基于自适应哈希算法的直播视频篡改检测

文振焜，陈 斌，吴惠思

深圳大学计算机与软件学院，广东深圳 518060

【电子与信息科学 / Electronics and Information Science】

基于自适应哈希算法的直播视频篡改检测

文振焜，陈 斌，吴惠思

深圳大学计算机与软件学院，广东深圳 518060

提出基于视频压缩帧的自适应哈希算法，并将该算法用于实时视频篡改检测．根据帧内数据长度划分非固定步长区间，提取帧的空间结构特征，使用哈希量化形成固定长度的密钥．实验结果表明，该算法能达到实时性要求，表现出较好的鲁棒性和区分性，通过统计视频画面组的密钥相似度，能有效检测视频篡改．

计算机感知；自适应哈希算法；视频篡改；视频内容保护；实时视频；H.264编码器

随着带宽质量逐渐提升和通信资费不断降低，网络得到了更加广泛地普及，视频会话、视频监控和视频点播等直播流媒体的应用也呈现出巨大的需求．然而，对于视频信息的非法操作也随之而来，通过对视频内容进行修改，导致原始信息遭受破坏，从而达一些其非法目的，因此，实时视频传输的安全问题变得越来越重要．

通常，人们通过采用认证技术实现对视频内容的篡改检测，确保数据内容的可靠性和真实性．哈希算法是认证技术的具体方法之一，它除了具有单向性和摘要性，根据应用场景的需要还应具备鲁棒性、区分性和安全性[1]．目前，哈希算法已经被广泛用于文档内容认证[2]、语音内容认证[3-4]、图像内容认证[5-6]和视频图像帧序列内容认证[7-8]等领域．可见，哈希算法已被有效地使用到各种数据类型的认证中，实现对数据内容的保护．

在视频图像帧序列的哈希认证研究中，许多学者致力于分析不同特征对哈希算法性能的影响，这些特征包括：① 空域全局特征，如提取视频图像序列中每一帧的RGB通道的颜色直方图作为特征[9]，优点是运算速度快，缺点是不能感知结构的变化．② 空域局部特征，如通过将视频图像序列每一帧进行随机分块，在某一步长下，计算分块间的亮度均值差作为特征[10]，优点是生成密钥速度较快，缺点是随机分块会导致算法过鲁棒，从而影响局部内容篡改的检测．③ 时域特征，如提取视频图像序列帧之间的关系作为特征[7-8,10]，优点是能检测帧间的篡改行为，缺点是对帧内篡改的检测效果降低．④ 频域特征，如分别对视频图像序列每一帧划分为固定的分块，利用分块Gabor小波分析提取特征[11]，优点是具有较好的区分性，缺点是运行时间长．总体上，不同的特征提取速度、产生的哈希密钥长度和可区别的性能都不同．根据应用需要，设计合适的特征是十分重要的．

基于实时视频篡改检测的背景下，所设计的哈希算法必须达到实时检测的要求，既要求算法的时空复杂度应尽可能低，又不影响算法篡改检测的性能．现有的直播视频绝大多采用报文传输协议，能容忍网络丢包，从而达到实时性和同步性[12]．当传输信道受到干扰或网络拥挤时，传输的数据包会被噪声污染或出现丢包[13]．如采用以视频图像序列帧为单元的哈希算法，当遭受噪声污染或丢包时，会使重新编码的视频图像帧出现失真，影响视频内容认证．为此，本研究提出基于视频压缩流的自适应哈希算法，并以此为基础设计了视频篡改检测方案．实验表明，本算法产生的哈希密钥具有较好的鲁棒性和区分性，能达到实时有效检测．

1 总体框架

如图1，实时视频篡改检测分为视频加密和篡改检测两部分．在视频加密中，首先采集和编码视频，再计算其哈希密钥，最后将密钥和视频压缩数据进行网络协议封装和发送．在篡改检测中，首先对请求得到的网络数据包进行排序，分别以视频画面组(group of pictures，GOP)作为篡改检测单元，提取GOP中各个网络数据包的密钥和视频压缩数据，再重新计算得到密钥，并将其与旧密钥按位比较，统计GOP的平均误码率，最后通过经验阈值判别视频的GOP单元是否被篡改．

图1 实时视频篡改检测的总体框架图Fig.1 The overall frame of tamper detection about real-time live video

2 实时压缩视频结构协议

2.1 压缩视频结构

本研究采用H.264编码器[14]，对视频图像帧进行压缩．根据用户的参数设置，会产生1个或多个GOP，每个GOP有多种类型的压缩帧，包括序列参数集(sequence parameter set, SPS)、图像参数集(picture parameter set, PPS)和补充增强信息(supplemental enhancement information, SEI)，作为视频压缩数据的参数集，用于解码时能恢复原视频序列，而视频压缩帧分为即时解码刷新(instantaneous decoding refresh，IDR)、关键帧、向前预测帧和双向预测帧的类型．GOP中的每个视频压缩帧采用H.264定义的网络抽象层单元(network abstract layer unit, NALU)存放，以便后续能简单地进行网络封装和发送．如图2，将视频的多个连续的图像帧压缩，产生对应的GOP，其中包含第1个压缩帧SPS、第2个压缩帧PPS和其他类型的压缩帧．

图2 对实时视频压缩Fig.2 The compression of real-time video

2.2 实时传输协议

应用层、传输层和网络层分别采用实时传输协议(real-time transport protocol, RTP)、用户数据报协议(user datagram protocol, UDP)和互联网协议(internet protocol, IP)．将视频压缩后得到的NALU放入RTP的负载中，RTP能保证视频压缩帧数据能逻辑上有序，并按时到达目的地进行解码，从而作为UDP不可靠信息传送服务的缺陷补充，实现实时播放视频．

在不同的物理层网络中，最大传输单元(maximum transmission unit，MTU)都是不一样的．为了防止IP包分片，将NALU中设置为A类型的分片(fragmentation unit of A，FU-A)，用于应用层RTP分片代替IP分片，从而保证实时视频传输网络协议族的包长小于等于MTU．考虑在以太网环境下，MTU限制包长在1 500 byte，应设RTP负载长度为1 460 byte．其中，IPv4包头20 byte；UDP包头8 byte；RTP包头12 byte．对旧的NALU划分为最多MAX-NALU-LEN(1 460 byte)，形成FU-A类型的NALU．

本研究将各个压缩帧进行FU-A类型分片后，再计算哈希密钥．

3 网络视频实时加密算法

3.1 压缩视频实时特征提取算法

3.1.1 定步长的特征提取算法

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

(1)

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[LAAi,1, LAAi,2,…,LAAi,「counti/step」]． 因此，整体区域的平均强度为

(2)

比较局部与整体的平均强度差

Ri,j=GAAi-LAAi,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Rfeature_i=[Ri,1,Ri,2, …,Ri,「counti/step」]．

3.1.2 自适应的特征提取算法

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2x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2x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Nstepi(第i个RTP负载的视频压缩帧的步长)，转换公式为

(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

Numdeli=counti-FL×Nstepi

(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．

3.2 压缩视频实时哈希量化

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Rfeature_i进行哈希量化Rfeature_i，如

(6)

由此生成定步长和自适应的哈希摘要(哈希密钥)．

3.3 哈希密钥传输算法

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

4 结果及分析

本研究使用德国莱布尼茨-汉诺威大学公开的标准视频集(ftp://ftp.tnt.uni-hannover.de/pub/svc/testsequences/)作为实验分析的对象，从中选取不同亮度、颜色和物体移动程度的视频，包括bus、city、crew、football、foreman、harbour和ice共7个视频，视频格式为YUV420．将H.264编码器帧率设置为30帧/s，如表1所示的视频分辨率和GOP大小为30帧，对每个视频压缩编码和网络协议族封装后，分别产生311、480、1 071、1 202、801、1 536和1 148个压缩帧包．

实验所用计算机CPU为Intelcorei7-3770 3.40GHz，内存为4Gbyte， 64bitWindows7操作系统，使用Matlab2013a软件进行算法实现和对实验仿真进行分析．

4.1 检测端实验检测环境

对于定步长哈希算法，步长设置越大，平均哈希长度越长、区别性越好，但鲁棒性会降低．为使平均哈希长度、鲁棒性和区分性取得较好的平衡，本研究设置步长为24byte．经过7个视频的实验统计，当定步长哈希算法的步长设为24byte时，产生的平均哈希长度为37bit．对于自适应的哈希算法，本研究设固定长度哈希为64bit．

为了对视频流进行篡改检测，需逐一对网络传输得到RTP包中的视频压缩帧和密钥N进行匹配．首先，重新计算视频压缩帧的密钥M，再比较密钥N和M的比特位，统计不相似的比特位数占总比特位的比重，即误码率(biterrorrate,BER)．最后，统计GOP的平均误码率，将其与经验阈值比较，确定视频GOP是否被篡改．因为在对视频加密时，添加了视频压缩帧数据长度作为辅助信息，所以在篡改检测时，需先判断辅助信息是否准确，才能比较密钥的相似度．这不仅增强了判断的准确性，还提高检测的速度．

4.2 定步长哈希算法和自适应哈希算法的特征提取比较

4.2.1 鲁棒性实验

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．

4.2.2 算法的区分性实验

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

4.2.3 算法的比较分析

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．

4.3 视频篡改检测实验

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(CorelvideostudioproX8)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．

4.4 算法的时空复杂度分析

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64bit，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

4.5 算法比较实验

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

(7)

(8)

其中，Nf1为判定篡改帧是篡改的数量，Ntamper为被篡改帧的数量；Nf2为判定非篡改帧是篡改的数量；Nuntamper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

结 语

提出一种自适应哈希算法进行特征提取，用于UDP实时传输视频时检测第3方篡改视频内容．算法通过对视频压缩帧进行整体与局部的特征提取，形成与视频压缩帧相对应的哈希密钥，在对视频压缩帧进行网络协议封装时，将哈希密钥写入包头中，从而保证一一对应的检测．实验表示，本算法具有可靠的鲁棒性与区分性，在保证实时传输视频的前提下，能实现对篡改粒度较小的内容进行有效的检测．今后将重点研究各种类型的视频内容篡改操作，观察操作背后会导致怎样的视频压缩流变化，从而实现更精准和有效的视频哈希技术．

/ References：

[1] 牛夏牧，焦玉华．感知哈希综述[J]．电子学报，2008，36(7)：1405-1411． Niu Xiamu,Jiao Yuhua.An overview of perceptual hashing[J].Acta Electronica Sinica,2008,36(7): 1405-1411.(in Chinese)

[2] Tan Lina, Sun Xingming. Robust text hashing for content-based document authentication[J]. Information Technology Journal, 2011, 10(8):1608-1613.

[3] Zhang Qiuyu, Liu Yangwei,Huang Yibo,et al. Perceptual hashing algorithm for speech content identification based spectrum entropy in compressed domain[J]. International Journal on Smart Sensing and Intelligent Systems,2014,7(1): 283-300.

[4] Zhang Qiuyu, Liu Yangwei,Di Yanjun,et al. MFCC-based perceptual hashing for compressed domain of speech content identification[J]. Journal of Chemical & Pharmaceutical Research, 2014, 6(7): 379-386.

[5] Tang Zhenjun, Yu Junwei, Zhang Xianquan, et al. Discovery of tampered image with robust hashing[C]// Advanced Data Mining and Applications: 10th International Conference. Guilin, China: Springer International Publishing, 2014: 112-122.

[6] Tang Zhenjun, Ruan Linlin, Qin Chuan, et al. Robust image hashing with embedding vector variance of LLE[J]. Digital Signal Processing, 2015, 43:17-27.

[7] Liu Xiaocui, Sun Jiande, Liu Ju, et al. Shot-based temporally respective frame generation algorithm for video hashing[C]// IEEE International Workshop on Information Forensics and Security. Guangzhou, China: IEEE, 2013: 149-150.

[8] Liu Xiaocui, Sun Jiande, Liu Ju. Visual attention based temporally weighting method for video hashing[J]. IEEE Signal Processing Letters, 2013, 20(12): 1253-1256.

[9] 李海涛，林新棋，吴 鹏，等．基于颜色内容一致性的视频篡改检测[J]．福建师范大学学报自然科学版，2014, 30(2)：26-33． Li Haitao, Lin Xinqi, Wu Peng, et al. Digital video forgery detection based on color-content congruency[J]. Journal of Fujian Normal University Natural Science Edition, 2014, 30(2): 26-33.(in Chinese)

[10] 文振焜，高金花, 朱映映，等．融合时空域变化信息的视频感知哈希算法研究[J]．电子学报，2014，42(6)：1163-1167． Wen Zhenkun, Gao Jinhua, Zhu Yingying, et al. Video perceptual hashing fusing spatiotemporal change detection[J]. Acta Electronica Sinica, 2014, 42(6): 1163-1167.(in Chinese)

[11] 文振焜，高金花，杜以华，等．鲁棒可区分的压缩视频感知哈希算法研究[J]．深圳大学学报理工版，2013，30(2)：157-161． Wen Zhenkun, Gao Jinhua, Du Yihua, et al.Robust and discriminative perceptual hash algorithm in compressed video[J]. Journal of Shenzhen University Science and Engineering, 2013, 30(2): 157-161.(in Chinese)

[12] 高 毅．基于UDP的视频图像传输的研究与实现[J]．信息与电脑，2014(5):148-148． Gao Yi. Research and realization of transmitted video image based on UDP[J]. China Computer & Communication, 2014(5):148-148.(in Chinese)

[13] 刘河潮，常义林，陈玉峰．H.264/AVC网络视频的丢包失真评估[J]．哈尔滨工业大学学报，2014，46(5)：81-86． Liu Hechao, Chang Yilin, Chen Yufeng. H.264/AVC video quality assessment over IP network based on packet loss[J]. Journal of Harbin Institute of Technology, 2014, 46(5): 81-86.(in Chinese)

[14] Wiegand T, Sullivan G J, Bjontegaard G, et al. Overview of the H.264/AVC video coding standard[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2015, 13(7): 560-576.

[15] 张 悦．基于HBase的彩虹表 MD5 哈希密码解密[J]．深圳职业技术学院学报，2015(1)：18-22． Zhang Yue. Deciphering rainbow table MD5 hash password based on HBase[J]. Journal of Shenzhen Polytechnic, 2015(1): 18-22.(in Chinese)

【中文责编：英 子；英文责编：子 兰】

Tamper detection based on adaptive hashing algorithm for live video streaming

Wen Zhenkun, Chen Bin, and Wu Huisi†

College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060,Guangdong Province, P.R.China

A new adaptive hashing algorithm based on video compression frames for real-time detection of the tampered video streaming is proposed. According to data length of a frame, the algorithm divides the frame into a number of intervals with different step-size and extracts the frame feature in spatial structure. The feature is quantized to generate the secret key. The experimental results show that the algorithm can meet real-time requirement and is robust and discriminative. It can detect accurately a video tampered through counting the similarity of keys in each group of pictures in the video.

computer perception; adaptive hashing algorithm; video forgery; video content protection; real-time video; H.264 encoder

：Wen Zhenkun, Chen Bin, Wu Huisi．Tamper detection based on adaptive hashing algorithm for live video streaming[J]. Journal of Shenzhen University Science and Engineering, 2017, 34(2): 165-172.(in Chinese)

TP 37

A

10.3724/SP.J.1249.2017.02165

国家自然科学基金资助项目 (61572328)；深圳市科创委基础研究资助项目(JCYJ20160331114551175)

文振焜(1962—)，男，深圳大学教授．研究方向：宽带流媒体视频安全技术．E-mail：wenzk@szu.edu.cn

Received：2016-07-25；Revised：2016-12-30；Accepted：2017-01-19

Foundation：National Natural Science Foundation of China (61572328); Shenzhen Major Science and Technology Plan(JCYJ20160331114551175)

† Corresponding author：Professor Wu Huisi．E-mail: hswu@szu.edu.cn

引 文：文振焜，陈 斌，吴惠思．基于自适应哈希算法的直播视频篡改检测[J]. 深圳大学学报理工版，2017，34(2)：165-172.