiān)管機(jī)制。智能合約會(huì)參與視頻版權(quán)存證階段，確保上傳存證信息的正確性和有效性。同時(shí)，將存證數(shù)據(jù)存儲(chǔ)到去中心化的區(qū)塊鏈平臺(tái)上，保證版權(quán)數(shù)據(jù)在機(jī)構(gòu)間公開的同時(shí)又不可竄改。當(dāng)用戶對(duì)云服務(wù)器產(chǎn)生質(zhì)疑時(shí)，智能合約能夠根據(jù)區(qū)塊鏈上存儲(chǔ)的可信版權(quán)存證數(shù)據(jù)來進(jìn)行審查。

3 基于智能合約的H.264/H.265編碼視頻存證方案

3.1 方案流程

如圖2所示，本文方案流程分為三個(gè)階段：

a）注冊(cè)階段。在這個(gè)階段，用戶向CA提交自己的身份信息，CA會(huì)對(duì)提交的身份信息進(jìn)行驗(yàn)證來確認(rèn)用戶是否已經(jīng)注冊(cè)。如果該用戶為新用戶，系統(tǒng)會(huì)將這些信息打包成信息區(qū)塊并添加到區(qū)塊鏈中。信息區(qū)塊結(jié)構(gòu)如圖3所示，主要分為區(qū)塊頭和區(qū)塊體兩部分。區(qū)塊頭用于鏈接到前一個(gè)區(qū)塊并包含諸如時(shí)間戳、難度目標(biāo)、隨機(jī)數(shù)等元數(shù)據(jù)，確保區(qū)塊鏈的安全性和連續(xù)性；而區(qū)塊體則包含了該區(qū)塊內(nèi)的所有交易數(shù)據(jù)，是區(qū)塊鏈存儲(chǔ)信息的主要部分，信息區(qū)塊將用戶的個(gè)人信息作為交易數(shù)據(jù)存儲(chǔ)到默克爾樹中。注冊(cè)完畢后，區(qū)塊鏈會(huì)同步更新區(qū)塊列表來反映用戶注冊(cè)情況。

b）水印嵌入階段。視頻版權(quán)所有者將自己的身份信息進(jìn)行分割，作為水印在視頻編碼過程中嵌入。

c）智能合約存證仲裁階段。視頻水印嵌入完成后，由攝像頭上傳到云服務(wù)器。云服務(wù)器首先對(duì)視頻進(jìn)行解碼，恢復(fù)出原視頻和其中嵌入的身份信息。其次，云服務(wù)器會(huì)根據(jù)已存儲(chǔ)的存證視頻列表，對(duì)該視頻內(nèi)容進(jìn)行相似度對(duì)比檢查并將檢查結(jié)果提交給智能合約。同時(shí)，智能合約對(duì)該身份信息的合法性進(jìn)行審查。根據(jù)身份信息檢查和視頻相似度對(duì)比結(jié)果，智能合約對(duì)該視頻及嵌入的身份信息能否作為合法版權(quán)作出判斷。判斷通過時(shí)，視頻版權(quán)會(huì)被同時(shí)上傳到云服務(wù)器和區(qū)塊鏈中進(jìn)行存證，此處區(qū)塊結(jié)構(gòu)參照?qǐng)D3。當(dāng)用戶對(duì)云服務(wù)器中存儲(chǔ)的版權(quán)存證存在質(zhì)疑時(shí)，向智能合約發(fā)起仲裁請(qǐng)求，智能合約會(huì)調(diào)用區(qū)塊鏈上存儲(chǔ)的版權(quán)存證信息來進(jìn)行仲裁。

3.2 H.264/H.265編碼版權(quán)嵌入

考慮到人眼的視覺特性，在進(jìn)行版權(quán)嵌入前，首先需要篩選出紋理復(fù)雜的Intra_4×4預(yù)測(cè)模式的亮度塊，并根據(jù)Canny算子篩選出這些亮度塊中紋理最復(fù)雜的宏塊。其次分別統(tǒng)計(jì)該宏塊的16個(gè)4×4大小的子塊中幅值不等于零的量化系數(shù)數(shù)目，將水印信息隱藏到幅值不等于零的量化系數(shù)數(shù)目最多的4×4子塊中。為了檢驗(yàn)嵌入的水印是否被竄改，水印信息包含了用戶身份信息以及根據(jù)身份信息生成的循環(huán)冗余校驗(yàn)碼。最后，對(duì)隱藏水印內(nèi)容的視頻數(shù)據(jù)進(jìn)行熵編碼得到編碼后的數(shù)據(jù)流。由于嵌入水印的視頻數(shù)據(jù)并不參與碼流的重建過程，所以水印對(duì)當(dāng)前宏塊的DCT系數(shù)的改變不會(huì)在幀內(nèi)其他塊之間傳遞。視頻解碼時(shí)提取水印信息，得到用戶身份信息以及校驗(yàn)碼，比較提取出的校驗(yàn)碼與重新生成的校驗(yàn)碼是否一致，實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)的內(nèi)容級(jí)認(rèn)證以及內(nèi)容竄改位置的定位。提取水印信息完成后，對(duì)隱藏水印視頻序列進(jìn)行還原，保證解碼后得到的視頻序列不受水印信息的影響。具體版權(quán)嵌入流程如圖4所示。

3.2.1 紋理塊選擇

在H.264/H.265編碼方式中，I幀亮度塊編碼主要采用了Intra_4×4和Intra_16×16預(yù)測(cè)方式。相關(guān)研究［18］表明：圖像塊的背景細(xì)節(jié)信息越多，人眼對(duì)其敏感度越低；并且人眼對(duì)平均亮度值大的區(qū)域亮度的變化敏感度低，而對(duì)平均亮度值小的區(qū)域亮度的變化敏感度比較高。使用Intra_4×4預(yù)測(cè)方式的宏塊紋理復(fù)雜度高于Intra_16×16預(yù)測(cè)方式的宏塊，因此本文方案采用Intra_4×4預(yù)測(cè)模式的亮度塊作為代嵌入域。

為了提高紋理塊選取效率，首先將圖像塊劃分為紋理塊和非紋理塊。文獻(xiàn)［19］提出在對(duì)視頻幀亮度分量進(jìn)行DCT變換后，將變換后的直流分量（DC）視為亮度背景，而交流分量（AC）視為是在這個(gè)亮度背景下產(chǎn)生的亮度差。利用這個(gè)思想可以將圖像塊劃分為紋理塊和非紋理塊。分類的準(zhǔn)則如下：

圖像塊劃分完畢后，利用Canny算子來計(jì)算各個(gè)紋理塊的紋理復(fù)雜度。Canny算子判斷視頻幀宏塊紋理復(fù)雜度的基本原理如下：

a）對(duì)視頻幀一階和二階求導(dǎo)之前，先用高斯濾波器對(duì)輸入圖像進(jìn)行平滑處理，以減少圖像中的噪聲。高斯濾波函數(shù)如下：

經(jīng)高斯濾波后的視頻幀如下：

g（x，y）=h（x，y，Δ）*f（x，y）（3）

其中： f（x，y）為原始視頻幀；h（x，y，Δ）為高斯濾波函數(shù)；g（x，y）為高斯濾波后得到的視頻幀；x，y是像素在圖像中的位置坐標(biāo)；Δ為濾波函數(shù)的參數(shù)。

b）求g（x，y）的梯度。g（x，y）的梯度幅值如下：

g（x，y）的梯度方向如下：

θ=arctan［Gx（x，y）/Gy（x，y）］（5）

其中：Gx（x，y）是g（x，y）在x方向上的導(dǎo)數(shù)；Gy（x，y）是g（x，y）在y方向上的導(dǎo)數(shù)；φ（x，y）為梯度的幅值，φ為梯度的方向。

c）在梯度圖像上，對(duì)每個(gè)像素點(diǎn)在其梯度方向上進(jìn)行比較，并保留局部最大值點(diǎn)。

d）采用雙閾值法抑制視頻幀中的虛假邊緣。通過閾值t1和t2來抑制圖像的非極大值，從而得到梯度值小于閾值的圖像。使用閾值很高的圖像得到的假邊緣少，但此時(shí)的圖像邊緣有不連接的情況，再用閾值小的圖像來彌補(bǔ)，從而得到完整的邊緣圖像。然后根據(jù)圖像的邊緣特征判斷宏塊的紋理復(fù)雜度，從而找到紋理最復(fù)雜的宏塊。

3.2.2 水印生成

為了在視頻解碼過程中驗(yàn)證水印是否被竄改，水印信息中不僅包含用戶身份信息，還有根據(jù)用戶身份信息生成并嵌入的循環(huán)冗余校驗(yàn)碼。將用戶id字段的信息組合為一個(gè)字符串，對(duì)于字符串中的每個(gè)字符，將其轉(zhuǎn)換為對(duì)應(yīng)的8 bit二進(jìn)制ASCII碼值。所有字符串轉(zhuǎn)換完畢后按順序組合為一個(gè)長的二進(jìn)制序列W0。

代表用戶id的序列W0生成完畢后，采用CRC-32校驗(yàn)算法生成32 bit的校驗(yàn)碼R0，將校驗(yàn)碼R0按順序嵌入到W0的末尾，生成最終的水印序列W1。W1中的每一個(gè)bit都將作為水印信息嵌入到視頻中。

3.2.3 水印嵌入

1）嵌入子塊選取

H.264/H.265編解碼器是以16×16像素為單位進(jìn)行編解碼，而在Intra_4×4預(yù)測(cè)模式中，亮度塊又被分成了16個(gè)4×4的子塊?，F(xiàn)有研究［3］表明視頻數(shù)據(jù)在重壓縮、加性噪聲等攻擊的情況下，宏塊中的16個(gè)4×4字塊的能量值關(guān)系仍然保持不變。因此本節(jié)根據(jù)能量值不變的關(guān)系選取作為水印隱藏點(diǎn)的子塊。該子塊的選取步驟如下：

a） 根據(jù)式（6）（7）分別統(tǒng)計(jì)16個(gè)4×4子塊中非零量化DCT系數(shù)的個(gè)數(shù)Nnz。

其中：i， j分別代表子塊的行、列，i， j∈［0，3］；eij代表子塊中第i行第j列的量化數(shù)據(jù)；Ei， j代表子塊中幅值不等于零系數(shù)數(shù)目。

b）找到16個(gè)宏塊中Nnz最大的子塊。由于人眼對(duì)視頻圖像中的中低頻成分更敏感，而對(duì)高頻成分的敏感度較低。Nnz系數(shù)最大的子塊通常包含更多的高頻信息，將水印信息隱藏在這樣的子塊中，可以降低水印對(duì)視頻視覺的影響。此外，Nnz最大的子塊具有較高的能量，意味著水印信息可以被分散到更多的系數(shù)中，而不是集中在少數(shù)幾個(gè)系數(shù)上。這種分散性提高了水印的魯棒性，使其能夠更好地抵抗各種信號(hào)處理操作，如壓縮、濾波和格式轉(zhuǎn)換等。

2）水印嵌入

H.264/H.265編碼中宏塊的預(yù)測(cè)殘差經(jīng)過整數(shù)DCT變換和量化后，預(yù)測(cè)殘差的能量主要集中在中低頻的DCT系數(shù)中，大部分高頻系數(shù)都是零。根據(jù)Zig-Zag反掃描順序，將Nnz最大的4×4子塊的中低頻位置中除拖尾系數(shù)外的幅值不等于零的量化DCT系數(shù)依次標(biāo)記為Qa1，Qa2，Qb1，Qb2，…；將末尾拖尾系數(shù)鄰近一個(gè)值等于零的量化數(shù)據(jù)標(biāo)記為Qt。水印嵌入過程分以下兩種情況進(jìn)行討論。

a）若Qa1，Qa2的值不相等，則嵌入規(guī)則如下：

b）若在中低頻系數(shù)中沒有找到兩個(gè)不相等的幅值不等于零的量化數(shù)據(jù)，則嵌入規(guī)則如下：

3.2.4 水印提取與認(rèn)證

水印的提取是在視頻解碼的時(shí)候完成的，主要步驟如下：

a）對(duì)已經(jīng)編碼的數(shù)據(jù)流進(jìn)行熵解碼，重排序提取量化的DCT系數(shù)；

b）統(tǒng)計(jì)Intra_4×4宏塊的16個(gè)子塊中幅值不為零的量化DCT系數(shù)，記為Qt1，Qt2，則水印的提取與視頻信號(hào)的還原公式如下：

（a）若Qt=－1，則：

（b）若Qt=1，則：

（c）如果沒有找到兩個(gè)值不相等的幅度不為零的量化DCT系數(shù)，則水印的提取和視頻信號(hào)的還原公式如下：

根據(jù)得到的W恢復(fù)出水印序列W0和校驗(yàn)碼R0。W分為兩部分，末尾的4 Byte為校驗(yàn)碼R0，剩余部分為用戶信息序列W0根據(jù)W0計(jì)算出新的校驗(yàn)碼R1，將R1與恢復(fù)得到的R0進(jìn)行比較。如果兩個(gè)校驗(yàn)碼匹配，說明視頻在傳輸過程中沒有發(fā)生錯(cuò)誤，根據(jù)ASCII編碼對(duì)應(yīng)規(guī)則將W0進(jìn)行轉(zhuǎn)換得到用戶id。如果校驗(yàn)碼不匹配，說明視頻傳輸過程中發(fā)生了錯(cuò)誤，需要進(jìn)行相應(yīng)的檢查。

3.3 基于智能合約的版權(quán)存證

在進(jìn)行視頻版權(quán)存證之前，首先需要用戶提前注冊(cè)身份。在用戶注冊(cè)過程中，CA需要判斷用戶是否已注冊(cè)，在未注冊(cè)的情況下才會(huì)將用戶身份信息保存到區(qū)塊鏈上。當(dāng)用戶作為視頻版權(quán)所有者時(shí)，需要將自己的身份信息作為水印信息，在視頻進(jìn)行編碼壓縮時(shí)嵌入，最后將嵌入了水印的壓縮后的視頻上傳至云服務(wù)器。

云服務(wù)器對(duì)視頻解碼得到原視頻和用戶身份信息，判斷身份信息未被竄改后，智能合約會(huì)根據(jù)區(qū)塊鏈中存儲(chǔ)的用戶身份信息表來判斷該身份信息的合法性，同時(shí)云服務(wù)器會(huì)將解碼出的視頻和存儲(chǔ)的其他視頻進(jìn)行相似度比較。只有當(dāng)身份信息合法并且相似度對(duì)比結(jié)果未超過設(shè)定的閾值時(shí)，智能合約才會(huì)判定該視頻以及其中嵌入的身份信息能夠作為版權(quán)進(jìn)行存證上傳到云服務(wù)器和區(qū)塊鏈中。

最后，當(dāng)用戶對(duì)云服務(wù)器中存證的版權(quán)信息存在質(zhì)疑時(shí)，會(huì)向區(qū)塊鏈發(fā)起仲裁請(qǐng)求。智能合約會(huì)調(diào)用區(qū)塊鏈中存儲(chǔ)的版權(quán)信息來進(jìn)行判定，并將最后的仲裁結(jié)果反饋給用戶。

3.3.1 用戶身份存證

用戶向CA發(fā)起注冊(cè)申請(qǐng)，并提供自己的身份信息user_id。CA對(duì)該用戶的身份信息user_id進(jìn)行驗(yàn)證來確認(rèn)用戶是否已經(jīng)注冊(cè)。如果該用戶為新用戶，CA會(huì)將這些信息打包成一個(gè)信息區(qū)塊block并添加到區(qū)塊鏈中。同時(shí)，區(qū)塊鏈會(huì)同步更新區(qū)塊列表list_id來反映用戶注冊(cè)情況。

算法1 UserRegistrationContract

輸入：CA，user_id。

輸出：warning，UserRegistered，blockchain［CA］［user_id］，list。

1 CA= msg.sender

2 =user_id=msg.data // 用戶ID作為消息傳遞

3 if （blockchain［CA］［user_id］.exists（） == true） /*檢查用戶ID是否已在區(qū)塊鏈中注冊(cè)*/

4"" emit warning（‘User already registered’）

5 else

6"" block=createInformationBlock（user_id） // 創(chuàng)建信息區(qū)塊

7"" blockchain［CA］［user_id］=block // 添加新用戶信息

8"" list=getBlockList（） // 獲取當(dāng)前區(qū)塊列表

9"" list.push（block） // 將新創(chuàng)建的區(qū)塊添加到列表中

10" setBlockList（list_id） // 更新區(qū)塊列表

11" emit UserRegistered（user_id）

3.3.2 身份信息審查

智能合約對(duì)視頻解碼后得到的身份信息decode_info進(jìn)行審查，通過對(duì)比身份信息表list中已存儲(chǔ)的信息來確認(rèn)該用戶身份是否合法，最后得到檢測(cè)結(jié)果result_identity。

算法2 IdentityVerificationContract

輸入：videoData。

輸出：result_identity，IdentityVerificationResult。

1 videoData=msg.data // 獲取視頻數(shù)據(jù)

2 decodedInfo=decodeIdentity（videoData） /*解析視頻數(shù)據(jù)以獲取身份信息*/

3 result_identity=“未找到”

4 for （identity in blockchainIdentityList）

5"" if （identity.matches（decodedInfo））

6"""" result_identity=“合法”

7"""" break

8 if （result_identity ==“未找到”）

9"" result_identity=“非法”

10 emit IdentityVerificationResult（result_identity）

3.3.3 相似度對(duì)比判斷

對(duì)解碼后得到的視頻，云服務(wù)器會(huì)遍歷所有已進(jìn)行存證并存儲(chǔ)的視頻，采用相應(yīng)的視頻相似度對(duì)比算法來進(jìn)行對(duì)比分析。關(guān)于視頻相似度對(duì)比算法，傳統(tǒng)方法有結(jié)構(gòu)相似性指數(shù)（SSIM）、局部敏感哈希（LSH）和動(dòng)態(tài)時(shí)間彎曲（DTW）等。這些方法通常依賴于像素級(jí)別的直接比較或者局部特征的相似度度量，在視頻數(shù)量較小的時(shí)候能夠取得不錯(cuò)的效果。但是，對(duì)于云服務(wù)器中存儲(chǔ)的視頻數(shù)量來說，這些方法可能面臨著計(jì)算復(fù)雜度高等問題。因此需要找到一個(gè)適用于視頻數(shù)量較大情況下的視頻相似度對(duì)比方法，本文采取了一種基于Transformer的緊湊編碼的局部近重復(fù)視頻檢測(cè)算法TCE-LNDV［20］，并且采用一種名為ViSiL［21］的視頻相似性學(xué)習(xí)架構(gòu)，通過考慮視頻相似性的細(xì)粒度空間和時(shí)間，提高了視頻檢索的性能。同時(shí)，通過構(gòu)建視頻相識(shí)度矩陣和關(guān)鍵幀提取，有效減少了需要比較的視頻幀數(shù)量。

首先，采用均勻稠密采樣獲取視頻的采樣幀。接著，使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)提取視頻幀的深度特征Finitial。在這個(gè)過程中，網(wǎng)絡(luò)的深層次特征圖被用來表示幀的語義信息，因此選擇網(wǎng)絡(luò)最后一個(gè)卷積層的輸出作為幀的深度特征Finitial，表示為

其中：W和H分別代表特征圖的寬度和高度；C代表通道數(shù)。

考慮到近重復(fù)幀的主要內(nèi)容都在畫面正中央，因此使用二維高斯核對(duì)深度特征Finitial進(jìn)行空間加權(quán)。二維高斯核權(quán)重計(jì)算公式為

其中：w（x，y）表示特征圖像素點(diǎn)（x，y）權(quán)重；σx和σy是二維高斯核的參數(shù)。為了進(jìn)一步加工這些三維特征得到低維度的特征，需要對(duì)得到的深度特征進(jìn)行降維處理。使用ViSiL特征編碼器對(duì)深度特征圖Finitial進(jìn)行降維，得到編碼后的特征Fencoded。最后，使用基于圖網(wǎng)絡(luò)的時(shí)間對(duì)齊算法來計(jì)算兩個(gè)視頻之間的相似度。假設(shè)有兩個(gè)視頻V1和V2，特征分別為Fencoded1和Fencoded2，計(jì)算特征相似度矩陣M：

M=FTencoded1·Fencoded2（16）

其中：Mij表示V1第i幀和V2第j幀之間的相似度。根據(jù)計(jì)算得到的相似度矩陣構(gòu)建圖網(wǎng)絡(luò)，邊的權(quán)重由特征相似度給出。通過在圖網(wǎng)絡(luò)中尋找最大權(quán)重路徑來確定視頻中最相似的片段。

根據(jù)相似度對(duì)比算法得到相似度對(duì)比結(jié)果result_comparison。將結(jié)果提交給智能合約。智能合約規(guī)定該視頻與其他視頻相似度超過規(guī)定的閾值S時(shí)不能作為存證，其中S的值依據(jù)視頻具體內(nèi)容來設(shè)定。根據(jù)相似度判定結(jié)果result_comparison和身份信息審查結(jié)果result_identity，智能合約對(duì)編碼得到的視頻和身份信息能否作為存證給出判斷結(jié)果evidence_judgement。當(dāng)判斷通過時(shí)，云服務(wù)器和智能合約會(huì)同時(shí)將該視頻和身份信息作為存證進(jìn)行存儲(chǔ)，云服務(wù)器的存證列表list_cloud_copyright和區(qū)塊鏈中的存證列表list_blockchain_copyright會(huì)同時(shí)進(jìn)行更新。

算法3 VideoCopyrightVerification

輸入：result_comparison，result_identity。

輸出：evidence_judgement，list_cloud_copyright，list_blockchain_copyright。

1 result_comparison=getComparisonResult（）

2 result_identity=getIdentityVerificationResult（）

3 S=determineThreshold（） // 設(shè)定相似度閾值S

4 if （result_comparisonlt;S amp;amp; result_identity == ‘合法’）

5"" evidence_judgement=‘存證接受’

6"" list_cloud_copyright.add（video_info， identity_info） /*更新云服務(wù)器存證列表*/

7"" list_blockchain_copyright.add（video_info， identity_info） //更新區(qū)塊鏈存證列表

8 else

9"" evidence_judgement=‘存證拒絕’

10 emit EvidenceJudgementResult（evidence_judgement）

3.3.4 版權(quán)驗(yàn)證

當(dāng)用戶對(duì)云服務(wù)器提供的版權(quán)存證存在質(zhì)疑時(shí)，向智能合約發(fā)送仲裁請(qǐng)求arbitration_request以及云服務(wù)器中存在爭(zhēng)議的存證信息copyright_unknown。智能合約根據(jù)存證信息中的用戶user_id調(diào)用區(qū)塊鏈上的存證列表list_blockchain_copyright來進(jìn)行仲裁。若無法找到匹配的視頻，則向用戶返回錯(cuò)誤error。如果根據(jù)user_id所找到的視頻和存證視頻不匹配，則判定云服務(wù)器存儲(chǔ)的版權(quán)信息有誤，修改云服務(wù)器存證列表list_cloud_copyright中的錯(cuò)誤信息，告知用戶最終的判定結(jié)果arbitration_result，并向用戶提交正確的存證copy_right。如果對(duì)應(yīng)的視頻匹配，則判定云服務(wù)器不存在惡意行為并告知用戶最終的判定結(jié)果arbitration_result。

算法4 CopyrightArbitrationContract

輸入：user_id，stored_video。

輸出：arbitration_result，error。

1 list_blockchain_copyright=getBlockchainCopyrightList（）

2 list_cloud_copyright=getCloudCopyrightList（）

3 stored_video_in_blockchain=list_blockchain_copyright［user_id］

4 stored_video_in_cloud=list_cloud_copyright［user_id］

5 if （stored_video_in_blockchain ==‘None’）

6"" return error（‘視頻存證不存在’）

7 else

8"" if （stored_video！=stored_video_in_blockchain）/*存證視頻不匹配，云服務(wù)器存在惡意行為*/

9"""" list_cloud_copyright［user_id］=stored_video

10""" "arbitration_result=‘惡意行為：存證已更新’

11" "else // 視頻匹配，云服務(wù)器不存在惡意行為

12""" "arbitration_result=‘合法存證’

13 emit ArbitrationResult（user_id， arbitration_result）

3.4 安全性分析

3.4.1 水印安全性

如果數(shù)字水印具備高度的隱蔽性、魯棒性、抗攻擊性、可認(rèn)證性，并且能夠在不降低原始媒介質(zhì)量的前提下，有效抵抗未授權(quán)的檢測(cè)、竄改和移除。那么該數(shù)字水印可被視為是安全的。

安全性分析：在選擇嵌入塊時(shí)，利用了人眼視覺特性。通過選擇紋理復(fù)雜的Intra_4×4預(yù)測(cè)模式的亮度塊，并利用Canny算子進(jìn)一步篩選出紋理最復(fù)雜的宏塊，通過量化DCT系數(shù)的非零值數(shù)目來選擇嵌入點(diǎn)，實(shí)現(xiàn)了水印的隱蔽嵌入。

同時(shí)，當(dāng)視頻數(shù)據(jù)受到重壓縮、加性噪聲等攻擊時(shí)，宏塊中的4×4子塊的能量關(guān)系值保持不變。因此采用量化系數(shù)數(shù)目Nnz最大的子塊進(jìn)行嵌入，保證了水印的魯棒性和抗攻擊性。并且通過生成并嵌入CRC-32校驗(yàn)碼，提高了水印的可認(rèn)證性，以及在解碼過程中通過校驗(yàn)碼的匹配驗(yàn)證視頻內(nèi)容的一致性。

綜上所述，本文提出的數(shù)字水印方案在設(shè)計(jì)上滿足安全水印的要求，具備了高度的隱蔽性、魯棒性、抗攻擊性和可認(rèn)證性，且不降低視頻質(zhì)量，因此可以被視為是安全的。

3.4.2 視頻版權(quán)存證安全

如果版權(quán)數(shù)據(jù)存證系統(tǒng)能夠?qū)Π鏅?quán)數(shù)據(jù)進(jìn)行可信的溯源存證，操作流程足夠公平透明，并且以可靠方式對(duì)版權(quán)數(shù)據(jù)進(jìn)行存儲(chǔ)，保證數(shù)據(jù)的安全性和不可竄改性，則認(rèn)為該系統(tǒng)能夠抵抗云服務(wù)器可能存在的惡意攻擊。

安全性分析：

a）本文方案在視頻編碼階段將身份信息作為水印嵌入，保證是在視頻早期就將版權(quán)信息與視頻數(shù)據(jù)本身進(jìn)行綁定，實(shí)現(xiàn)了對(duì)版權(quán)信息的可靠溯源存證。

b）智能合約作為區(qū)塊鏈上部署的信任機(jī)器，在區(qū)塊鏈技術(shù)的基礎(chǔ)上提供了一種透明安全、自動(dòng)執(zhí)行的交易機(jī)制。在本文方案中，通過智能合約來自動(dòng)化執(zhí)行版權(quán)驗(yàn)證與糾紛處理等流程，這些合約的執(zhí)行是公開透明的，所有相關(guān)方都可以看到存證的狀態(tài)和結(jié)果，確保了流程的透明性。同時(shí)存證流程中的決策（如版權(quán)存證的接受或拒絕）都是基于預(yù)設(shè)的規(guī)則和閾值，例如相似度閾值S是根據(jù)視頻的具體內(nèi)容來設(shè)定，這些規(guī)則對(duì)所有用戶來說都是一致公平的。

c）區(qū)塊鏈上的數(shù)據(jù)一旦寫入，就難以被更改或刪除，這種特性實(shí)現(xiàn)了數(shù)據(jù)不可竄改性和安全性的存儲(chǔ)。本文方案中使用區(qū)塊鏈來存儲(chǔ)版權(quán)存證信息，保證了版權(quán)存證的長期有效性和安全性。當(dāng)出現(xiàn)版權(quán)爭(zhēng)議時(shí)，調(diào)用智能合約來處理版權(quán)爭(zhēng)議，根據(jù)區(qū)塊鏈上的存證列表來進(jìn)行仲裁，確保仲裁結(jié)果的公正有效。

綜上，通過智能合約中各個(gè)函數(shù)的相互作用以及區(qū)塊鏈對(duì)數(shù)據(jù)的安全存儲(chǔ)，使得系統(tǒng)能夠在各個(gè)階段為視頻版權(quán)數(shù)據(jù)提供安全保障，從而有效抵抗云服務(wù)器中可能存在的惡意攻擊。

4 實(shí)驗(yàn)評(píng)估

本章首先針對(duì)在進(jìn)行版權(quán)存證時(shí)使用到的視頻相似度對(duì)比算法開展實(shí)驗(yàn)，設(shè)置多個(gè)評(píng)價(jià)指標(biāo)，用于對(duì)比該算法與現(xiàn)有的視頻相似度對(duì)比方法的性能。相似度對(duì)比方法通過評(píng)估該方法來驗(yàn)證版權(quán)存證判斷結(jié)果的準(zhǔn)確性。其次，針對(duì)本文設(shè)計(jì)的智能合約的四個(gè)功能：用戶身份存證、身份信息審查、相似度對(duì)比判斷和版權(quán)驗(yàn)證，進(jìn)行了開銷分析，證明本文方案在實(shí)際部署中的經(jīng)濟(jì)可行性。

4.1 視頻相似度對(duì)比算法比較

本實(shí)驗(yàn)在一臺(tái)配有NVIDIA 1080Ti顯卡、8 GB顯存的PC上完成，操作系統(tǒng)為Ubuntu 20.04，硬件環(huán)境為Intel Core i5-10210U CPU，軟件環(huán)境為PyTorch（GPU版） 1.10.0、OpenCV 4.6.0、Python 3.8、Numpy 1.21.2、PaddlePaddle2。實(shí)驗(yàn)中使用VCDB核心數(shù)據(jù)集進(jìn)行相關(guān)模型訓(xùn)練和算法性能的驗(yàn)證，該數(shù)據(jù)集是一個(gè)常用于視頻去重任務(wù)的數(shù)據(jù)集，包含了從各大視頻網(wǎng)站上根據(jù)28個(gè)關(guān)鍵詞收集到的528個(gè)視頻以及人工標(biāo)注的9 000對(duì)近重復(fù)視頻片段。實(shí)驗(yàn)仿照文獻(xiàn)［22］的做法，在VCDB核心數(shù)據(jù)集上進(jìn)行5-fold交叉驗(yàn)證，即每一折選取28個(gè)查詢集中的23個(gè)作為訓(xùn)練集，剩余5個(gè)作為測(cè)試集，最終取5折測(cè)試集結(jié)果的平均值作為算法的最終結(jié)果。評(píng)價(jià)指標(biāo)采用片段查準(zhǔn)率（segment precision，SP）、片段查全率（segment recall，SR）以及調(diào)和平均值F1分?jǐn)?shù)（F1-score，F(xiàn)1），計(jì)算公式如下

本實(shí)驗(yàn)將本文采用的算法與現(xiàn)有的一些局部近重復(fù)視頻檢測(cè)算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果如表1所示。從整體平均性能來看，本文采用的算法優(yōu)于表中列舉的其他方法，證明了本文算法性能的優(yōu)越性。此外，表中還列舉了各個(gè)方法的采樣幀率，現(xiàn)有的視頻相似度對(duì)比算法均基于采樣幀的編碼特征來進(jìn)行視頻間的匹配和檢測(cè)。從表1可以看出，本文采用的算法在采樣幀率上是最低的，并且該算法通過進(jìn)一步提取關(guān)鍵幀，有效減少了計(jì)算和存儲(chǔ)的開銷。綜上所述，本文采用的視頻相似度對(duì)比方法更適用于大規(guī)模近重復(fù)檢測(cè)任務(wù)，并且通過精確的特征提取等方法來準(zhǔn)確快速地判斷視頻之間的相似度，確保智能合約能夠根據(jù)該結(jié)果給出準(zhǔn)確的版權(quán)存證判斷結(jié)果。

4.2 智能合約開銷

針對(duì)智能合約的四個(gè)功能，設(shè)計(jì)實(shí)驗(yàn)來測(cè)量合約的gas值消耗情況。本實(shí)驗(yàn)基于Remix在線平臺(tái)部署智能合約，Remix是一個(gè)開源的以太坊智能合約集成環(huán)境，它允許開發(fā)者編寫、測(cè)試和部署智能合約。根據(jù)算法1、2、3和4的描述，使用Solidity語言編寫智能合約。圖5是對(duì)智能合約執(zhí)行用戶身份信息存證功能所消耗gas值的測(cè)量；圖6是對(duì)智能合約執(zhí)行存證身份信息審查功能所消耗gas值的測(cè)量；圖7是對(duì)智能合約執(zhí)行視頻相似度對(duì)比判斷功能所消耗gas值的測(cè)量；圖8是對(duì)智能合約在發(fā)生糾紛時(shí)進(jìn)行版權(quán)信息驗(yàn)證所消耗的gas值的測(cè)量。

通過分析實(shí)驗(yàn)結(jié)果，可以得出以下結(jié)論：a）從圖7可以看出，智能合約執(zhí)行相似度對(duì)比判斷功能時(shí)的開銷維持在605 gas不變，并且這個(gè)開銷遠(yuǎn)低于其他三個(gè)功能的開銷。這是因?yàn)橐曨l相似度對(duì)比是基于預(yù)設(shè)的規(guī)則和閾值進(jìn)行的，智能合約只需要根據(jù)最后的結(jié)果來進(jìn)行判斷即可。這意味著無論交易次數(shù)多少，每次執(zhí)行的邏輯和所需的計(jì)算資源是相同的，因此開銷保持不變且遠(yuǎn)低于其他功能的開銷。b）圖5、6、8顯示gas開銷隨著交易次數(shù)的增長呈線性增長的趨勢(shì)，并且沒有出現(xiàn)極端峰值的情況。表明這幾個(gè)功能的操作成本相對(duì)穩(wěn)定，用戶可以預(yù)測(cè)并估算他們的交易成本。c）圖5～8顯示gas消耗值均處于合理范圍內(nèi)，沒有超過預(yù)期的峰值。例如，圖5、6、8中的gas消耗值最高為300萬左右，而圖7中的gas消耗量遠(yuǎn)低于300萬，這些數(shù)值相對(duì)于以太坊上的一些復(fù)雜操作來說是合理的。以上三點(diǎn)充分證明了本文方案中智能合約的gas開銷處于可接受的范圍內(nèi)，滿足實(shí)際應(yīng)用的需求。

綜上所述，本文方案預(yù)計(jì)能為視頻內(nèi)容創(chuàng)作者提供一個(gè)更加安全、可靠且易于操作的版權(quán)存證環(huán)境，有效減少版權(quán)糾紛，保護(hù)創(chuàng)作者的合法權(quán)益。

5 結(jié)束語

本文旨在解決現(xiàn)有視頻版權(quán)存證機(jī)制中存在的主要問題：包括版權(quán)驗(yàn)證過程中的信任缺失、驗(yàn)證流程的不透明性，以及視頻內(nèi)容溯源困難。針對(duì)這些問題，提出了一種基于智能合約的編碼級(jí)視頻安全存證方案。本文方案結(jié)合H.264/H.265編碼特性和數(shù)字水印技術(shù)，設(shè)計(jì)了一種版權(quán)信息嵌入方法，實(shí)現(xiàn)了視頻內(nèi)容的溯源查證。在此基礎(chǔ)上，結(jié)合智能合約和區(qū)塊鏈技術(shù)，構(gòu)建了一個(gè)去中心化的視頻版權(quán)存證系統(tǒng)，實(shí)現(xiàn)視頻版權(quán)存證流程透明和自動(dòng)化執(zhí)行。最后展開實(shí)驗(yàn)驗(yàn)證本文方案的有效性。實(shí)驗(yàn)結(jié)果表明，系統(tǒng)在確保能夠準(zhǔn)確進(jìn)行視頻存證判斷的同時(shí)，能夠保證智能合約的開銷維持在合理的范圍內(nèi)。未來將針對(duì)現(xiàn)實(shí)的視頻應(yīng)用案例做進(jìn)一步的實(shí)例驗(yàn)證，并圍繞數(shù)字版權(quán)在音頻版權(quán)保護(hù)等更多領(lǐng)域的應(yīng)用來開展下一步的工作。

參考文獻(xiàn)：

［1］Chen Xu， Valdovinos D B， Zeng Jiang. PositiveEnergy Douyin： constructing “playful patriotism” in a Chinese short-video application ［J］. Chinese Journal of Communication， 2021， 14（1）： 97-117.

［2］Bi Xiang， Tang Cunchen. Research on the motives affecting the behavior of short video’s creators ［J］. IEEE Access， 2020， 8： 188415-188428.

［3］Wiegand T， Sullivan G J， Bjontegaard G， et al. Overview of the H.264/AVC video coding standard ［J］. IEEE Trans on Circuits and Systems for Video Technology， 2003， 13（7）： 560-576.

［4］付劍晶， 陳德人. 用于視頻內(nèi)容認(rèn)證的抗二次壓縮水印算法 ［J］. 計(jì)算機(jī)學(xué)報(bào)， 2016，41（3）： 558-573. （Fu Jianjing， Chen Deren. An anti-compression watermarking algorithm for video content authentication ［J］. Journal of Computer Science and Technology， 2016， 41（3）： 558-573.）

［5］Sun Panjun. Security and privacy protection in cloud computing： discussions and challenges ［J］. Journal of Network and Computer Applications， 2020， 160： 102642.

［6］林玥， 劉鵬， 王鶴， 等. 網(wǎng)絡(luò)安全威脅情報(bào)共享與交換研究綜述 ［J］. 計(jì)算機(jī)研究與發(fā)展， 2020， 57（10）： 2052-2065. （Lin Yue， Liu Peng， Wang He， et al. Research overview on cybersecurity threat intelligence sharing and exchange ［J］. Journal of Computer Research and Development， 2020， 57（10）： 2052-2065.）

［7］李晏， 洪鈺銘. 新媒體時(shí)代背景下短視頻侵權(quán)亂象的治理對(duì)策研究 ［J］. 新聞傳播， 2023 （11）： 61-63. （Li Yan， Hong Yuming. Research on the governance countermeasures of short video infringement chaos under the background of the new media era ［J］. Journa-lism and Communication， 2023（11）： 61-63.）

［8］傅茂喜. 基于區(qū)塊鏈的數(shù)字版權(quán)保護(hù)系統(tǒng)研究與實(shí)現(xiàn) ［D］. 北京： 北京郵電大學(xué)， 2024. （Fu Maoxi. Research and implementation of digital copyright protection system based on blockchain ［D］. Beijing： Beijing University of Posts and Telecommunications， 2024.）

［9］Cohen J E. DRM and privacy ［J］. Communications of the ACM， 2003， 46（4）： 46-49.

［10］馬兆豐， 馮博琴， 宋擒豹， 等. 基于動(dòng)態(tài)許可證的信任版權(quán)安全認(rèn)證協(xié)議 ［J］. 軟件學(xué)報(bào)， 2004， 15（1）： 131-140. （Ma Zhaofeng， Feng Boqin， Song Qinbao， et al. A trust copyright security authentication protocol based on dynamic license ［J］. Journal of Software， 2004， 15（1）： 131-140.）

［11］肖尚勤， 盧正鼎， 凌賀飛， 等. 基于P2P系統(tǒng)信任機(jī)制的DRM模型 ［J］. 計(jì)算機(jī)研究與發(fā)展， 2007， 44（4）： 567-573. （Xiao Shangqin， Lu Zhengding， Ling Hefei， et al. A DRM model based on P2P system trust mechanism ［J］. Journal of Computer Research and Development， 2007， 44（4）： 567-573.）

［12］俞銀燕， 湯幟. 數(shù)字版權(quán)保護(hù)技術(shù)研究綜述 ［J］. 計(jì)算機(jī)學(xué)報(bào)， 2005， 28（12）： 1957-1968. （Yu Yinyan， Tang Zhi. Research overview of digital rights management technology ［J］. Chinese Journal of Computers， 2005， 28（12）： 1957-1968.）

［13］Lu Yang. The blockchain： state-of-the-art and research challenges ［J］. Journal of Industrial Information Integration， 2019， 15： 80-90.

［14］Ma Zhaofeng， Jiang Ming， Gao Hongmin， et al. Blockchain for digi-tal rights management ［J］. Future Generation Computer Systems， 2018， 89： 746-764.

［15］Wang Baowei， Shi Jiawei， Wang Weishen， et al. Image copyright protection based on blockchain and zero-watermark ［J］. IEEE Trans on Network Science and Engineering， 2022， 9（4）： 2188-2199.

［16］Gao Juntao， Yu Haiyong， Zhu Xiuqin， et al. Blockchain-based digi-tal rights management scheme via multiauthority ciphertext-policy attribute-based encryption and proxy re-encryption ［J］. IEEE Systems Journal， 2021， 15（4）： 5233-5244.

［17］Garba A， Dwivedi A D， Kamal M， et al. A digital rights management system based on a scalable blockchain ［J］. Peer-to-Peer Networking and Applications， 2021， 14（5）： 2665-2680.

［18］馬志英， 王修運(yùn). 基于幀間小波變換的視頻水印研究 ［J］. 計(jì)算機(jī)工程與科學(xué)， 2010， 32（5）： 143-146. （Ma Zhiying， Wang Xiu-yun. Research on video watermarking based on interframe wavelet Transform ［J］. Journal of Computer Engineering and Science， 2010， 32（5）： 143-146.）

［19］張維緯. 基于H.264的版權(quán)保護(hù)和內(nèi)容認(rèn)證數(shù)字視頻水印算法研究 ［D］. 北京： 北京郵電大學(xué)， 2014. （Zhang Weiwei. Research on digital video watermarking algorithm for copyright protection and content authentication based on H.264 ［D］. Beijing： Beijing University of Posts and Telecommunications， 2014.）

［20］王萍， 余圳煌， 魯磊. 基于Transformer緊湊編碼的局部近重復(fù)視頻檢測(cè)算法 ［J］. 計(jì)算機(jī)科學(xué)， 2023， 50（1）： 1-13. （Wang Ping， Yu Zhenhuang， Lu Lei. A local near-duplicate video detection algorithm based on Transformer compact encoding ［J］. Computer Science， 2023， 50（1）： 1-13.）

［21］Kordopatis-Zilos G， Papadopoulos S， Patras I， et al. ViSiL： fine-grained spatio-temporal video similarity learning ［C］// Proc of IEEE/CVF International Conference on Computer Vision. Pisca-taway，NJ：IEEE Press， 2019： 6350-6359.

［22］Jiang Chen， Huang Kaiming， He Sifeng， et al. Learning segment similarity and alignment in large-scale content based video retrieval ［C］// Proc of the 29th ACM International Conference on Multimedia. New York： ACM Press， 2021： 1618-1626.

［23］Douze M， Revaud J， Verbeek J， et al. Circulant temporal encoding for video retrieval and temporal alignment ［J］. International Journal of Computer Vision， 2016， 119（3）： 291-306.

［24］Poullot S， Tsukatani S， Phuong Nguyen A， et al. Temporal matching kernel with explicit feature maps ［C］// Proc of the 23rd ACM International Conference on Multimedia. New York：ACM Press， 2015： 381-390.

［25］Baraldi L， Douze M， Cucchiara R， et al. LAMV： learning to align and match videos with kernelized temporal layers ［C］// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway，NJ：IEEE Press， 2018： 7804-7813.

［26］Liu Kuanghong， Wang Jin， Zhang Xuejie. Debiased momentum contrastive learning for multimodal video similarity measures ［J］. Neurocomputing， 2024， 563： 126938.