针对RTP负载的视频压缩帧数据,提取空域上的特征.根据种子step产生固定的局部区域,把压缩帧分割成一个个相邻的局部区域,计算此局部均值后,再计算压缩帧整体区域的均值,比较各个局部区域与整体区域的关系作为空域特征.

对于第i个RTP负载的视频压缩帧,通过step划分局部区域,计算第j个局部区域的平均强度

LAA_{i, j}=(∑^step×(1+j)_k=1+step×jvalue(i,k))/(step);

j=1,2,…, (count_i)/(step)」(1)

其中,count_i和 (count_i)/(step)」分别为第i个RTP负载的视频压缩帧字节总长度和局部区域的数量; value(i, k)为第i个RTP负载的视频压缩帧中的第k个数值(单位:bit).

对于视频的第i个RTP负载的视频压缩帧,可以得到对应的各局部区域平均强度行向量[LAA_i,1, LAA_i,2,…,LAA_{i,「counti/step」}]. 因此,整体区域的平均强度为

GAAi=(∑countik=1value(i,k))/(counti)(2)

比较局部与整体的平均强度差

R_i,j=GAA_i-LAA_i,j(3)

可得到第i个RTP负载的视频压缩帧的空域特征行向量 R_{feature_i}=[R_i,1, R_i,2, …, R_{i,「counti/step」}].

FU-A类型分片操作将NALU数据字节长度限制于MAX-NALU-LEN内,使NALU防止IP包分片.然而,当采用固定步长哈希算法计算哈希密钥时,会使不同长度的NALU产生不同长度的哈希密钥.由于RTP扩展包头是以2^x分配空间,在嵌入不同长度的哈希密钥时,必须同时嵌入哈希密钥长度的标识.另外,嵌入的哈希密钥长度不等于2^x时,会产生冗余比特位.为此,提出基于不定步长的自适应方法产生固定长度FL的哈希密钥,将步长参数step转换为不定步长Nstep_i(第i个RTP负载的视频压缩帧的步长),转换公式为

Nstep_i=(count_i)/(FL)」(4)

这种方法有可能产生长度比FL大的哈希密钥,此时可以对每个局部区间移除一定的字节,从而调整NALU的数据长度,使产生的密钥长度为FL.对于第i个NALU,需移除的字节总数为

Numdel_i=count_i-FL×Nstep_i(5)

为保证移除字节的操作不影响算法的可区别性,可分别对局部区域的字节按折半方式逐一移除.

经过定步长和自适应的的特征提取,分别得到对应的中间特征.为进一步压缩中间特征,减少数据量,可对特征行向量 R_{feature_i}进行哈希量化 R_{feature_i},如

Q_i,j={1, R_i,j≥0;

0, R_i,j<0;(6)

由此生成定步长和自适应的哈希摘要(哈希密钥).

如图3,通过计算NALU产生哈希密钥,再将NALU和密钥分别放入RTP的负载和扩展包头中.这使得数据与密钥一一对应,有助于检测端进行密钥比较和容忍网络丢包.为提高对第三方非法篡改的检测能力,本研究在RTP扩展包头添加了辅助信息,如NALU的长度.同时,可以对认证信息采用密码学中的对称加密算法^[15],以防止第三方非法破解,增强传输的安全性.另外,嵌入哈希密钥会影响MAX-NALU-LEN的大小,还需考虑RTP扩展包头(密钥和辅助信息)的长度.

图3 对视频压缩帧和密钥的网络封装
Fig.3 The network encapsulation of the compressed video and the secret key

分析算法鲁棒性的目的在于,研究通过服务器发送实时视频压缩帧包的过程中,若受到网络干扰而改变原始数据,算法能否判定这并非篡改操作.

为了测试算法对非内容篡改的噪声污染反应,将不同程度的、随机的噪声添加到视频压缩帧包数据中,分别对每个视频数据包的每种噪声污染进行100次测试.实验采用的噪声类型有:密度为d的椒盐噪声、均值为0和方差为v高斯噪声,结果见图4.

图4 不同哈希算法鲁棒性对比图
Fig.4 The comparison of the robustness of different hash algorithms

由图4可知,自适应的哈希算法平均误码率保持在0.31以下,而定步长的哈希算法的平均误码率保持在0.27以下.对于均值为0和方差为0.2的高斯噪声,两种算法的平均误码率差为0.04.可见,定步长比自适应哈希算法特征提取效果要好.而对于不同强度的椒盐噪声,两者的鲁棒性接近.实验发现,当对视频流数据添加均值为0、方差为0.2的高斯噪声时,编码器完全不能对该视频流进行解码.这主要是因为视频流的内在结构包含了视频压缩数据和宏参数等,噪声强度越大越易影响宏参数,一旦宏参数发生改变,解码器将无法运作.而对于网络传输中常出现的微弱噪声干扰,两种算法都具备较好的鲁棒性.

讨论算法的区分性,可通过观察算法能否区分不同视频内容.不同内容的视频密钥相似度相差极大,即误码率偏大.图5为采用交叉方式相互比较7个视频(视频设置为相同分辨率)的结果,从中可观察算法的区分性.

由5可见,两种算法的平均误码率分别在0.86和0.84以上,说明都具备良好的区分性.通过5组视频内容比较,自适应的哈希算法整体上区分性更佳.将视频foreman和bus内容匹配,平均误码率在0.92以上,高于其他5组的平均误码率.这反映了两组视频内容差异越大,其密钥的误码率应当越大的特性,说明两种算法都对不同程度差异的视频内容敏感.

图5 不同的哈希算法区别性对比图
Fig.5 The comparison of the distinctiveness of different hash algorithms

通过鲁棒性和区分性实验可知,采用定步长哈希算法进行特征提取时,其鲁棒性较自适应哈希算法好,但区分性却较差.可见,两种算法的分类性能相近.但是自适应哈希算法弥补了定步长哈希算法的缺点,因其不会产生固定长度的哈希密钥,避免了嵌入的哈希密钥会产生冗余比特位.

从实际应用角度出发,自适应哈希算法较定步长哈希算法更优.因此,本研究将主要分析自适应的哈希算法在视频篡改检测中的性能.

主要篡改检测类型有:在视频中添加新的图像帧和在原始图像帧内添加非法内容.前者因不能产生合法的哈希摘要,所以难以通过篡改检测; 后者被篡改的视频图像帧通过压缩编码会产生不同数量和内容的NALU.如图6,对视频bus中GOP的图像帧使用视频编辑软件(Corel video studio pro X8)添加英文字(tamper)的篡改内容,篡改面积为原图像的10%,再用H.264标准重新编码后得到453个RTP网络包.可见,网络包的数量发生了变化,这是由于编码器对视频内容的修改是感知的.因此,本研究将着重分析算法对这类篡改方式是否仍能有效区分.

图6 原视频图像帧与添加篡改内容后的图像对比图
Fig.6 (Color online)The image contrast figure between original video and tampered video

本研究以GOP作为篡改检测的单元,主要考虑到:① 非法篡改者必须拦截视频GOP,才能通过解码器恢复该GOP的视频图像帧,并对视频内容篡改; ② 由于编码器采用的是运动补偿的编码方式,使压缩后的帧间数据具有很大的关联性,若对在GOP中被篡改的视频图像帧重新编码,就会发现编码压缩后得到的数据与之前的数据存在差异.

分别篡改7组视频的GOP中单帧或多个连续帧,篡改内容与图6一致,再通过比较哈希密钥和统计GOP的平均误码率,结果如图7.

图7 分别对多个视频中不同的图像帧添加篡改内容后的GOP平均误码率检测图
Fig.7 The GOP forgery detection of average BER in different tampered videos

由图7可见,所有平均误码率都高于0.4,特别是在图7(a)中,对第1～第24帧的单帧篡改,平均误码率都在0.5以上,而对第25～第30帧的单帧篡改,平均误码率大幅下降,这从侧面突显了H.264视频运动补偿编码的特性,即视频压缩数据的帧间依赖关系.因此,GOP的长度不宜过大.根据算法鲁棒性和区分性的结果分析,根据经验阈值范围一般为0.35～0.80.本研究将阈值设为0.35,使算法能有效检测篡改粒度较小的视频GOP.

为能在实时视频直播中实现有效的视频篡改检测,不仅要求算法的检测能力强,还要求算法的时空复杂度应尽可能低,以期不影响实时直播视频.为此,本研究分析算法在不同分辨率的视频中计算密钥所需的时间.

采用自适应哈希算法的视频哈希密钥大小为64 bit,仅占传输视频数据的极少空间,完全满足实时直播视频对网络带宽的要求.表1统计了自适应哈希算法对不同分辨率的视频生成哈希摘要所需时长,并比较对应的播放时间.结果表明,算法所耗时间占视频播放时间不足2%.在同等带宽条件下,视频足以正常检测和播放.

表1 自适应哈希算法的时间开销实验结果
Table 1 The experimental results of time overhead for the adaptive hashing algorithm

提取7个视频中所有的GOP共有61组作为实验对象.将其中的31组GOP进行篡改,即分别对该GOP中所有帧进行篡改,如图6(b),且不改变其余的GOP,再用本研究提出的算法与传统算法比较,即以视频图像帧为单元的哈希算法^[10],且同样采用GOP为篡改检测单元.分析算法在不同的丢包率下篡改检测的准确率(precise detection rate, PDR)和误检率(error detetion rate, EDR),即

PDR=(N_f1)/(N_tamper)(7)

EDR=(N_f2)/(N_untamper)(8)

其中, N_f1为判定篡改帧是篡改的数量, N_tamper为被篡改帧的数量; N_f2为判定非篡改帧是篡改的数量; N_untamper表示未被篡改帧的数量.

表2是采用本算法和文献[10]所提算法对不同丢包率下的PDR和EDR性能对比.由表2可见,由于本算法是对压缩帧包进行密钥生成的,所以丢包不会造成误检.在无丢包的网络环境下,本算法能实现有效检测,而文献[10]对粒度较小的篡改检测能力不佳.在丢包率为40%时,因为在GOP中丢失区别性较高的压缩帧包,所以影响本算法对被篡改检测的准确率.而文献[10]算法是基于视频画面帧去计算哈希密钥的,所以当网络丢包时会发生视频解码失真,使算法难以区分篡改行为.

表2 算法在不同的丢包率下的篡改检测性能
Table 2 The performance of temper detection for algorithmsatdifferent packet loss rates