基于分析CAVLC码字和非零DCT系数个数的视频隐写分析方法和装置

技术领域

本发明涉及视频隐写分析(Video Steganalysis)领域，属于信息安全技术领域中的信息隐藏子领域，具体为一种基于分析CAVLC码字和非零DCT系数个数的DCT系数域视频隐写的分析方法和装置。

背景技术

隐写的目的是掩盖秘密信息被发送的事实和信息内容。相比之下，隐写分析的目的是确定多媒体文件中是否存在嵌入的秘密消息。近年来，随着流媒体和互联网视频服务的快速发展，数字视频正逐渐取代图像成为最具影响力的媒体。因此，视频隐写和隐写分析成为了目前的研究热点。

常用的嵌入元素包括帧内预测模式(Intra Prediction Mode)、帧间预测模式(Inter Prediction Mode)、运动矢量(Motion Vector)、量化参数(QuantizationParameters)和DCT系数(Discrete Cosine Transform Coefficients)。常用嵌入元素中，DCT系数占H.264/AVC视频码流的比例最高。因此，基于DCT系数的视频隐写方法通常具有较大的嵌入容量。故基于DCT系数的视频隐写方法近年来受到了该领域学者的广泛关注。

基于DCT系数的视频隐写方法根据隐写原理可分为两类：CDE(CompressionDomain Embedding，压缩域嵌入)和JCE(Joint Compression Embedding，结合压缩嵌入)(参考文献：Y.Cao,Y.Wang,X Zhao,M Zhu,and Z Xu,“Cover Block Decoupling forContent-Adaptive H.264Steganography,”in Proc.6th ACM Workshop Inf.HidingMultimedia Security,Austria,June.2018,pp.23-30)。在第一类基于DCT系数的视频隐写方法中，熵解码视频码流获得DCT系数，对系数进行修改后，直接将修改后的系数重新熵编码为视频码流。此类方法计算量小，可以很好地满足实时性处理要求。但此类方法存在“失真漂移”问题，即若随意对系数进行修改，则解码时由于系数修改引入的误差会不断累积，从而影响后续视频宏块的视觉质量。因此，为解决“失真漂移”问题，Ma等通过耦合系数对(每个耦合系数对由两个DCT系数组成)弥补失真，当修改耦合系数对中的一个系数，则对另一个系数进行补偿(参考文献：X.Ma,Z.Li,H.Tu,and B.Zhang,“A Data Hiding Algorithmfor H.264/AVC Video Streams Without Intra-Frame Distortion Drift,”IEEETransactions on Circuits and Systems for Video Technology,vol.20,no.5,pp.1320-1330,Oct.2010.)。在第二类基于DCT系数的视频隐写方法中，系数的修改发生在视频压缩过程中。这一类方法虽然需要更多的计算开销，但可以完全避免“失真漂移”问题的产生。Cao等提出了一种基于块间去耦合的DCT系数隐写方法，成功抑制了“代价漂移”。“代价漂移”即在嵌入过程中对当前元素的修改会改变后续元素的嵌入代价(参考文献：Y.Cao,Y.Wang,X Zhao,M Zhu,and Z Xu,“Cover Block Decoupling for Content-Adaptive H.264Steganography,”in Proc.6th ACM Workshop Inf.Hiding MultimediaSecurity,Austria,June.2018,pp.23-30)。同时，该方法应用了STC(Syndrome TrellisCodes，校验网格码)嵌入消息，将整体嵌入影响降到最低。

经过专利查询，在本领域内已有的相关发明专利申请情况如下：

专利申请号为CN201710447336.6的专利“一种检测基于DCT系数隐写的视频隐写分析方法”公开了一种DCT系数域视频隐写分析方法。该方法根据分析基于DCT系数域隐写的隐写操作对视频像素空域及时域相关性的影响，使用DCT核及嵌入代价计算空域特征集得到空域直方图。且通过运动向量连接帧间的相似宏块，构造空域分片并计算时域特征集得到时域直方图。将上述空域直方图及时域直方图合并为最终的1440维的隐写分析特征集。由于属于JCE的基于DCT系数域的视频隐写方法对视频的空域和时域影响较小，该方法对属于JCE的基于DCT系数域的隐写分析能力较弱。且该方法计算涉及卷积等操作，计算量较大。由于本发明不涉及对视频像素空域和时域相关性的计算，只关注了DCT系数和其对应的CAVLC熵编码码字，故该方法与本发明的设计思路和具体实现方式明显不同。

发明内容

本发明提供一种具有高隐写分析能力且计算简单的DCT系数域视频隐写分析方法和装置，目的在于通过分析CAVLC熵编码码字和相邻4×4亮度宏块的非零DCT系数个数之间的相关性，判断视频中DCT系数是否进行过修改。

本发明相比于其他DCT系数域视频隐写分析方法，直接对DCT系数的CAVLC熵编码码字和相邻4×4亮度宏块的非零DCT系数个数之间的相关性进行分析，设计了两种特征来描述CAVLC(Context Adaptive Variable Length Coding，基于上下文的可变长度编码)熵编码码字以及两种特征来描述相邻4×4亮度宏块的非零DCT系数个数之间的相关性，最终设计得到635维的DCT系数域视频隐写分析特征。

根据调研，目前现有的DCT系数域的视频隐写分析方法具有以下两个局限性：首先，已有的分析方法对视频帧的空域和时域进行大量卷积操作，计算量较大。其次，已有的分析方法仅考虑了视频帧的空域和时域相关性，而属于JCE的DCT系数视频隐写方法对视频帧的空域和时域影响较小，且采用了STC嵌入消息，使整体的嵌入影响最小化。因此，已有的分析方法分析属于JCE的DCT系数视频隐写方法的准确率较低。

本发明采用的技术方案如下：

一种基于分析CAVLC码字和非零DCT系数个数的视频隐写分析方法，包括以下步骤：

将待测压缩视频划分成若干个帧组；

对于每个帧组，通过分析CAVLC熵编码码字和相邻4×4亮度宏块的非零DCT系数个数之间的相关性，获得视频隐写分析特征；

利用获得的视频隐写分析特征，采用分类器对待测压缩视频中的每个帧组进行隐写分类判决。

进一步地，上述方法包括以下步骤(如图1所示)：

1)帧组划分：将待测压缩视频划分成若干个帧组，每个帧组由连续的视频帧组成，且拥有的视频帧互相不重叠和个数相同。

2)对于某个包含N个4×4亮度宏块的帧组F

3)预处理：对于帧组F

4)非零DCT系数个数分析：解码CAVLC码字B

5)码字分析：遍历帧组F

6)特征计算既提取：根据步骤4)和步骤5)的计算结果，对帧组F

7)隐写分析：采用基于预设隐写分析特征的分类器，分别对该待测视频中的每个帧组进行隐写分类判决。

进一步地，对于步骤6)，本发明提出的635维高性能隐写分析特征，主要由基于码字分析的隐写分析特征和基于非零DCT系数个数相关性分析的隐写分析特征组成，现做如下详细说明。

本发明首先统计码字中“1”的比例，由于CAVLC熵编码时会考虑宏块的非零DCT系数的个数来选择不同的码表来编码。因此在对码字进行分析时，统计不同非零DCT系数个数下码字中“1”的比例。其次统计码字中各个位置出现“1”的比例。同时，CAVLC编码时考虑了块与块之间非零DCT系数个数之间的相关性，本发明计算上下块之间和左右块之间的非零DCT的条件概率来描述块之间非零DCT系数个数之间的相关性。

对于给定压缩视频中某个帧组F

a)预处理：对于F

b)类型1子特征提取(基于码字分析)：类型1子特征的每个维度对应于给定非零DCT系数个数k的情况下，码字中“1”所占的比例，被定义为

c)类型2子特征提取(基于码字分析)：类型2子特征的每个维度对应于码字中第k个位置上“1”所占的比例，被定义为

其中，函数

d)类型3子特征提取(基于块之间非零DCT系数个数之间的相关性)：类型3子特征与上下相邻块的DCT系数个数的相关性有关，每个维度对应于给定上方块的DCT系数个数等于i的情况下，相邻下方块的DCT系数个数等于j的概率，被定义为

e)类型4子特征提取(基于块之间非零DCT系数个数之间的相关性)：类型4子特征与左右相邻块的非零DCT系数个数的相关性有关，每个维度对应给定左边块的非零DCT系数个数等于i的情况下，相邻右边块的非零DCT系数个数等于j的概率，被定义为

f)最终特征合并：最终的635维隐写分析特征F(k)通过合并以上4种类型的子特征得到，被定义为

基于同一发明构思，本发明还提供一种采用上述方法的基于分析CAVLC码字和非零DCT系数个数的视频隐写分析装置，其包括：

帧组划分模块，用于将待测压缩视频划分成若干个帧组；

特征提取模块，用于对于每个帧组，通过分析CAVLC熵编码码字和相邻4×4亮度宏块的非零DCT系数个数之间的相关性，获得视频隐写分析特征；

隐写分析模块，用于利用获得的视频隐写分析特征，采用分类器对待测压缩视频中的每个帧组进行隐写分类判决。

本发明的视频隐写分析方法对相关技术领域的有益效果如下：

1)能够有效检测目前现有的DCT系数域的视频隐写方法。在视频编码过程中，DCT系数会重排序然后进行熵编码。由于熵编码是无损压缩，所以任何在DCT系数上的修改都会影响熵编码码字的结果。此外，相邻块的DCT系数具有相关性，修改DCT系数会影响这个相关性。由于本发明构建了特征描述熵编码码字和相邻块的DCT系数个数的相关性，利用了DCT系数域视频隐写对熵编码码字和相邻块的非零DCT系数个数相关性的影响，因此本发明对目前现有的DCT系数域视频隐写方法具有理想的检测效果。

2)能够在一定程度上有效缓解隐写分析中的载体源失配现象。隐写分析中的载体源失配(Cover Source Mismatch)现象是指：当在某个载体源上训练得到的隐写分析检测器针对来自不同载体源的样本进行分析时，这两个载体源的差异将会对隐写分析正确率产生较大的负面影响。载体源失配现象在真实网络环境中普遍存在，其是阻碍隐写分析实用化的最大障碍。由于本发明通过构造特征描述熵编码码字和相邻块的非零DCT系数个数的相关性，从而有效反应DCT系数域视频隐写对熵编码码字和相邻块的非零DCT系数个数相关性的影响，提升了隐写分析性能及其稳定性，因此本发明能够在一定程度上有效缓解载体源失配现象，例如：采用本发明方法对相同尺寸、相同码率以及相同嵌入率的样本提取隐写分析特征，在此基础上训练得到的隐写分析检测器，对不同尺寸、不同码率以及不同嵌入率的隐写视频均有较好的分析检测效果。

3)广泛适用于不同的视频编码标准。本发明主要通过构造特征描述熵编码码字和相邻块的非零DCT系数个数的相关性，其实现并不依赖于特定的视频编码标准，对于采用非CAVLC熵编码标准的视频，解码获取其DCT系数，而后进行CAVLC熵编码即可进行后续特征提取操作。因此本发明具有较大的适用范围，能对基于不同视频编码标准的DCT系数域视频隐写进行有效分析。

附图说明

图1是采用本发明的视频隐写分析示意图；

图2是采用本发明的视频隐写分析流程图。

具体实施方式

下面通过具体实施例并结合附图2对本发明作进一步描述。

本实施例提出的基于分析CAVLC码字和非零DCT系数个数的视频隐写分析方法，其流程如图2所示，具体操作细节如下：

1)帧组划分：将待测压缩视频划分成若干个帧组，每个帧组由连续的视频帧组成，且拥有的视频帧互相不重叠和个数相同。

2)对于某个包含N个4×4亮度宏块的帧组F

3)预处理：对于帧组F

4)特征的计算及提取：采用所说明的特征提取流程，对帧组F

5)重复执行步骤2)至4)，依次对该待测视频的所有帧组进行隐写分析特征提取。

6)隐写分析：采用基于此635维隐写分析特征的分类器，分别对该待测视频中的每个帧组进行隐写分类判决。

从以上具体实施方式可以看出：首先，本发明通过构造特征描述熵编码码字和相邻块的非零DCT系数个数的相关性来有效反应DCT系数域视频隐写对熵编码码字和相邻块的DCT系数个数相关性的影响，其实现并不依赖于特定的视频编码标准。本发明具有较广泛的适用范围。

为了突出说明本发明提出的是一种高性能DCT系数域视频隐写分析方法，采用以下实验配置进行隐写分析实验：

1)YUV序列：通过互联网搜集得到100个分辨率为1920×1080的YUV420P的视频序列，平均每个视频序列为932帧。

2)视频编码器及其配置：采用x264开源视频编码器制备压缩视频样本，为了降低时间开销，设置编码档次为基本档次Baseline Profile。

3)压缩视频参数：设置固定码率系数(Constant Rate Factor，CRF)为18、23或28，帧率为30fps。

4)隐写嵌入率：采用修改率(Modification Rate，MR，修改的DCT系数占所有作为载体的DCT系数的比例)表示隐写嵌入率，并设置载体视频的MR为0，隐写视频的MR为0.01、0.02或0.05。

5)隐写方法：选择由Cao等提出的高隐蔽性DCT系数域视频隐写方法进行分析(参考文献：Y.Cao,Y.Wang,X Zhao,M Zhu,and Z Xu,“Cover Block Decoupling forContent-Adaptive H.264Steganography,”in Proc.6th ACM Workshop Inf.HidingMultimedia Security,Austria,June.2018,pp.23-30)。

6)隐写分析方法：由于VDCTR是目前DCT系数域最有效的隐写分析方法，故将其与本发明方法进行对比(参考文献：P.Wang,Y.Cao,X.Zhao,and M.Zhu,“A SteganalyticAlgorithm to Detect DCT-based Data Hiding Methods for H.264/AVC Videos,”inProc.5th ACM Workshop Inf.Hiding Multimedia Security,USA,June.2017,pp.123-133)。

7)训练和检测：每组隐写分析实验中，随机选取50％的“载体-隐写”样本对用于训练支持向量机(Support Vector Machine，SVM)，剩余的50％样本对用于隐写分类判决，每组隐写分析实验重复20次，对所得数据取平均值。

按照以上实验配置，所得隐写分析结果如表1所示，可以看出，本发明能够有效检测目前处于最新发展阶段、拥有最高隐写安全性的DCT系数域视频隐写。此外，本发明的隐写分析效果显著优于VDCTR，故本发明十分适用于对安全等级要求较高的隐写分析场景。

表1.采用VDCTR和本发明对Cao等提出的方法进行隐写分析的平均检测正确率(％)

基于同一发明构思，本发明的另一个实施例提供一种采用本发明方法的基于分析CAVLC码字和非零DCT系数个数的视频隐写分析装置，其包括：

帧组划分模块，用于将待测压缩视频划分成若干个帧组；

特征提取模块，用于对于每个帧组，通过分析CAVLC熵编码码字和相邻4×4亮度宏块的非零DCT系数个数之间的相关性，获得视频隐写分析特征；

隐写分析模块，用于利用获得的视频隐写分析特征，采用分类器对待测压缩视频中的每个帧组进行隐写分类判决。

其中各模块的具体实施过程参见前文对本发明方法的描述。

基于同一发明构思，本发明的另一实施例提供一种电子装置(计算机、服务器、智能手机等)，其包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行本发明方法中各步骤的指令。

基于同一发明构思，本发明的另一实施例提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘)，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现本发明方法的各个步骤。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。