融合視頻編碼的低復(fù)雜度紋理自適應(yīng)視頻加密算法

劉慧超，王志君，梁利平

(1. 中國(guó)科學(xué)院微電子研究所 北京 朝陽(yáng)區(qū) 100029；2. 中國(guó)科學(xué)院大學(xué)電子電氣與通信工程學(xué)院 北京 石景山區(qū) 100049)

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，基于視頻信息的多媒體應(yīng)用越來(lái)越普遍化、多樣化，對(duì)于視頻數(shù)據(jù)內(nèi)容的加密保護(hù)變得愈發(fā)重要[1-2]，數(shù)字視頻加密技術(shù)應(yīng)運(yùn)而生。傳統(tǒng)方案利用AES、DES 等經(jīng)典加密算法對(duì)原始視頻數(shù)據(jù)進(jìn)行加密。然而，龐大的視頻數(shù)據(jù)導(dǎo)致加密過(guò)程實(shí)時(shí)性較差；與此同時(shí)，加密后的視頻數(shù)據(jù)雜亂無(wú)章，直接影響后續(xù)視頻壓縮編碼的效率，因而此類(lèi)方法并不適用于視頻加密。相應(yīng)地，針對(duì)視頻壓縮碼流的加密算法導(dǎo)致碼流格式不兼容，通用解碼器無(wú)法正常解碼。因此，與視頻壓縮編碼過(guò)程相融合的選擇性加密算法(selective encryption, SE)成為新的研究熱點(diǎn)[3-4]。

SE 算法通過(guò)對(duì)視頻壓縮編碼過(guò)程中的關(guān)鍵句法進(jìn)行加密實(shí)現(xiàn)內(nèi)容保護(hù)。視頻編碼過(guò)程中，I 幀作為每個(gè)編碼序列的起始幀包含了視頻序列的大部分信息，文獻(xiàn)[5-7]提出對(duì)I 幀編碼塊的幀內(nèi)預(yù)測(cè)模式(intra prediction mode, IPM)進(jìn)行加密，然而該方法易導(dǎo)致加密后的IPM 不再滿(mǎn)足編碼規(guī)范，解碼端無(wú)法正常解碼；相比于I 幀，P/B 幀在每個(gè)編碼序列中出現(xiàn)最頻繁，文獻(xiàn)[8?10]提出加密P/B 幀的運(yùn)動(dòng)矢量來(lái)保護(hù)視頻內(nèi)容，然而視頻編碼算法對(duì)運(yùn)動(dòng)矢量(motion vector, MV)采用預(yù)測(cè)編碼，因此，此類(lèi)方法將直接改變句法元素MVD的大小，從而影響視頻壓縮效率。為增強(qiáng)加密效果，對(duì)IPM、MVD 符號(hào)和DCT 系數(shù)等多種句法元素的聯(lián)合加密方案相繼被提出[11-17]。文獻(xiàn)[13-14]僅對(duì)MVD 符號(hào)位、非零DCT 系數(shù)符號(hào)位以及系數(shù)幅值的二進(jìn)制編碼后綴進(jìn)行加密，編碼效率恒定，但加密數(shù)據(jù)量明顯增加。為此，文獻(xiàn)[18]提出采用混沌系統(tǒng)隨機(jī)選擇待加密句法元素，但無(wú)法保證視頻關(guān)鍵區(qū)域絕對(duì)保密。于是，文獻(xiàn)[19-21]融合感興趣區(qū)域(regions of interest, ROI)技術(shù)對(duì)視頻關(guān)鍵區(qū)域進(jìn)行選擇性加密，既降低了加密數(shù)據(jù)量，同時(shí)視頻關(guān)鍵區(qū)域信息也得到了保護(hù)，然而卻引入了如高斯混合模型(gaussian mixture model, GMM)等計(jì)算復(fù)雜的ROI 檢測(cè)算法，難以做到實(shí)時(shí)性。

針對(duì)以上問(wèn)題，本文提出一種基于視頻紋理特性的低復(fù)雜度選擇性加密算法。算法以應(yīng)用廣泛的H.264/AVC 視頻編碼標(biāo)準(zhǔn)為驗(yàn)證實(shí)例，首先利用量化的殘差DCT 系數(shù)和運(yùn)動(dòng)矢量建立低復(fù)雜度的視頻紋理強(qiáng)度估計(jì)模型；然后根據(jù)紋理強(qiáng)度對(duì)I 幀編碼宏塊的非零DCT 系數(shù)符號(hào)位和P/B 幀編碼宏塊的MVD 符號(hào)位進(jìn)行自適應(yīng)選擇加密，實(shí)現(xiàn)格式兼容、壓縮效率恒定、復(fù)雜度低、加密效果好的視頻加密。此外，提出一種與視頻紋理特征相關(guān)的密鑰生成算法，密鑰安全性進(jìn)一步提高。

1 融合加密技術(shù)的視頻混合編碼架構(gòu)

自H.261 視頻編碼標(biāo)準(zhǔn)起，新標(biāo)準(zhǔn)在引入先進(jìn)技術(shù)的同時(shí)，一直沿用基于預(yù)測(cè)和變換的混合編碼架構(gòu)，如圖1 所示，混合編碼器中主要有兩條路徑：前向路徑和重建路徑。其中，前向路徑包括預(yù)測(cè)編碼、DCT 變換與量化和熵編碼。預(yù)測(cè)編碼利用相鄰塊的空間或時(shí)間相關(guān)性，根據(jù)已編碼塊對(duì)當(dāng)前待編碼塊進(jìn)行線性預(yù)測(cè)，然后對(duì)預(yù)測(cè)值和真值的差進(jìn)行編碼，減小待編碼數(shù)據(jù)量；變換編碼則將統(tǒng)計(jì)上彼此密切相關(guān)的空域像素通過(guò)正交變換，轉(zhuǎn)化為統(tǒng)計(jì)上相對(duì)獨(dú)立的一系列變換系數(shù)，減小有效數(shù)據(jù)量。熵編碼過(guò)程通常為變長(zhǎng)編碼，通過(guò)對(duì)出現(xiàn)概率大的字符分配短碼字、概率小的字符分配長(zhǎng)碼字，進(jìn)一步提高混合編碼的壓縮效率。重建路徑主要包括反變換與反量化、環(huán)路濾波。反變換與反量化得到重構(gòu)殘差，與預(yù)測(cè)值疊加得到重建像素，之后經(jīng)環(huán)路濾波得到重建幀，作為后續(xù)編碼過(guò)程的參考幀。如圖1 所示為混合編碼核心結(jié)構(gòu)框圖。

圖1 混合編碼器結(jié)構(gòu)框圖

結(jié)構(gòu)上，加密模塊在編碼器中的位置直接影響編碼端算法復(fù)雜度。若將加密過(guò)程設(shè)置在重建環(huán)路內(nèi)，則在編碼器中需要配置對(duì)應(yīng)的解密過(guò)程，增加計(jì)算復(fù)雜度。因此，本文將加密模塊設(shè)置在重建環(huán)路外，如圖2 所示，加密模塊位于DCT 變換與量化之后、熵編碼之前的前向編碼路徑中。

圖2 融合加密的視頻混合編碼器結(jié)構(gòu)框圖

圖2 中，紋理檢測(cè)模塊直接利用DCT 變換和量化模塊輸出的量化DCT 系數(shù)與預(yù)測(cè)編碼模塊輸出的MV 進(jìn)行紋理估計(jì)，根據(jù)設(shè)定的紋理強(qiáng)度閾值，將每個(gè)視頻幀劃分為紋理和非紋理區(qū)域，視頻加密模塊根據(jù)劃分結(jié)果對(duì)紋理區(qū)域執(zhí)行選擇性加密過(guò)程。

2 基于紋理的視頻加密算法

視頻加密旨在擾亂視頻內(nèi)容，使得人眼難以分辨出視頻畫(huà)面所傳達(dá)出的有效信息，從而實(shí)現(xiàn)視頻內(nèi)容保護(hù)。文獻(xiàn)[22]通過(guò)對(duì)視頻編碼句法元素進(jìn)行下采樣，實(shí)現(xiàn)全局上的部分加密。然而，根據(jù)人眼視覺(jué)特性，人眼系統(tǒng)對(duì)視頻紋理區(qū)域更加感興趣。于是，視頻加密過(guò)程只需要處理紋理區(qū)域即可，無(wú)需對(duì)全局視頻信息進(jìn)行全加密。基于此，本文分別提出針對(duì)I 幀和P 幀(B 幀與之類(lèi)似，暫不討論)的紋理檢測(cè)模型，并選擇紋理區(qū)域進(jìn)行加密，有效降低待加密數(shù)據(jù)量，同時(shí)保證視頻信息的安全性。

2.1 基于DCT 的I 幀紋理檢測(cè)模型

對(duì)于編碼I 幀，即采用幀內(nèi)預(yù)測(cè)方式進(jìn)行編碼的視頻幀，主要利用多方向線性預(yù)測(cè)對(duì)待編碼幀進(jìn)行估計(jì)，預(yù)測(cè)值與真實(shí)值的差，即預(yù)測(cè)殘差，經(jīng)DCT 變換和量化后得到一系列相互獨(dú)立的量化DCT 系數(shù)。若以Xo表示原始幀像素集合，Xp表示最佳預(yù)測(cè)模式下的預(yù)測(cè)幀像素集合，Xr表示殘差集合，則有：

由于Xp僅僅是利用Xo的相鄰邊界像素進(jìn)行線性預(yù)測(cè)的結(jié)果，除平坦區(qū)域外，其余區(qū)域的線性預(yù)測(cè)通常情況下均會(huì)產(chǎn)生一定的預(yù)測(cè)殘差，且Xo紋理越復(fù)雜，線性預(yù)測(cè)產(chǎn)生的殘差越顯著，對(duì)殘差進(jìn)行DCT 變換和量化得到的系數(shù)矩陣包含的非零系數(shù)就越多。對(duì)于一個(gè)n×n 的殘差塊，定義其DCT變換和量化后的系數(shù)矩陣如下：

對(duì)于系數(shù)矩陣YR，其包含的非零系數(shù)越多，XR的時(shí)域特性越復(fù)雜，紋理越豐富。與此同時(shí)，YR中高頻位置非零系數(shù)越多，XR紋理細(xì)節(jié)越豐富。根據(jù)DCT 變換的性質(zhì)，對(duì)于YR，左上角位置系數(shù)y0,0為直流分量，右下角位置系數(shù)yn?1, n?1為最高頻分量，同一行（或列）的不同系數(shù)，從左至右（或從上至下）頻率逐漸升高。因此，為定量分析紋理特性，本文為yi,j定義如下權(quán)值系數(shù)：

式中，系數(shù)yij的權(quán)值直接由其所在位置決定，越靠近左上角權(quán)值越低，相反，越靠近右下角權(quán)值越高，符合DCT 變換頻率分布特點(diǎn)。本文提出一種評(píng)估Xo紋理強(qiáng)度(texture strength, TS)的量化方法，如式(4)所示：

設(shè)定一個(gè)紋理強(qiáng)度閾值TI，當(dāng)TSI≥TI時(shí)，認(rèn)為該區(qū)域?yàn)榧y理區(qū)域，否則為非紋理區(qū)域，如式(5)所示：

然而，對(duì)于一個(gè)視頻序列，其內(nèi)容通常是隨時(shí)間不斷變化的，故而閾值TI也應(yīng)該隨視頻內(nèi)容變化而變化。本文提出一種基于幀平均的I 幀閾值可伸縮自適應(yīng)更新算法(threshold scalable self-adaptive update method for I-frame, TSSUM-I)，其基本思想是根據(jù)前一幀的平均紋理強(qiáng)度和伸縮因子更新下一幀的紋理強(qiáng)度閾值，從而動(dòng)態(tài)調(diào)整加密強(qiáng)度，相比文獻(xiàn)[23]提出的基于當(dāng)前幀被引用頻次的動(dòng)態(tài)調(diào)節(jié)算法和文獻(xiàn)[24]提出的基于SSIM 的動(dòng)態(tài)調(diào)節(jié)算法，本文算法計(jì)算復(fù)雜度更低。具體實(shí)現(xiàn)過(guò)程如下：

1) 為第1 個(gè)待編碼I 幀設(shè)置初始閾值：

2) 利用式(4)計(jì)算當(dāng)前編碼I 幀(定義為第n個(gè)I 幀)中(x,y)位置待編碼塊的紋理強(qiáng)度TSI(n,x,y)，并統(tǒng)計(jì)當(dāng)前編碼I 幀中所有編碼單元(coding units,CU)的紋理強(qiáng)度和：

3) 根據(jù)當(dāng)前編碼I 幀的平均紋理強(qiáng)度與伸縮因子更新下一個(gè)待編碼I 幀(定義為第n+1 個(gè)I 幀)的紋理強(qiáng)度閾值：

式中， λI為伸縮因子，其值大于零。

4) 若編碼尚未完成，則跳轉(zhuǎn)到過(guò)程2) ，繼續(xù)執(zhí)行相同操作；否則，結(jié)束流程。

至此，得到一個(gè)基于編碼殘差量化DCT系數(shù)的閾值自適應(yīng)紋理檢測(cè)模型(threshold selfadaptive texture detection model based on quantized DCT Coefficient, TSTDM-QDCTC)。 為了驗(yàn)證TSTDM-QDCTC 的有效性，本文以經(jīng)典的Canny邊緣檢測(cè)算法為參考模型，對(duì)兩種算法的紋理檢測(cè)結(jié)果進(jìn)行了對(duì)比，如圖3 所示。

從圖3 中可以看出，在對(duì)紋理檢測(cè)精度要求不高的場(chǎng)景下，如選擇性視頻加密，本文提出的TSTDM-QDCTC 紋理檢測(cè)模型能夠有效的檢測(cè)出視頻紋理區(qū)域；同時(shí)，根據(jù)式(4)和式(5)，對(duì)于一個(gè)4×4 的編碼塊，本文紋理檢測(cè)算法僅僅需要15 次加法和1 次判斷，而Canny 邊緣檢測(cè)計(jì)算復(fù)雜，折合加法運(yùn)算約為3300 次，計(jì)算量遠(yuǎn)遠(yuǎn)高于本文算法。

2.2 基于運(yùn)動(dòng)矢量的P 幀紋理檢測(cè)模型

對(duì)于編碼P 幀，即采用幀間預(yù)測(cè)進(jìn)行編碼的視頻幀，主要利用運(yùn)動(dòng)估計(jì)和運(yùn)動(dòng)補(bǔ)償技術(shù)進(jìn)行高效率壓縮編碼，首先通過(guò)運(yùn)動(dòng)估計(jì)得到當(dāng)前預(yù)測(cè)單元(prediction blocks, PU)相對(duì)于其最佳參考?jí)K的運(yùn)動(dòng)矢量，之后利用插值運(yùn)算進(jìn)行運(yùn)動(dòng)補(bǔ)償，得到當(dāng)前PU 的最佳預(yù)測(cè)值，如圖4 所示。

圖3 紋理檢測(cè)結(jié)果對(duì)比

圖4 運(yùn)動(dòng)估計(jì)示意圖

圖4 中，A 為當(dāng)前待編碼PU，As為參考幀中與A 位置相對(duì)應(yīng)的已編碼PU，Aref為在給定搜索窗W 范圍內(nèi)與A 匹配最佳的參考區(qū)域，Aref相對(duì)于As的位置坐標(biāo)即為A 經(jīng)運(yùn)動(dòng)估計(jì)后得到的運(yùn)動(dòng)矢量MV，由水平和垂直兩個(gè)分量組成，用mv_x和mv_y 表示。mv_x 和mv_y 直接指出了當(dāng)前編碼PU 相對(duì)于其參考幀的變化程度，于是可以用作待編碼PU 紋理強(qiáng)度估計(jì)的一種依據(jù)。

除此之外，自H.264/AVC 起，新的視頻編碼標(biāo)準(zhǔn)均采用可變尺寸運(yùn)動(dòng)補(bǔ)償技術(shù)，根據(jù)待編碼CU 的運(yùn)動(dòng)情況，可將其劃分為多個(gè)不同尺寸的PU 進(jìn)行獨(dú)立的運(yùn)動(dòng)估計(jì)和運(yùn)動(dòng)補(bǔ)償，實(shí)現(xiàn)更加精細(xì)的預(yù)測(cè)編碼。以H.264/AVC 為例，當(dāng)待編碼CU 以16×16 的PU 進(jìn)行運(yùn)動(dòng)補(bǔ)償時(shí)，表示該CU 內(nèi)的所有對(duì)象運(yùn)動(dòng)方向完全或趨于完全一致；反之，當(dāng)待編碼CU 被劃分為多個(gè)小尺寸PU 進(jìn)行運(yùn)動(dòng)補(bǔ)償時(shí)，表示該CU 內(nèi)包含多個(gè)子對(duì)象，且其運(yùn)動(dòng)方向各不相同。

本文提出利用運(yùn)動(dòng)矢量和幀間預(yù)測(cè)分割模式對(duì)P 幀編碼塊的紋理強(qiáng)度進(jìn)行估計(jì)。

首先，根據(jù)每個(gè)PU 的尺寸大小為其定義對(duì)應(yīng)的權(quán)值因子：

式中，wmn表示尺寸為mn 的PU 的權(quán)值因子；max_h和max_v 代表編碼標(biāo)準(zhǔn)所支持的最大運(yùn)動(dòng)補(bǔ)償編碼塊的尺寸。CU 劃分越精細(xì)，表示CU 內(nèi)各個(gè)PU 之間差異越大，越有可能成為紋理區(qū)域，所以對(duì)應(yīng)PU 權(quán)值應(yīng)越高。以H.264/AVC 視頻編碼為例，4×4 PU 的權(quán)值因子為16，4×8 PU 的權(quán)值因子為8，依次類(lèi)推，16×16 PU 的權(quán)值因子為1。

其次，提出一種尺寸為mn 的PU 的紋理強(qiáng)度量化方法，如式(10)所示：

類(lèi)似地，設(shè)定一個(gè)紋理強(qiáng)度閾值TP，當(dāng)TSmn大于或等于設(shè)定閾值TP時(shí)，認(rèn)為該區(qū)域?yàn)榧y理區(qū)域，否則為非紋理區(qū)域，如式(11)所示：

正如2.1 節(jié)中所述，閾值TP同樣應(yīng)該隨視頻內(nèi)容變化而變化。參考2.1 節(jié)中的TSSUM-I 模型，本文提出一種P 幀閾值可伸縮自適應(yīng)更新算法(threshold scalable self-adaptive update method for p-frame, TSSUM-P)，其基本思想是：在同一個(gè)GOP 中，根據(jù)前一幀的平均紋理強(qiáng)度和伸縮因子更新下一幀的紋理強(qiáng)度閾值，具體過(guò)程如下：

1) 為GOP 中第1 個(gè)待編碼P 幀設(shè)置初始閾值：

2) 利用式(10)計(jì)算當(dāng)前編碼P 幀(定義為當(dāng)前GOP 中第n 個(gè)P 幀)中(x,y)位置待編碼塊的紋理強(qiáng)度TSP(n,x,y)并統(tǒng)計(jì)當(dāng)前編碼P 幀中所有PU 的紋理強(qiáng)度和：

3) 根據(jù)當(dāng)前編碼P 幀的平均紋理強(qiáng)度與伸縮因子更新下一個(gè)待編碼P 幀(定義為第n+1 個(gè)P 幀)的紋理強(qiáng)度閾值：

式中， λP為伸縮因子，其值大于零。

4) 若第n+1 個(gè)待編碼P 幀與第n 個(gè)P 幀不在同一個(gè)GOP 內(nèi)，則跳轉(zhuǎn)到過(guò)程1)，重置閾值；否則，跳轉(zhuǎn)到過(guò)程2)繼續(xù)執(zhí)行。

然而，視頻編碼協(xié)議中對(duì)MV 采用了預(yù)測(cè)編碼方式，由于存在空間相關(guān)性，基于相鄰塊運(yùn)動(dòng)矢量得到的當(dāng)前編碼塊運(yùn)動(dòng)矢量預(yù)測(cè)值(motion vector prediction, MVP)，可以很大程度上代表其真實(shí)值。為了保證解碼端能夠順利提取紋理區(qū)域，對(duì)式(10)進(jìn)行修正，利用MVP 進(jìn)行紋理估計(jì)：

式中，mvp_x 和mvp_y 為MVP 的兩個(gè)分量。

至此，得到一個(gè)基于MVP 的閾值自適應(yīng)紋理檢測(cè)模型(threshold self-adaptive texture detection model based on MVP, STDM-MVP)。

同樣，為了驗(yàn)證TSTDM-MVP 紋理檢測(cè)模型的有效性，本文以經(jīng)典的GMM 算法為參考模型，對(duì)兩種算法的紋理檢測(cè)結(jié)果進(jìn)行對(duì)比，如圖5 所示。

圖5 紋理檢測(cè)結(jié)果對(duì)比

從圖5 中可以看出，在對(duì)紋理檢測(cè)精度要求不高的場(chǎng)景下，如選擇性視頻加密，本文提出的TSTDM-MVP 紋理檢測(cè)模型能夠有效的檢測(cè)出視頻紋理區(qū)域；同時(shí)，根據(jù)式(11)和式(15)，對(duì)于一個(gè)16×16 的編碼塊，本文紋理檢測(cè)算法平均需要14 次加法和1 次判斷，而GMM 算法計(jì)算過(guò)程復(fù)雜，折合加法運(yùn)算約為15000 次，計(jì)算量遠(yuǎn)高于本文算法。

2.3 視頻加密算法

為保證視頻壓縮編碼效率和碼流格式兼容性，根據(jù)前文中的分析，對(duì)于編碼I 幀，本文僅對(duì)編碼塊量化后的非零DCT 系數(shù)符號(hào)進(jìn)行加密；對(duì)于編碼P 幀，由于編碼標(biāo)準(zhǔn)采用預(yù)測(cè)方式對(duì)運(yùn)動(dòng)矢量進(jìn)行差分編碼，故而選擇P 幀編碼塊非零MVD 符號(hào)進(jìn)行加密。

對(duì)于加密方式，本文采用實(shí)時(shí)性好的流加密算法。同時(shí)，為提高加密算法安全性，克服已知明文條件下的統(tǒng)計(jì)差分攻擊，本文參考動(dòng)態(tài)S-Box 加密技術(shù)[25-26]和分組加密CFB 模式，提出一種新穎的融合視頻特征的流密鑰生成算法(stream secret key generating method fusing video feature, SSKGMVF)，用于流加密過(guò)程，如圖6 所示。

圖6 SSKGM-VF 算法結(jié)構(gòu)圖

詳細(xì)的流密鑰生成過(guò)程如下：

1) 視頻編碼開(kāi)始前，根據(jù)用戶(hù)輸入的初始密鑰key0，直接利用分組加密算法對(duì)初始種子seed0進(jìn)行加密，得到一組加密數(shù)據(jù)，即圖6 中的sk，用作流加密的初始流密鑰；

2) 視頻編碼器利用前文中提出的紋理檢測(cè)模型選出紋理塊，輸出紋理塊的特征信息t 并與sk 進(jìn)行f 操作，得到的tf 與key0和seed0一起輸入到預(yù)處理模塊進(jìn)行處理，得到新的密鑰keyn和種子seedn，用于分組加密產(chǎn)生新的流密鑰sk；

3) 若視頻編碼尚未完成，返回過(guò)程2)繼續(xù)執(zhí)行；否則，流程結(jié)束。

利用SSKGM-VF 算法生成的流密鑰，對(duì)I 幀編碼塊量化后的非零DCT 系數(shù)和P 幀編碼塊非零MVD 的符號(hào)位進(jìn)行加密，具體加密過(guò)程如式(16)所示：

式中，NCS 和MVDS 分別代表紋理區(qū)域的非零DCT 系數(shù)符號(hào)和非零MVD 符號(hào)；ENCS 和EMVDS分別對(duì)應(yīng)NCS 和MVDS 加密后的結(jié)果；sk 為加密密鑰，由SSKGM-VF 算法產(chǎn)生；? 表示流加密運(yùn)算。

2.4 視頻解密算法

視頻解密是視頻加密的逆過(guò)程。編碼端通過(guò)安全信道將初始密鑰和初始種子傳輸?shù)浇獯a端，解碼端按照如下步驟進(jìn)行解密：

1)解碼器利用初始密鑰key0和初始種子seed0，計(jì)算流加密操作的初始流密鑰sk；

2)解碼器對(duì)視頻壓縮碼流進(jìn)行解析，得到加密后的量化DCT 系數(shù)和MVD，同時(shí)，利用預(yù)測(cè)機(jī)制計(jì)算得到MVP；

3)根據(jù)步驟2)得到的量化DCT 系數(shù)和MVP，解碼器利用TSTDM-QDCTC 和TSTDM-MVP 分別對(duì)I 幀和P 幀進(jìn)行紋理區(qū)域檢測(cè)；

4)對(duì)于紋理區(qū)域，利用流密鑰sk 對(duì)量化DCT系數(shù)或MVD 進(jìn)行符號(hào)解密；

5)將正確解密后的視頻特征反饋到SSKGMVF 算法中，繼續(xù)產(chǎn)生新的流密鑰用于解密過(guò)程；

6)若壓縮碼流均已解密完成，則結(jié)束流程，否則返回步驟2)繼續(xù)執(zhí)行。

通過(guò)上述步驟，解碼端即可得到真實(shí)的量化DCT 系數(shù)和MVD，后續(xù)視頻解碼過(guò)程才能得到真實(shí)的視頻內(nèi)容。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文所提加密算法的有效性，以應(yīng)用廣泛的H.264/AVC 編解碼器為驗(yàn)證平臺(tái)、JM8.6 軟件編解碼器參考模型為實(shí)現(xiàn)平臺(tái)，對(duì)21 個(gè)不同場(chǎng)景、不同運(yùn)動(dòng)幅度的CIF(352×288)格式的標(biāo)準(zhǔn)視頻序列進(jìn)行測(cè)試，所有視頻序列均按照幀率為30 fps、I 幀編碼周期為30、I 幀量化參數(shù)QP=28 的配置進(jìn)行編碼加密，總編碼幀數(shù)為150 幀。實(shí)驗(yàn)過(guò)程中，分組加密算法采用國(guó)密SM4 實(shí)現(xiàn)，流加密運(yùn)算、f 運(yùn)算和預(yù)處理過(guò)程均采用邏輯異或代替實(shí)現(xiàn)。本文主要從視頻加密效果、加密算法復(fù)雜度和加密算法安全性3 個(gè)方面分析本文所提加密算法的性能。同時(shí)，為避免不同實(shí)驗(yàn)條件對(duì)實(shí)驗(yàn)結(jié)果的影響，測(cè)試過(guò)程中兩種加密算法使用完全相同的流密鑰進(jìn)行加密。

3.1 視頻加密效果

視頻加密效果從主觀感受和客觀評(píng)價(jià)兩個(gè)方面進(jìn)行分析，且以視頻加密前后的峰值信噪比(peak signal noise ratio, PSNR)作為客觀評(píng)價(jià)的依據(jù)。本文以文獻(xiàn)[13]提出的選擇性加密算法為對(duì)照，對(duì)本文所提算法進(jìn)行性能測(cè)試與評(píng)估。同時(shí)，為避免不同實(shí)驗(yàn)條件對(duì)實(shí)驗(yàn)結(jié)果的影響，測(cè)試過(guò)程中兩種加密算法使用完全相同的加密密鑰。圖7 為兩個(gè)不同場(chǎng)景的測(cè)試視頻在兩種加密算法下的加密效果圖。

圖7 加密效果對(duì)比

從圖7 中可以發(fā)現(xiàn)，主觀上，與原始視頻相比，本文所提加密算法與參考算法均能有效保護(hù)視頻信息，人眼無(wú)法正確識(shí)別出加密視頻的真實(shí)內(nèi)容。不同的是，本文加密算法在平滑區(qū)域，如bus 視頻畫(huà)面中的石碑建筑和畫(huà)面深處相對(duì)較暗的樹(shù)木、football 視頻畫(huà)面中的大部分草地，沒(méi)有進(jìn)行過(guò)多的加密，而是將其判定為非紋理區(qū)域進(jìn)行處理；相反，本文算法在汽車(chē)、欄桿和運(yùn)動(dòng)員等細(xì)節(jié)較豐富的紋理區(qū)域、運(yùn)動(dòng)區(qū)域進(jìn)行了有效加密。但是，參考算法[13]沒(méi)有考慮這一點(diǎn)，而是對(duì)全局視頻進(jìn)行同強(qiáng)度加密，雖然整體加密效果更混亂，但加密數(shù)據(jù)量較多。

客觀上，本文對(duì)兩種加密算法加密前后的視頻信噪比進(jìn)行了統(tǒng)計(jì)分析，如表1 所示。

表1 不同視頻序列加密前后PSNR 對(duì)比結(jié)果dB

從表1 中可以看出，對(duì)于21 個(gè)不同場(chǎng)景的測(cè)試視頻，按照本文所提的選擇性加密算法進(jìn)行加密，加密后視頻平均信噪比為10.68 dB，而利用文獻(xiàn)[13]提出的算法進(jìn)行加密，加密后視頻平均信噪比為10.31 dB，相比之下，本文算法平均高出0.37 dB，這是因?yàn)楸疚乃惴ㄖ粚?duì)紋理區(qū)域進(jìn)行加密處理，而文獻(xiàn)[13]則是進(jìn)行全局加密，數(shù)據(jù)加密率高。但是，根據(jù)人眼視覺(jué)特性，當(dāng)信噪比低于15 dB 后，人眼將無(wú)法分辨出視頻內(nèi)容。因此本文加密算法和參考算法均能起到很好的視頻內(nèi)容加密作用。

3.2 加密算法復(fù)雜度

加密算法的復(fù)雜度主要取決于加密運(yùn)算自身復(fù)雜度和加密數(shù)據(jù)量大小。與已有文獻(xiàn)相同，本文加密運(yùn)算依然采用邏輯異或?qū)崿F(xiàn)，其本身計(jì)算復(fù)雜度極低，可不予考慮，因此，加密數(shù)據(jù)量成為衡量加密算法復(fù)雜度的唯一標(biāo)準(zhǔn)。

對(duì)于編碼I 幀的加密過(guò)程，除非零系數(shù)符號(hào)(non-zero coefficient sign, NCS)外，參考算法[13]還對(duì)編碼塊的IPM 進(jìn)行了加密操作，具體加密數(shù)據(jù)量比較結(jié)果如圖8 所示。

對(duì)于NCS 的加密過(guò)程，本文使用TSTDMQDCTC 紋理檢測(cè)模型對(duì)加密區(qū)域進(jìn)行了篩選，所以，相對(duì)于參考算法[13]，本文針對(duì)NCS 的加密數(shù)據(jù)量明顯減少，平均降低了21.30%。然而，對(duì)于IPM，視頻編碼協(xié)議對(duì)其有一定約束，即使加密后的IPM 符合標(biāo)準(zhǔn)允許的若干種模式，但無(wú)法保證時(shí)間和空間上的相關(guān)規(guī)定，例如，加密后的IPM可能需要利用在時(shí)間或空間上位于當(dāng)前編碼塊之后的相鄰塊數(shù)據(jù)進(jìn)行預(yù)測(cè)，此類(lèi)情況在通用解碼器上無(wú)法正常解碼。因此，本文算法并未對(duì)IPM 進(jìn)行加密，即針對(duì)IPM 的加密數(shù)據(jù)量降低了100%。

圖8 I 幀加密數(shù)據(jù)量對(duì)比

對(duì)于編碼P 幀的加密過(guò)程，本文算法和參考算法[13]均選擇MVD 符號(hào)位進(jìn)行加密，加密數(shù)據(jù)量比較結(jié)果如表2 所示。

表2 不同視頻序列MVD 符號(hào)加密數(shù)據(jù)量對(duì)比結(jié)果

從表2 中可以發(fā)現(xiàn)，經(jīng)過(guò)本文所提的TSTDMMVP 紋理檢測(cè)模型選擇后，本文算法對(duì)MVD 符號(hào)的加密數(shù)據(jù)量大大減小，平均結(jié)果為47166 比特。而參考算法[13]對(duì)編碼P 幀中的所有MVD 的符號(hào)均進(jìn)行了加密處理，平均加密數(shù)據(jù)量為135128比特，相比之下，本文算法平均加密數(shù)據(jù)量減少了65.10%，計(jì)算復(fù)雜度大大降低。

總體上，綜合考慮所有加密對(duì)象后，本文加密算法相對(duì)于參考算法，加密數(shù)據(jù)量平均降低了56.29%，若將加密數(shù)據(jù)量直接映射為加密時(shí)間開(kāi)銷(xiāo)，則本文加密算法時(shí)間消耗平均降低56.29%，為實(shí)時(shí)性視頻編碼加密提供了有利條件。

3.3 加密算法安全性

首先，對(duì)加密算法密鑰空間進(jìn)行分析，本文加密算法主要有兩類(lèi)依賴(lài)：1) TSTDM-QDCTC 和TSTDM-MVP 紋理檢測(cè)模型；2) SSKGM-VF 流密鑰生成算法。其中，紋理檢測(cè)模型共有4 個(gè)參數(shù)：TI0、 λI、TP0和 λP；流密鑰生成算法則有3 個(gè)參數(shù)：key0、seed0和t。因此，本文加密算法密鑰空間K 可表示為如下形式：

式中，key0、seed0和t 均為128 bit，在僅考慮key0和seed0的情況下，密鑰空間為2128×2128=2256，有效密鑰長(zhǎng)度已達(dá)256 bit，而一般認(rèn)為算法密鑰長(zhǎng)度達(dá)到128 bit 即為安全的，因此，本文加密算法密鑰空間達(dá)到安全標(biāo)準(zhǔn)，能夠有效抵抗暴力攻擊。

此外，本文利用NIST SP 800-22 對(duì)SSKGMVF 算法生成的流密鑰隨機(jī)性進(jìn)行了測(cè)試。NIST SP 800-22 是由美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院公布的數(shù)據(jù)序列隨機(jī)性測(cè)試工具，測(cè)試結(jié)果由P 值決定，當(dāng)P 值大于0.01 時(shí)，認(rèn)為被測(cè)試序列是隨機(jī)的。詳細(xì)測(cè)試結(jié)果如表3 所示。

表3 流密鑰SP 800-22 測(cè)試結(jié)果

從表3 中可以得出結(jié)論，基于SSKGM-VF 算法生成的流密鑰具有較好的隨機(jī)性，能夠抵御靜態(tài)分析攻擊。

4 結(jié) 束 語(yǔ)

本文提出了一種基于視頻混合編碼器的低復(fù)雜度紋理自適應(yīng)視頻加密算法，通過(guò)利用編碼過(guò)程中間數(shù)據(jù)(殘差DCT 系數(shù)和運(yùn)動(dòng)矢量)，構(gòu)建了兩種低計(jì)算復(fù)雜度的紋理檢測(cè)模型TSTDM-QDCTC和TSTDM-MVP，并以此作為加密區(qū)域選擇算法，實(shí)現(xiàn)對(duì)紋理區(qū)域的有效加密。以H.264/AVC視頻編碼為測(cè)試平臺(tái)進(jìn)行了算法驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，本文提出的紋理檢測(cè)模型和密鑰生成算法，加密后的視頻內(nèi)容得到了很好的保護(hù)，平均信噪比為10.68 dB；與此同時(shí)，相比于已有的SE 算法，加密數(shù)據(jù)量大大減小，平均降低了56.29%，為實(shí)時(shí)性視頻編碼加密提供了有利條件。