（信息与通信工程专业论文）数字视频被动隐写分析研究.pdf

t h er e s 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名：砺 日期：伽f 年岁月弓日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“ ) 作者签名：硒垮 剔帷辄囵 日期：如j1 年5 月多日 日期：p ij 年r 月引日 硕十学位论文 摘要 应用于保密通信领域的隐写技术是信息隐藏的一个重要分支，它以不可见的 形式将秘密信息嵌入到载体中，并尽量保证通信系统的安全。隐写分析作为隐写 的对立产物，是指对隐写的检测与攻击技术，目的是判决出载体中是否含有可疑 信息。随着视频隐写技术的发展以及视频隐藏软件的出现，视频隐写分析正逐渐 成为信息安全领域的研究热点。 本文通过详细分析特定视频隐写算法所引入的载体视频与载密视频之间统计 特性的差异，在此基础上提取能有效捕捉这种差异的特征向量，并采用支持向量 机进行分类，从而实现视频的被动隐写分析。论文的主要工作如下： 第一、针对l s b 匹配隐写，提出了一种基于区域相关性原理的视频隐写分析 算法。l s b 匹配隐写是隐写分析的难点。通过分析隐写所导致的载体视频统计特 性的变化构造区域相关性图，并从中提取一维及二维直方图特征向量，再通过中 值滤波减小不同视频载体之间的特征差异，最后采用支持向量机逐帧进行视频隐 写分析。仿真实验结果表明，该算法能有效检测每帧均进行嵌入且嵌入率仅为o 1 时的视频序列，而且在仅对视频序列中2 0 的视频帧采用多种嵌入率混合嵌入的 情况下，也能达到9 0 9 1 的正确检测率。 第二、提出了一种基于双向运动估计帧共谋的视频隐写分析算法。共谋攻击 是一种有效的隐写攻击手段。该算法基于双向运动估计的帧共谋得到原始视频帧 的估计帧，并且从预测残差帧提取多种直方图特征，再利用支持向量机实现载体 视频与载密视频的分类。相对于传统的时域帧平均及其改进m c t f a ，它没有将 当前帧纳入共谋过程，有助于突出载体视频与载密视频残差帧的差异。此外，它 不需要假设残留在视频残差帧中的秘密信息服从高斯特性。仿真实验结果表明， 对于嵌入强度为1 的视频扩频隐写，被动隐写分析的检测正确率可以达9 6 5 7 以 e 。 关键词：隐写；视频隐写分析；双向运动估计帧共谋；区域相关性；支持向量机 i l a b s t r a c t d i g i t a ls t e g a n o g r a p h y , w h i c hi sw i d e l y u s e di nt h ef i e l do fc o v e r tc o m m u n l c a t l o n ， i sa ni m p o r t a n t b r a n c h o fi n f o r m a t i o nh i d i n g t op r e s e r v e t h e s e c u r i t y o f c o m m u n i c a t i o n s y s t e m a sm u c ha sp o s s i b l e ，s t e g a n o g r a p h y e m b e d ss e c r e t e i n f o r m a t i o ni n t oc o v e rd a t ai na ni m p e r c e p t i b l ew a y a sa no p p o s i t eo fs t e g a n o g r a p h y , s t e g a n a l y s i si sat e c h n i q u ef o rd e t e c t i n ga n da t t a c k i n gs t e g a n o g r a p h y i t sp u r p o s e l st o e x a m i n ew h e t h e rt h e r ea r es u s p i c i o u sm e s s a g e s i nc o v e rd a t ao rn o t w i t ht h e d e v e l o p m e n to fv i d e os t e g a n o g r a p h ya n dt h ee m e r g e n c eo fv i d e o s t e g a n o g r a p h y s o f t w a r e s ，v i d e os t e g a n a l y s i s i sb e c o m i n gah o tr e s e a r c ht o p i ci n t h ef i e l do f i n f o r m a t i o ns e c u r i t y i n t h i st h e s i s ，t h ed i f f e r e n c e so fs t a t i s t i c a lp r o p e r t i e sb e t w e e nc o v e r - v i d e o a n d s t e g o v i d e oa r ea n a l y z e d ，a n dt h o s ef e a t u r ev e c t o r st h a tc a nc a p t u r e t h o s ed i f f e r e n c e s a r ee x t r a c t e de f f e c t i v e l y t h e n ，s u p p o r t v e c t o rm a c h i n ei su t i l i z e d f o rp a t t e r n c l a s s i f i c a t i o na n dp a s s i v es t e g a n a l y s i sf o rd i g i t a lv i d e oi sa c h i e v e df i n a l l y t h em a i n w o r k sa r es u m m a r i z e da sf o l l o w s ： f i r s t f o rl s bm a t c h i n gs t e g a n o g r a p h y , av i d e os t e g a n a l y s i si sp r o p o s e db a s e do n t h el o c a la r e a sc o r r e l a t i o n l s bm a t c h i n gs t e g a n o g r a p h y i sm o s td i f f i c u l ti n s t e g a n a l y s i s a f t e ra na n a l y s i so f t h es t a t i s t i c a lp r o p e r t i e s sc h a n g ei nc o v e r - v i d e od u e t os t e g a n o g r a p h y ，a ni m a g eo fr e g i o n a lc o r r e l a t i o ni s c o n s t r u c t e d t h e1da n d2 d h i s t o g r a mf e a t u r ev e c t o r sa r ee x t r a c t e d ，a n dt h e nm e d i a nf i l t e ri su t i l i z e d t od e c r e a s e t h ef e a t u r ed i f f e r e n c e sa m o n gd i f f e r e n t v i d e o s av i d e os t e g a n a l y s i ss c h e m el s i m p l e m e n t e d i naf l a m e b y - f l a m e m a n n e rb y u s i n gs u p p o r t v e c t o rm a c h i n e e x p e r i m e n t a lr e s u l t s s h o wt h a tt h ep r o p o s e da l g o r i t h mc a nd e t e c tn o to n l yt h o s e v i d e o si ne v e r yf r a m ea n da nm i n i m u me m b e d d i n gs t r e n g t ho f0 1 ，b u ta l s o f o rt h o s e v i d e o sw i t hs e c r e tm e s s a g e si no n l y2 0 o ff l a m e sa n de m b e d d e di n am i x e dw a y a d e t e c t i o na c c u r a c yo f9 0 91 i sa c h i e v e d s e c o n d av i d e os t e g a n a l y s i sa l g o r i t h m i sp r o p o s e db a s e do nb i - d i r e c t i o n a l m o t i o ne s t i m a t i o nc o l l u s i o n a ne s t i m a t e df l a m ei so b t a i n e db yb i d i r e c t i o n a lm o t i o n e s t i m a t i o nc o l l u s i o n ，a n dm u l t i p l eh i s t o g r a mc h a r a c t e r i s t i c s a r ee x t r a c t e df r o m p r e d i c t i o ne r r o rf r a m e t h ec l a s s i f i c a t i o no fc o v e r v i d e oa n ds t e g o 。v i d e oi sa c h i e v e d b ys u p p o r tv e c t o rm a c h i n e c o m p a r e dw i t hc o l l u s i o na t t a c k sb y t r a d i t i o n a lt e m p o r a l f r a m e sa v e r a g i n g ( t f a ) a n di t si m p r o v e m e n tm c - t f a ，t h ep r o p o s e da p p r o a c h i i i 硕i ：学位论文 h i g h l i g h t st h ed i f f e r e n c eo fp r e d i c t i o n e r r o rf r a m eb e t w e e ni n n o c e n t v i d e oa n d s t e g o - v i d e o m o r e o v e r ，i td o e sn o tn e e dt h ea s s u m p t i o no fg a u s s i a np r o p e r t yo f p r e d i c t i o ne r r o rf r a m e t h er e s u l t so fs i m u l a t i o ne x p e r i m e n td e m o n s t r a t et h a tf o r s p r e a d - s p e c t r u ms t e g a n o g r a p h yw i t h a ne m b e d d i n gs t r e n g t ho f1 ，t h ed e t e c t i o n a c c u r a c yo fp a s s i v es t e g a n a l y s i sc a nb eu pt o9 6 5 7 k e yw o r d s ：s t e g a n o g r a p h y ；v i d e os t e g a n a l y s i s ；b i d i r e c t i o n a lm o t i o ne s t i m a t i o n c o l l u s i o n ；r e g i o n a lc o r r e l a t i o n ；s u p p o r tv e c t o rm a c h i n e i v 数，视频被动隐写分析研究 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要i i a b s t r a c t i i i 插图索引v i i 附表索引v i i i 第1 章 绪论一l 1 1 课题来源1 1 2 选题背景及意义1 1 3 隐写分析的发展现状3 1 4 研究内容与主要工作一4 1 5 本文组织结构5 第2 章相关研究6 2 1 视频隐写分析技术研究基础一6 2 1 1 视频隐写技术6 2 1 2 视频隐写分析技术一8 2 2 现有视频隐写分析算法1 1 2 2 1 强针对性视频隐写分析算法一1 1 2 2 2 视频盲隐写分析算法1 6 2 3 小结17 第3 章针对l s b 匹配隐写的视频被动隐写分析方法1 8 3 1 引言18 3 2 视频中的l s b 匹配隐写1 9 3 3 基于区域相关性的特征提取1 9 3 3 1 视频帧预处理一构造r c 图1 9 3 3 2 提取r c 图相关特征2 0 3 4 分类器一支持向量机2 3 3 5 实验结果及分析2 5 3 5 1 提取的分类特征的有效性2 6 3 5 2 所有帧均嵌入时的分类性能2 7 3 5 3 混合嵌入时的分类性能2 7 3 6 小结2 8 v 第4 章针 4 1 引 4 2 视 4 3 双 4 4 特 4 4 1 4 4 2 4 5 实 4 5 1 4 5 2 4 6 小 结论 参考文献 致谢 附录a攻 附录b攻 附录c论 数字视频被动隐写分析研究 插图索引 图1 1 信息隐藏与提取模型一2 图2 1 视频隐写模型框图6 图2 2 视频隐写分析通用框架一8 图2 3 不同判决方式10 图2 4 基于t f a 的视频隐写分析框架1 2 图2 5 像素a ，b ，c ，x 的相对位置1 6 图2 6 视频盲隐写分析框架1 7 图3 1 不同嵌入率下的r c 图一维直方图一2 0 图3 2 最优分类面一2 4 图3 3 直接提取与经中值滤波后提取的特征三维散点图比较一2 6 图4 1 不同p ，l 下的m s e 3 2 图4 2 不同p 值下公式( 4 7 ) 等式右边第一项的值3 2 图4 3 不同视频序列p e f c 与p e f s 欧氏距离一3 3 图4 4 不同隐写情况下p e f 直方图一3 4 图4 5 不同嵌入强度下的p e f 直方图3 5 图4 6 载体视频与载密视频特征的三维散点图比较3 8 图4 7 嵌入强度反= 1 时不同算法的r o c 曲线4 0 v l l 硕f ：学位论文 附表索引 表3 1 部分视频序列的运动类型描述2 5 表3 2 所有帧嵌入信息时不同嵌入率下的分类结果2 7 表3 3 混合嵌入信息时的分类结果2 8 表4 1 不同嵌入强度下d m a x ( h ( d ) ) 的取值情况3 5 表4 2 所有帧嵌入信息时不同嵌入强度下的分类结果3 9 表4 3 部分帧嵌入信息时不同嵌入强度下的分类结果4 0 v i i i 硕i ：学位论文 1 1 课题来源 第l 章绪论 本课题的研究得到了国家自然科学基金项目“数字视频真实性鉴别与篡改被 动取证研究( 编号：6 10 7 2 12 2 ) 以及国家9 7 3 前期研究专项“数字媒体取证研究 ( 编号：2 0 l0 c b 3 3 4 7 0 6 ) 的资助。本文工作是上述项目的部分研究内容。 1 2 选题背景及意义 随着宽带网络的日益普及，人们利用数字化设备，计算机技术以及各种通信 手段进行多媒体信息的交流已达到了空前的广度和深度。然而在充分享受i n t e r n e t 和各式各样的数字化多媒体产品带来高效与便捷生活的同时，一系列的安全问题 也随之接踵而至，诸如：越来越多的作品篡改、非法拷贝、伪造，日益严重的隐 私侵犯，以及越来越猖獗的恶意攻击等等，这些都将会对国家经济发展，社会稳 定和个人利益等造成难以估量的影响，因此加强知识产权和网络信息安全的保护 迫在眉睫。而信息隐藏技术作为其中一种重要的保护手段，其研究及应用正得到 高度的关注与重视。 信息隐藏技术将需要传送的秘密信息隐藏于另一非保密的普通载体中，所用 载体可以是文本，数字图像，数字音频以及数字视频等各种信号。从表面上看， 攻击者根本无从知道这个载体是否进行了信息隐藏，即便确定该载体隐藏了秘密 信息却也难以破译出所含秘密信息的具体内容。与传统加密方法不同的是，信息 隐藏技术是将秘密信息隐藏在公开信道上传输的某个看似正常的公开信号中，它 不但注重隐藏信息的内容，更注重隐藏信息的存在性，而加密技术则是将秘密信 息通过某种机制变换成不可识别的密文进行秘密传递，它仅仅注重隐藏信息的内 容。相比加密技术来说，信息隐藏技术由于避开了攻击者的视线而显得更为安全。 但信息隐藏技术与加密技术又不是能截然分开的，在信息隐藏中，若先将秘密信 息通过加密算法预处理成密文，再隐藏到载体中去，那么秘密信息的保密效果和 不可察觉效果必然更佳。 信息隐藏与提取模型如图1 1 所示。其中，信息隐藏过程可以描述为：首先将 要隐藏的秘密信息m 进行加密预处理后得到密文m ，再通过由密钥k 控制的嵌 入算法将m 嵌入到载体c 中，从而得到含密载体s 。嵌入算法可以选择空域或是 变换域进行嵌入。信息提取过程则可以描述为：首先通过由密钥k ，控制的提取算 法对含密载体s 提取信息，得到膨，再应用相应的解密或扩频解调等方法对m 解 数7 视频被动隐写分析研究 预处理，从而恢复出原始秘密信息。这个过程是否需要使用原始载体进行提取可 以根据实际情况而定，当不使用原始载体进行秘密信息的提取时，称之为盲提取， 反之则称为非盲提取。 图1 1 信息隐藏与提取模型 信息隐藏技术广泛应用于数据保密、版权保护、。防伪，数据完整性验证等信 息安全的各个领域中，其中应用于保密通信领域的信息隐藏技术称之为隐写 ( s t e g a n o g r a p h y ) 。隐写主要利用文本，图像，音频，视频等数字载体信号自身 存在的冗余信息，以及人的视听觉系统对部分信息的掩蔽效应来实现秘密信息的 嵌入，这种嵌入在某种程度上是不可察觉的，也就是说在嵌入过程中要尽量降低 隐写可能对原始载体感观效果及质量造成的影响。通过将隐写后得到的含密载体 混杂在众多不同格式的正常资料中，并利用各种公共渠道进行传播，从而达到不 为人知的隐蔽通信的目的。 越来越多样化的隐写方式以及更隐蔽与安全的隐写算法的出现促进隐写理论 与技术不断向前发展与完善，由此在网络中产生了不少采用高加密强度密码技术 以及高安全性隐写技术的实用隐写软件，比如s t e g a n o ss e c u r i t ys u i t e 、c l o a kv 8 0 、 i n v i s i b l es e c r e t s 、s t e g a n o g r a p h y 、o u t g u e s s 、m p 3s t e g o 、s - t o o l sv 4 ，w h i t en o i s e s t o r m 等等。然而隐写却是一把双刃剑，它让版权保护以及正当秘密通信得以实现 的同时，也给了不法分子甚至恐怖组织以可乘之机。今日美国就曾报道九一 一事件的恐怖分子在事件发生半年以前，曾可能利用某些网站上的大量数字图像 资料传递与恐怖活动有关的包括指令、地图，攻击目标等在内的秘密信息【2 】。因 此，为了尽量避免滥用隐写技术给国家安全和社会稳定带来的严重危害，研究隐 写的对抗技术一隐写分析( s t e g a n a l y s i s ) 刻不容缓。 作为隐写的对立产物，隐写分析是指针对隐写的检测与攻击技术，其目的可 分成两个层次来描述：首先，通过观测载体统计特性的异常来判断截获到的信号 是否隐藏了秘密信息，一旦怀疑载体中可能含有秘密信息，隐写就认为被攻破； 2 硕 ：学位论文 其次，若确定存在可疑信息，则进一步估算秘密信息的嵌入容量、嵌入点、隐写 密钥，以至最终提取出秘密信息。由于隐写必须修改原始数据才能实现秘密信息 的嵌入，因此必然会造成载体统计特性发生一些变化，从而为第一个层次的隐写 分析提供了可能，而第二个层次的隐写分析则因不具备充分的载体先验信息使得 实现难度较大。 隐写分析作为隐写的逆向研究，一方面可以阻止或是摧毁不法分子的秘密通 信，在信息对抗中发挥其重要作用；另一方面还能促进隐写算法安全性能的改善， 以及作为衡量隐写质量的指标。可见，不论是在理论上还是实用价值上，对隐写 分析的研究都具有十分重要的意义。 随着多媒体传感器网络的迅速发展，数字视频资源正逐步成为网络信息资源 的主流，使得隐蔽通信的载体越来越多地以视频文件的形式出现。网络上不计其 数的视频资源为基于视频隐写的隐蔽通信提供了必要的环境，同时相对图像载体， 数字视频能提供更大的可用载体空间，使得基于视频隐写的隐蔽通信及其对抗技 术日益成为信息安全研究领域关注的热点 3 - 5 】。 目前对于隐写与隐写分析技术的研究主要集中于静止图像，而视频由于固有 的一些特点，比如过多的数据冗余，运动区域与非运动区域分布不平衡等，以及 包括时间域掩蔽效应等特性在内的更为精确的人眼视觉模型尚未完全建立，都使 得视频隐写技术存在许多迫切需要解决的问题，以至于视频隐写技术的发展远远 滞后于图像隐写技术。视频时间域上的高相关性以及现有的视频编码标准格式也 给视频隐写技术提出了一些不同于图像隐写技术的特殊要求。现有的视频隐写算 法大多难以完全满足上述条件，因而为成功检测数字视频中隐藏的秘密信息提供。 了可能。 。 随着视频隐写技术研究的不断升温，网络上已相继出现了利用视频隐写技术 进行秘密通信的软件，因此视频隐写分析技术必须作为一个重要课题而被重视和 关注。 1 3 隐写分析的发展现状 隐写与隐写分析是网络时代信息战的主要内容之一【6 】，它涉及信息论、计算 机科学、数理统计、多媒体处理技术、数字通信，密码学与模式识别等多学科知 识。与数字水印技术相比，隐写与隐写分析的研究起步较晚。但随着近年来网络 信息安全问题逐渐成为广泛关注的焦点，隐写分析的研究也逐渐活跃起来，国内 外的科研工作者纷纷投入到这个新兴领域，在s c i 期刊和i e e e 会议上发表了大量 不同见地的隐写分析论文。 隐写分析根据分析目的的不同可分为主动隐写分析与被动隐写分析，主动隐 写分析除了要判断秘密信息是否存在之外，还需要确定秘密信息所在位置，估计 3 数宁视频破动隐t ；分析研究 秘密信息的长度，识别所用的隐写算法或隐写工具，以及破译出秘密信息具体内 容等，而被动隐写分析则只仅仅需要对截获到的载体进行是否隐藏有秘密信息作 出判定。由于难于解决未知隐写算法和密钥情况下提取秘密信息的问题，现有的 隐写分析算法主要集中于被动隐写分析。 隐写分析根据适用对象的不同可分为强针对性专用隐写分析以及通用盲检测 法【7 】。强针对性专用隐写分析通过仔细比较载体对象与采用某一类特定算法得到 的载密对象的统计特性的差异去设计相应的检测方法，因此对于特定隐写算法的 正确检测率一般都较高，但若将其用于其它算法的检测，则很可能遭遇失败，其 适用面较窄。目前比较有代表性的强针对性专用隐写分析算法有：利用秘密信息 嵌入导致的直方图每对像素灰度、颜色指数、变换系数值分布趋于均匀特性的矿 分析法【8 1 、基于图像空域相关性的r s ( r e g u l a rs i n g u l a r ) 分析法叭、基于图像 像素统计一致性的样本对分析法( s a m p l ep a i ra n a l y s i s ，s p a ) 【l 、基于差分直 方图检测方法【12 1 ，k e r 针对l s b 匹配隐写的隐写分析方法【1 3 。5 1 等等。通用盲检测 法则类似于模式识别过程，通过对图像进行预处理并提取多个统计特征构成分类 用的特征向量，再利用神经网络、支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 、 回归分析等实施载体对象与载密对象的分类。通用盲检测法适应性强，可以针对 多类隐写算法或隐藏工具进行训练，但就已有文献的研究情况来看，由于很难找 到对所有隐写方案都有效的特征向量，盲检测法的分类效果普遍较差。其中 f r i d r i c h 关于j p e g 的基于特征的隐写分析方法【1 6 , 1 7 】，f a r i d 提出的基于高阶统计特 征的检测技术【l 引，l i e 等提出的基于空域和d c t ( d i s c r e t ec o s i n et r a n s f o r m ) 域的 两个统计特性的盲检测法【l9 1 ，以及x u a n 等利用图像隐写使得空域矩与频域矩改变 的特性提取高维特征进行盲检测的方法 2 0 1 是该类算法的主要代表。 尽管近十年来隐写分析技术得到了蓬勃发展，但大部分都还局限在基于数字 图像的被动隐写分析方面，对于数字音频与视频的隐写分析以及主动隐写分析的 研究少之又少。同时，隐写分析还未形成成熟的、完整的、系统化的理论体系， 如何建立合理并符合实际模型的隐写分析模型，并结合统计分析与归类判断的方 法构建满足检测准确性、实用性和适用性等要求的全自动检测系统是未来发展的 方向 2 h 。 1 4 研究内容与主要工作 本文主要针对数字视频被动隐写分析技术进行研究。具体研究内容包含三个 方面：一方面研究如何充分利用视频时域上的高相关性来建立更精确的预测模型， 以得到尽可能逼近于原始视频帧的估计帧，从而突显出载体视频与载密视频之间 的差别；另一方面，研究怎样提取出对秘密信息嵌入更为敏感的统计特征，该特 征应该要能较好地捕捉因嵌入秘密信息引入的视频帧所发生的变化，以在尽量降 4 硕 ：学位论文 低虚警率与漏检率的条件下区分出载体视频与载密视频；最后在保证一定检测精 度的同时尽量降低运算复杂度，以改善算法的实用性。 论文的主要工作如下： ( 1 ) 针对当前隐写分析的难点一l s b 匹配隐写算法，通过分析视频中的l s b 匹配隐写会使得视频帧区域相关性改变的特性，提出了一种基于区域相关性原理， 通过构造区域相关性图并从中直接提取相关统计特征，再应用中值滤波减小不同 视频载体之间的特征差异，最后利用支持向量机逐帧进行视频隐写分析的方法。 ( 2 ) 基于经典的块补偿时域帧平均算法使得载体视频残差帧与载密视频残差 帧间差异小，以及该算法提取的高斯信号特征区分能力不强的缺陷，提出了一种 针对视频扩频隐写的基于块的双向运动估计帧共谋的视频隐写分析方法。双向运 动估计帧共谋通过前向及后向快速运动估计获得估计帧，由于并未将当前帧纳入 共谋过程，从而增大了载体视频与载密视频残差帧的差异。在此前提之下，通过 提取能有效捕捉这种因扩频隐写导致的视频统计特性差异的多种直方图特征来实 现载体视频与载密视频的分类。 1 5 本文组织结构 本文的组织结构安排如下： 第l 章是绪论，主要阐述了课题的研究背景、意义，并简要介绍了隐写分析发 展现状以及本文的研究内容与主要工作。 第2 章介绍了视频隐写技术与视频隐写分析技术的相关原理，并着重对视频隐 写分析技术及现有视频隐写分析算法的优缺点进行了详细讨论。 第3 章针对视频中的l s b 匹配隐写，提出了一种基于区域相关性原理，逐帧进 行视频隐写分析的方法。 第4 章从突出载体视频残差帧与载密视频残差帧差异这个基本点出发，针对在 视频隐写算法及隐写工具中广泛出现的扩频隐写，提出了一种基于双向运动估计 帧共谋获得估计帧，并从估计帧与原始帧的残差帧中提取能有效捕捉载体视频残 差帧与载密视频残差帧差异的直方图特征进行分类的视频隐写分析方法。 最后是结论，总结了全文所做的工作，并指出了今后研究的方向。 数 视频被动隐写分析研究 第2 章相关研究 隐写分析作为隐写的对抗技术，伴随着隐写的发展而发展。现阶段国内外专 家主要侧重于静止图像隐写分析技术的研究，并逐步推动了该类隐写技术安全性 的提高，而视频由于其不同于图像的特性，比如时域高相关性，对视频编解码标 准具有强依赖性等使得以视频为载体的隐写分析技术发展相对缓慢。但随着特殊 视频通信安全性需求的出现，以及数字视频资源的不断丰富，基于视频的隐写与 隐写分析技术必将成为信息隐藏研究领域的研究重点及热点。 本章将详细介绍视频隐写分析技术，为后面课题的研究提供理论基础。 2 1 视频隐写分析技术研究基础 2 1 1 视频隐写技术 视频隐写技术利用视频信号在时域和空域上的数据冗余，以及人类视觉特有的掩蔽 效应将秘密信息隐藏到数字视频中，而不影响视频信号的感观效果和使用价值。相比文 本，静止图像等载体，视频载体由一组具有较强相关性的图像序列组成，其信号 空间非常大，也相应具有可观的隐藏容量，从而能够为视频隐写提供一个稳定的 数据载体。 视频隐写的模型框图如图2 1 所示。 载体视频c 密钥k 嵌入过程压缩编码过程提取过程 图2 1 视频隐写模型框图 图2 1 中，秘密信息m 在密钥k 的控制下，通过嵌入算法隐藏到载体视频c 中， 得到载密视频c 。载体视频可以是原始视频，也可以是经过压缩的视频。为了便 于传输，载密视频c 可能需要经过压缩编码的过程，由c 变为c 。，然后对c ”应用 提取算法以及双方共享的密钥提取出秘密信息。 视频隐写技术根据视频存在形式的不同，可以分为基于原始视频的隐写与基 6 硕 ：学位论文 于压缩视频的隐写【2 2 1 。前者直接在未经过压缩编码的原始视频中嵌入秘密信息， 嵌入方法可借用图像隐写相关方法，嵌入容量较高。后者则结合视频压缩编码标 准在压缩码流中嵌入秘密信息或者将压缩码流解码后再进行秘密信息的嵌入，由 于压缩编码过程在很大程度上去除了视频信号的空域以及时域冗余信息，使得其 嵌入容量较低，但鲁棒性一般要好于基于原始视频的隐写方法。而根据秘密信息 嵌入域的不同，视频隐写技术可以分为时空域隐写与变换域隐写。时空域隐写利 用视频帧序列时空域的冗余信息进行嵌入，一般直接嵌入在原始视频数据中。变 换域隐写则先对视频帧序列进行某种变换，如离散余弦变换( d c t ) ，离散小波 变换( d i s c r e t ew a v e l e tt r a n s f o r m ，d w t ) ，离散傅里叶变换( d i s c r e t ef o u r i e r t r a n s f o r m ，d f t ) 等，再在变换域嵌入秘密信息。相比空域隐写，变换域隐写的 信号能量能分布至空域的每一个像素上，并可以更好地结合人类感知系统的某些 特性，在提高了安全性的同时，还能与视频压缩编码标准相兼容。 近年来涌现了大量的视频隐写算法。其中比较有代表性的基于原始视频的隐 写算法有d a r m s t a e d t e r 等提出的根据视频序列像素块的运动快慢程度选取嵌入点， 并仅在运动较迅速的像素块中采用扩频隐写方式进行秘密信息的嵌入【23 1 。h e 等在 视频压缩编码之前将秘密信息嵌入到d f t 域的低频及中频系数上，用于进行 m p e g 4 视频认证1 2 引。l e e 等利用视频序列每帧的范重心( n o r m e sc e n t r eo f g r a v i t y ， n c g ) 特征，将秘密信息嵌入在通过调制方法对应于视频帧序列的特征集合上， 从而实现鲁棒性较好的视频隐写【2 引，等等。压缩域视频隐写的代表算法则包括： n o d a 等提出了一种在离散小波域应用比特平面复杂度分割( b i tp l a n ec o m p l e x i t y s e g m e n t a t i o n ，b p c s ) 方法嵌入秘密信息的压缩域视频隐写算法【26 1 。n g u y e n 等则 利用h 2 6 4 压缩视频的运动矢量进行隐写，由于文中使用较低计算复杂度的隐写方 式，使得该视频隐写算法实用性较好【27 1 。孙怡峰等基于可变长编码( v a r i a b l e l e n g t hc o d e ，v l c ) 码字映射思想，通过修改视频未经差分编码系数的v l c 码字 实现在m p e g 2 压缩视频中的隐写【2 引。w a n g 等提出了一种在量化后未进行熵编码 之前的d c t 交流系数上嵌入秘密信息，并利用混沌序列对隐写过程实施控制的 h 2 6 4 视频隐写算法1 2 9 1 ，等等。同时还出现了一些支持视频隐写的软件，m s u s t e g o v i d e o l 3 0 j 就是其中一款高效的，充分融合秘密信息与视频内容的视频隐写软 件，它可以将任意类型的文件隐藏到a v i 视频中，由于采用了鲁棒性较高的视频 扩频隐写算法，使得隐写后的载密a v i 视频能够有效抵抗二次有损压缩。 尽管随着网络流媒体技术的发展以及数字视频资源的不断丰富，视频隐写技 术的研究越来越受到重视并已取得了一定成果，但现有的视频隐写算法并未充分 考虑视频具有的各种特性，例如秘密信息的嵌入可能会在一定程度上破坏视频的 时域相关性，视频隐写与视频压缩编码标准相结合可能会导致视频信号的语法结 构不能完全合乎编码规则，以及可能造成视频压缩编码各个模块相关性改变等。 7 数7 视频被动隐写分析研究 并且，现有视频隐写算法也不能很好地兼顾鲁棒性与嵌入容量，同时，视频固有 的特点使得隐写不仅会造成帧内统计特性发生变化，还会使得帧间的统计特性也 改变。正是因为视频隐写算法存在这些局限性，使得基于视频的隐写分析成为了 可能。 2 1 2 视频隐写分析技术 2 1 2 1 视频隐写分析基本原理及框架 视频隐写分析的基本思想是：秘密信息的嵌入虽然不改变视频序列的感观效 果，却会在一定程度上无可避免地造成原始载体视频数据的某些统计特性发生变 化，基于这个特点，视频隐写分析通过分析视频信息量大小与统计特性偏差之间 的对应关系来得出可疑性决策，以至估计出秘密信息在视频序列中的隐藏位置， 强度等。 视频隐写分析技术可表述为一个统计假设检验模型( 见式( 2 1 ) ) ，对待检 测视频帧x t 利用检验函数f ：x t 专( t r u e ，f a l s e ) 进行判决。 公式( 2 1 ) 中的u 。表示载体视频帧，呒表示嵌入到载体视频帧中的秘密信 息，表示该视频序列的长度，k 表示帧号，厂( ) 表示经某视频隐写算法隐写得 到的结果，该算法与原始视频序列以及嵌入的秘密信息有关。 f ( x t ) = t r u e ，x t = u t + f ( u t ，吸) + n o i s e k = 1 , 2 3 n ( 2 1 ) f a l s e ，x t = u + n o i s e k = 1 , 2 ，3 n 下面给出视频隐写分析的通用框架，如图2 2 所示。 视频被动隐写分析 i视频主动隐写分析 图2 2 视频隐写分析通用框架 首先输入待测视频序列，对其进行特征提取，根据提取的特征向量是否被改 变以及改变程度的大小来判断视频中隐藏了秘密信息与否。找出对视频隐写敏感 或是能反映秘密信息存在的统计特征的特征提取过程是实现视频隐写分析的关 硕十学位论文 键，一个好的特征向量要能以高准确度和低误差率进行载体视频与载密视频的正 确检测，并且还要不依赖于视频序列的大小，格式以及压缩码率等等。接下来进 行的判别过程则是根据提取的特征向量，应用各种分类器如支持向量机对待测视 频序列进行归类、判断。修正过程则通过观测判别结果的好坏程度来适当修改提 取的特征、判别系数或阈值，最终达到j 下确判断或提高判别的准确性的目的【3 1 1 。 具备了视频被动隐写分析这个基础和前提之后，可以尝试主动视频隐写分析。主 动视频隐写分析一方面可以通过攻击混淆等手段阻止隐蔽通信的进行，另一方面 也可以从视频序列中估计出秘密信息所在的具体位置，然后提取出加密过的密文 并进一步破译出秘密信息。目前视频隐写分析技术主要针对视频被动隐写分析。 2 1 2 2 视频隐写分析特点 尽管视频序列可以视为一系列具有高相关性的静止图像在时间域上的有序组 合，但由于视频具有一些不同于图像的特殊属性使得视频隐写与图像隐写之间的 区别较大，相应地，视频隐写分析与图像隐写分析也必然在某些方面存在一定的 差异，因此视频隐写分析技术在借鉴静止图像隐写分析相关技术的同时，还具有 其自身独有的特点【3 2 】： ( 1 ) 视频隐写分析需要考虑以数字视频为载体的隐写虽具有绝对大的可用载 体空间，但嵌入比率却相对较小。由于数字视频从空间域扩展到了时空域，其具 有的数据量必然远远超过一幅静止图像的数据量，同时视频隐写不仅可以利用空 域冗余嵌入秘密信息，还可以利用时域冗余进行信息隐藏，从而可知数字视频的 可用载体空间是绝对大的。然而，不可忽视的是，数字视频可嵌入比率却相对较 小。一方面，为了方便传输与存储，数字视频大多经过了高压缩比的视频压缩编 码过程，这使得视频数据量在大幅度降低的同时，也压缩了适宜进行秘密信息嵌 入的视频时空域冗余空间；另一方面，为了保证隐写的安全性，在视频载体中选 取的嵌入点也不能太多，因为嵌入点越多即意味着可用于隐写分析的载体可用数 据总数越大，隐写系统也就越不安全【3 3 】。视频的这个特点使得视频隐写分析要在 大数据量的视频流中检测相对小嵌入量的秘密信息，相比图像隐写分析其难度将 大大增加。 ( 2 ) 视频隐写分析除了可以充分利用视频帧内的空域或变换域相关性进行统 计分析之外，还可以利用视频帧之间特有的时域上的高相关性进行隐写分析。尽 管视频压缩较大程度上消除了空域冗余，使得隐写导致的空域以及变换域的变化 不明显，但对于时域统计特性的变化却很难控制，从而为视频隐写分析提供了一 个强有力的分析手段。目前大多数视频隐写分析算法都是基于时域相关性进行隐 写分析的。 ( 3 ) 视频隐写分析算法需要结合视频编解码系统进行设计。这是由于大多数 9 数视频被动隐写分析研究 视频序列都需要经过压缩编码，从而以视频为载体的隐写算法对