基于模拟块的鲁棒视频水印技术

VW16E:一种基于模拟块的鲁棒视频水印技术

摘要

视频水印技术的基本思想是在视频宿主中隐藏信息,以实现认证和篡改检测等不同目的。在视频宿主中隐藏信息的最常见方法是空域方法。本文重点研究视频水印技术,特别是针对音频视频交错(AVI)格式的视频文件在空域中通过模拟块实现的水印技术。该文提出了一种新的水印技术,与其它类似方案相比,具有更高的不可感知性和高效的篡改检测能力。

关键词 水印 ⋅ Tamper检测 ⋅ Block simulation ⋅ Robustness

1 引言

数字水印是一种嵌入在宿主媒介(如数字图像、音频、文本、软件或视频)中的标识,通常用于所有权保护。水印技术是将数字信息隐藏于载体信号(宿主)中的方法。所隐藏的数据不一定与宿主内容相关 [1]。特别是对于视频文件,为了应对非法篡改和不诚实分发问题,应用了视频水印技术 [2]。

数字视频在法庭中作为法庭证据发挥着重要作用[3]。因此,视频文件应具备可认证性,并能够检测篡改,为此应用了诸如水印之类的技术。水印不得对视觉信息产生任何影响,也不得降低视频证据的可信度。因此,高不可感知性的水印已对此做出了响应。

提及的必要性 [4–7]。视频篡改检测是当今研究人员在多媒体安全领域面临的挑战 [8, 9]。尽管视频水印具有多种特性,但主要的三个特性是不可感知性、鲁棒性和有效载荷或容量,它们之间密切相关,例如当鲁棒性增加时,不可感知性会降低,反之亦然[10, 11]。对于任何应用和相关技术,都应找到这些相互冲突要求之间的正确平衡[10, 12]。

如今,许多场合都已安装了摄像头,甚至在街道上也安装了用于监控斗殴、毒品交易和其他不当行为的摄像头。警方可以实时看到犯罪过程,或利用视频协助后续调查。数字多媒体内容可以轻松复制和存储,且不会损失保真度。在数字视频系统(DVS)中,视频文件至关重要,因为它可作为证据使用;然而,市面上有许多视频编辑软件可以轻易地对视频文件进行篡改,操作简单、成本低廉 [13]。

随着通信网络的发展,由于数字产品易于转换和复制的特性,数字篡改检测已成为亟待解决的关键问题。与数字图像相比,用于视频水印篡改检测的技术发展较为滞后[10]。由于视频帧之间存在天然冗余性,因此适用于图像篡改检测的技术并不适用于数字视频水印,尤其无法应对帧丢弃、帧插入、帧移位等攻击。此外,现有技术在检测篡改区域方面的能力也受到限制[14]。

篡改检测技术必须设计用于确保视频内容验证和防止伪造。研究人员已提出数字水印以验证数字视频的内容完整性[15–18]。在任何领域中的大量修改均可用于水印技术[19]。另一方面,视频市场正变得越来越流行;摄像头信息结果在环境和人员安全中起着重要作用。为了不改变视觉信息的概念,嵌入的数据应具有不可感知性和鲁棒性。因此,除了鲁棒性和不可感知性外,视频水印还受到计算量的约束[20]。

视频应用需要处理大量的序列。水印技术也可以应用于频域。这些技术能够获得更高的不可感知性以及更好的鲁棒性。频域方法的缺点是与空域方法相比计算量较大。空域技术比其他水印领域更适合视频水印。水印也可以嵌入到频域 [21] 中。在变换域中,首先将宿主转换到频域,然后添加水印,再进行逆频域变换。其中一种常见的变换方法是离散余弦变换(DCT),它将图像划分为低、中、高频带。从不可感知性的角度来看,中频带是最优的选择该频带而非另外两个频带。如果将水印嵌入高频子带,边缘细节和其他信息会受到影响[22–24]。另一方面,当水印嵌入低频子带时,不可感知性会受到负面影响。离散余弦变换在透明性方面不如空域方法高效,且其计算量相对较大[11]。另一种常见的变换方法是离散小波变换,它将图像分解为四个子带:低分辨率近似子带(LL)、水平细节子带(HL)、垂直细节子带(LH)和对角线细节子带(HH)。边缘和纹理模式位于高分辨率子带中。

不能在LL子带中嵌入水印,因为图像的平滑部分位于此区域;也不能在 HH子带中嵌入水印,否则会导致图像的主要细节丢失。因此,通常选择 HL和LH子带进行水印嵌入[21]。离散小波变换在透明性方面也不如空域方法高效,且相比离散余弦变换具有更高的计算量[25]。

在视频宿主中隐藏信息最常用的方法是空域技术。空域技术的鲁棒性不如其他技术高。为了提高空域技术的鲁棒性,可以多次重复嵌入水印。因此,如果在遭受攻击后仍有单个水印副本得以保留,则该水印可以被提取出来,从而通过鲁棒性测试。此外,尽管空域技术易于实现,但有时添加的噪声会完全破坏水印,并且攻击者通过将预期样本与接收到的信号[10, 26,27]进行比较可能察觉到这一点。

为了使空域技术与其他技术一样高效,需要更多的有效载荷来嵌入附加信息。这些附加信息将包括冗余水印以确保可实现的鲁棒性,以及更多像素的元数据以确保可实现的效率来检测更多攻击。所有这些所需的附加信息都会降低质量(不可感知性)[9]。

本文提出了VW16E技术,并讨论了该技术的设计与实现。该技术在空域中实现。在AVI视频文件格式中,每个像素由2字节表示。采用分块技术来确定具体被修改的块。

2 块模拟

每个 2 × 2块的模拟由视频流中四个连续的像素组成,如图 1 所示。在模拟过程中,读取前两个像素后,无需跳转到下一行来读取最后两个像素。在块模拟中,视频数据被视为连贯的数据,视频帧不会对构建块造成限制。一个块可以由两个不同帧的像素构成,例如前三个像素来自一个块的末尾,最后一个像素来自下一帧。该技术能够水印更多的像素(几乎全部像素)

而不是常见的创建真实 2 × 2块并排除块周围边界处未包含像素的技术。

每个块中第一个像素的地址代表该’块的地址。所提出的 2 × 2技术将视频流分割为不重叠的模拟块。因此,如图 2 所示,块的每个单元中有 2 个字节。

所提出的水印即VW16E技术,具有16位。该水印被替换为每个像素的 4个最低有效位(LSB)。该水印由完整性位和保密位组合而成。水印包含 12位完整性位和4位保密位。完整性位中包含4位块地址和8位像素数据。这 16位水印是每个大小为 2 × 2像素的模拟块的签名。

示意图0

示意图1

图 3显示,所有像素均参与创建16位水印。每个像素中的两个最高有效位用于完整性信息。至此,已生成16位中的8位。如图4所示,该块的地址以4字节表示,并在

水印仅使用4位。因此,引入了16位中的12位。剩余的16位水印中的4位保留用于保密位。

完整性和机密位被共同设置并形成16位水印。如图5所示,所有机密位均位于最低有效位的第一层。该技术在最低有效位的末层嵌入16位水印信息,其中机密位位于最低有效位的末层,称为末端视频水印16,简称“ VW16E”。

示意图2

示意图3

示意图4

图 6显示了编写VW16E的软件代码部分。首先,与一个块相关的四个像素被标红并展开。然后按提及的顺序替换完整性数据。至此,已写入8位水印。在此程序中,消息大小被存储,将在提取时使用。为了写入剩余的四位水印,在 “if” 中,首先检查消息大小的值是否 完成,将开始写入机密数据。

示意图5

3 测试不可感知性

本节详细展示了该技术的实现结果。为了测试该技术的不可感知性,共选取了14个以AVIfile格式录制的视频样本进行测试。各实验视频序列的参数如表1所示。这些视频根据不同的时长和不同的总帧数进行选择。另一方面,对于机密位,选用了四种不同大小的文本file。消息参数如表2所示。

为了提高空域水印技术的鲁棒性,可以多次嵌入一个小水印。因此,只要有一个水印副本得以保留,该方法即通过鲁棒性测试。因此,所有作为保密位与完整性位一起嵌入的机密消息均为同一个RSA密钥的重复。本研究中将保密位称为消息。消息编号1为一个RSA密钥,消息编号2为18个相同的RSA密钥,消息编号3为212个相同的RSA密钥,消息编号4为同一RSA密钥重复1182次。

本节介绍了在所有视频样本中使用VW16E技术嵌入四条消息的实验结果。另一方面,计算了每个原始视频与嵌入消息后的视频之间的峰值信噪比 (PSNR)。

3.1 视频样本1的VW16E技术测试结果

本节展示了将四条消息嵌入视频样本1的结果。这些消息的大小各不相同。
M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为353,828字节,M4的大小为1,972,764字节,而视频样本1的大小为16,080,844字节。

在样本1中可用于机密消息的最大可用比特数为5,356,800位。

由于M4中的位数超过了样本1中为机密消息预留的预留比特数量,因此 M4不适合在第一个视频样本中通过VW16E技术进行替换;因此,最后一条消息没有结果。其余三条消息均被嵌入,并计算了PSNR,该值表示原始视频宿主与水印视频之间的一致性。表3显示了PSNR值的结果。如预期所示,图7的结果表明,随着消息大小的增加,PSNR值下降。

视频样本编号 大小(字节) 长度(秒) 帧宽度(像素) 帧高度(像素) 帧率(帧/秒) 总帧数 总像素 完整性位(VW16E)
1 16,080,844 0.00.03 320 180 29 93 5,356,800 16,070,400
2 29,272,060 0.00.04 320 240 29 127 5,356,800 16,070,400
3 39,239,260 0.00.07 320 180 29 227 9,753,600 29,260,800
4 57,212,956 0.00.11 320 180 29 331 13,075,200 39,225,600
5 68,964,988 0.00.13 320 180 29 399 13,075,200 39,225,600
6 78,813,220 0.00.11 320 240 29 342 19,065,600 57,196,800
7 125,128,444 0.00.18 320 240 29 543 22,982,400 68,947,200
8 129,042,292 0.00.14 320 320 29 420 26,265,600 78,796,800
9 243,690,052 0.00.47 320 180 29 1410 26,265,600 78,796,800
10 245,936,764 0.00.47 320 180 29 1423 26,265,600 78,796,800
11 259,417,036 0.00.50 320 180 29 1501 26,265,600 78,796,800
12 260,626,804 0.00.50 320 180 29 1508 26,265,600 78,796,800
13 296,064,676 0.00.53 320 192 29 1606 26,265,600 78,796,800
14 391,159,132 0.00.51 320 262 29 1555 26,265,600 78,796,800
名称 文件类型 大小(字节) 机密比特
M1 TXT 1,669 13,352
M2 TXT 30,044 240,352
M3 TXT 353,828 2,830,624
M4 TXT 1,972,764 15,782,112
宿主 宿主大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本1 16,080,844 M1 13,352 16,070,400 34.971
视频样本1 16,080,844 M2 240,352 16,070,400 34.965
视频样本1 16,080,844 M3 2,830,624 16,070,400 34.902
视频样本1 16,080,844 M4 15,782,112 16,070,400 M4 too big

示意图6

3.2 VW16E技术对视频样本2的测试结果

本节展示了将四条消息嵌入到大小为29,272,060字节的视频样本2中的结果。
另一方面,M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为 353,828字节,M4的大小为1,972,764字节。在样本2中可用于嵌入机密消息的最大可用比特数为9,753,600。尽管M4的大小小于样本2的大小,但使用 VW16E技术时M4并不合适,因为M4内部的比特数超过了预留的比特数。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本2 29,272,060 M1 13,352 29,260,800 34.757
视频样本2 29,272,060 M2 240,352 29,260,800 34.754
视频样本2 29,272,060 M3 2,830,624 29,260,800 34.734
视频样本2 29,272,060 M4 15,782,112 29,260,800 M4 也 big

示意图7

3.3 VW16E技术对视频样本3的测试结果

本部分展示了将四条消息嵌入视频样本3的结果。按顺序嵌入到视频样本3中的四条消息的大小分别为1,669字节、30,044字节、353,828字节和 1,972,764字节。第三个视频流的容量为39,239,260字节。每条消息均被嵌入,并计算了PSNR,该值表示原始视频宿主与水印视频之间的保真度。图 9描绘了PSNR的变化趋势:消息尺寸增大,PSNR值降低。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本3 39,239,260 M1 13,352 39,225,600 34.771
视频样本3 39,239,260 M2 240,352 39,225,600 34.769
视频样本3 39,239,260 M3 2,830,624 39,225,600 34.753
视频样本3 39,239,260 M4 15,782,112 39,225,600 34.667

示意图8

3.4 VW16E技术对视频样本4的测试结果

本节展示了将四条消息嵌入视频样本4的结果。消息的大小各不相同。M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为353,828字节, M4的大小为1,972,764字节,而视频样本4的大小为57,212,956字节。每条消息均被嵌入,并计算了PSNR,该值表示原始视频宿主与水印视频之间的保真度。表6给出了PSNR值的计算结果。图10显示的曲线符合预期趋势。

宿主 宿主大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本4 57,212,956 M1 13,352 57,196,800 34.864
视频样本4 57,212,956 M2 240,352 57,196,800 34.863
视频样本4 57,212,956 M3 2,830,624 57,196,800 34.852
视频样本4 57,212,956 M4 15,782,112 57,196,800 34.795

示意图9

3.5 VW16E技术对视频样本5的测试结果

在本节中,展示了将四条消息嵌入到大小为 68,964,988 字节的视频样本5中的结果。另一方面,该尺寸
M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为353,828字节, M4的大小为1,972,764字节。表7展示了峰值信噪比,用于计算原始视频宿主与水印视频之间的保真度。当消息大小减小时,PSNR随之增加,如图11所示。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本5 68,964,988 M1 13,352 68,947,200 35.001
视频样本5 68,964,988 M2 240,352 68,947,200 35.000
视频样本5 68,964,988 M3 2,830,624 68,947,200 34.992
视频样本5 68,964,988 M4 15,782,112 68,947,200 34.940

示意图10

3.6 VW16E技术对视频样本6的测试结果

本部分展示了将四条消息嵌入视频样本6的结果。按顺序嵌入到视频样本6中的四条消息的大小分别为1,669字节、30,044字节、353,828 字节和 1,972,764 字节。第六个视频流的容量为78,813,220 字节。表8显示了每条消息成功嵌入的结果,并计算了PSNR,该值表示原始视频宿主与水印视频之间的保真度。图12描绘了PSNR的变化趋势;其符合预期趋势,即随着消息大小的增加,PSNR值逐渐下降。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本6 78,813,220 M1 13,352 78,796,800 34.784
视频样本6 78,813,220 M2 240,352 78,796,800 34.784
视频样本6 78,813,220 M3 2,830,624 78,796,800 34.776
视频样本6 78,813,220 M4 15,782,112 78,796,800 34.735

示意图11

3.7 VW16E技术对视频样本7的测试结果

在本节中,展示了使用VW16E技术将四条消息嵌入到大小为125,128,444字节的视频样本7中的结果。
M1 的大小为 1,669 字节,M2 的大小为 30,044字节,M3 的大小为 353,828 字节,M4 的大小为 1,972,764 字节。此外,表9列出了峰值信噪比,用于表示原始视频宿主与水印视频之间的保真度,其值已计算得出。如图13所示,随着消息大小的增加,峰值信噪比下降。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本7 125,128,444 M1 13,352 125,107,200 34.917
视频样本7 125,128,444 M2 240,352 125,107,200 34.917
视频样本7 125,128,444 M3 2,830,624 125,107,200 34.912
视频样本7 125,128,444 M4 15,782,112 125,107,200 34.886

示意图12

3.8 VW16E技术对视频样本8的测试结果

本节展示了将四条消息嵌入到视频样本8的结果。这些消息的大小各不相同。
M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为353,828字节, M4的大小为1,972,764字节,而视频样本8的大小为129,042,292字节。每条消息均被嵌入,并计算了PSNR值,该值表示原始视频宿主与水印视频之间的一致性。表10显示了PSNR值的结果,图14表明该图形符合预期趋势。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本8 129,042,292 M1 13,352 129,024,000 34.926
视频样本8 129,042,292 M2 240,352 129,024,000 34.924
视频样本8 129,042,292 M3 2,830,624 129,024,000 34.909
视频样本8 129,042,292 M4 15,782,112 129,024,000 34.840
宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本9 243,690,052 M1 13,352 243,648,000 34.702
视频样本9 243,690,052 M2 240,352 243,648,000 34.701
视频样本9 243,690,052 M3 2,830,624 243,648,000 34.700
视频样本9 243,690,052 M4 15,782,112 243,648,000 34.688

3.10 VW16E技术对视频样本10的测试结果

本节展示了将四条不同大小的消息嵌入到视频样本10中的结果。M1的大小为 1,669字节,M2 为 30,044字节,M3 的大小为 353,828 字节,M4 的大小为 1,972,764 字节,而视频样本10 的大小为 245,936,764 字节。这四个消息均被嵌入,并计算了代表原始视频宿主与水印视频之间保真度的 PSNR。表12显示了 PSNR值 的结果。如图 16所示,PSNR 呈现出预期的趋势。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本10 245,936,764 M1 13,352 245,894,400 34.881
视频样本10 245,936,764 M2 240,352 245,894,400 34.880
视频样本10 245,936,764 M3 2,830,624 245,894,400 34.870
视频样本10 245,936,764 M4 15,782,112 245,894,400 34.831

3.11 VW16E技术对视频样本11的测试结果

将四条消息嵌入到视频样本11中的结果在本部分中给出。按顺序嵌入到视频样本11中的四条消息的大小分别为1,669字节、30,044字节、353,828字节和 1,972,764字节。第11个视频流的容量为259,417,036字节。每条消息均被嵌入,并计算了表示原始视频宿主与水印视频的峰值信噪比已计算并显示在表13中。图 17描述了峰值信噪比的趋势;随着消息大小的增加,峰值信噪比下降。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本11 259,417,036 M1 13,352 259,372,800 35.010
视频样本11 259,417,036 M2 240,352 259,372,800 35.010
视频样本11 259,417,036 M3 2,830,624 259,372,800 35.007
视频样本11 259,417,036 M4 15,782,112 259,372,800 34.991

3.12 VW16E技术对视频样本12的测试结果

本节展示了将四条消息嵌入到视频样本12中的结果。消息的大小各不相同。
M1的大小为1,669字节,M2的大小为30,044字节,M3的大小为353,828字节, M4的大小为1,972,764字节,而视频样本12的大小为260,626,804字节。每条消息均被嵌入,并计算了表示原始视频宿主与水印视频之间保真度的PSNR值。表 14展示了PSNR值的结果。如图18所示,随着消息大小的增长,PSNR值下降。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本12 260,626,804 M1 13,352 260,582,400 34.720
视频样本12 260,626,804 M2 240,352 260,582,400 34.719
视频样本12 260,626,804 M3 2,830,624 260,582,400 34.717
视频样本12 260,626,804 M4 15,782,112 260,582,400 34.705

3.13 VW16E技术对视频样本13的测试结果

在本节中,展示了将四条消息嵌入到大小为296,064,676字节的视频样本13 中的结果。另一方面,M1的大小为1,669字节,M2的大小为30,044字节, M3的大小为353,828字节,M4的大小为1,972,764字节。表15列出了峰值信噪比,用于计算原始视频宿主与水印视频之间的保真度。图19显示,随着消息大小的增加,峰值信噪比下降。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本13 296,064,676 M1 13,352 296,017,920 34.788
视频样本13 296,064,676 M2 240,352 296,017,920 34.788
视频样本13 296,064,676 M3 2,830,624 296,017,920 34.785
视频样本13 296,064,676 M4 15,782,112 296,017,920 34.770

3.14 VW16E技术对视频样本14的测试结果

本部分展示了将四条消息嵌入视频样本14的结果。按顺序嵌入视频样本14的四条消息的大小分别为1,669字节、30,044字节、353,828字节和1,972,764字节。第14个视频流的容量为391,159,132字节。这四条消息被嵌入,且计算了峰值信噪比,该指标表示原始视频宿主与水印视频之间的保真度。图20峰值信噪比遵循预期趋势。

宿主 主机大小(字节) 机密消息 机密Bit 完整性位用于VW16E PSNR
视频样本14 391,159,132 M1 13,352 391,113,600 34.989
视频样本14 391,159,132 M2 240,352 391,113,600 34.989
视频样本14 391,159,132 M3 2,830,624 391,113,600 34.986
视频样本14 391,159,132 M4 15,782,112 391,113,600 34.973

4 测试与评估的讨论与分析

提出了一种新的空间方案用于篡改检测,以提高篡改检测的不可感知性和效率。VW16E技术能够将机密性和完整性信息完美地嵌入到宿主视频中,同时提高了篡改检测的效率,但PSNR并未显著提升。此阶段的平均PSNR为 34.84分贝。在本节中,讨论了测试结果,并对所提技术的效率进行了测试。

此处水印仅指机密消息。

在本部分中,对采用VW16E技术嵌入水印的一个水印视频流应用了九种攻击,并对其结果进行了分析。在本节中,对嵌入水印后的视频流施加了一些攻击,包括帧插入、帧交换、帧删除、裁剪、旋转、反向旋转、帧移位、椒盐噪声和叠加攻击。接下来的步骤是对受攻击的视频进行篡改检测。为了本次测试和评估,我们选择了那些使用最大消息量技术嵌入水印的视频。这是因为视频的大部分区域都包含有效载荷,且显然整个视频都具有用于篡改检测的完整性位。

样本编号 攻击 第一个被篡改像素的地址 (十六进制) 是否检测到篡改 是否提取出水印 NC (%) 密钥可用性 效果
1 帧交换 3239AB 是 是 0.9999 是 20 和 93 交换
2 帧插入 4C97FB 是 是 0.9999 是 93 复制并插入到 30–50 之前
3 帧删除 B6113B 是 是 0.9999 是 第70帧被删除
4 裁剪 6081B 是 否 NA NA 左右各裁剪40像素
5 旋转 2013 是 否 NA NA 10°
6 反向旋转 2013 是 否 NA NA 10°
7 帧移位 55CFB 是 是 0.8085 是 左移1帧
8 椒盐噪声 17F6BB 是 是 0.9999 是 第10–12帧应用
9 前景叠加 1828B 是 是 0.9576 是 第1–5帧叠加

4.1 对视频样本1的攻击

使用VW16E技术将第二条消息嵌入到样本1中。在宿主上应用了九种前述攻击。这九种攻击分别为帧插入、帧交换、帧删除、裁剪、旋转、反向旋转、移位、椒盐噪声和叠加攻击。这些攻击应用于嵌入水印后的视频流,随后分析受攻击的视频以判断其是否被篡改。表17显示了各种攻击下的篡改检测结果。如果能够提取出水印,则计算所提取水印的归一化系数(NC),并且如第二节所述,所使用的消息是密钥的重复。根据表17,在评估鲁棒性时,只要能成功恢复出一个完整的密钥即视为有效。

4.1.1 视频样本1上的裁剪攻击

对大小为16,080,844字节、包含30,044字节消息的样本1的所有帧,从上下左右各裁剪了四十(40)个像素。结果显示检测到修改,并返回地址 6081B作为第一个被篡改的块。图21 显示了嵌入水印后的帧,而同一帧的篡改检测结果如图22所示。

4.1.2 视频样本1上的帧删除攻击

样本1中第70帧已被删除,样本大小为16,080,844字节,消息为30,044字节。结果显示检测到修改,并返回地址B6113B作为被篡改的第一个块。第71帧的篡改检测结果如图 23所示。提取的水印NC为99.98%。

4.1.3 视频样本1的帧交换攻击

样本1中第20帧替换为第93帧,文件大小为16,080,844字节,消息大小为 30,044字节。结果表明修改被检测到,并返回地址3239AB作为被篡改的第一个块。提取出的水印的归一化系数为 99.98%。

4.1.4 视频样本1上的帧插入攻击

在宿主编号一(大小为16,080,844字节,包含30,044字节的消息)中,第 93帧被复制。结果显示检测到修改,并返回地址4C97FB作为被篡改的第一个块。提取出的水印的NC为99.98%。

4.1.5 视频样本1上的旋转攻击

样本1的所有帧,大小为16,080,844字节,并包含30,044字节的消息,已被旋转10°。结果显示检测到修改,地址2013被返回为第一个被篡改的块。图 24显示了嵌入的帧。

4.1.6 反向旋转攻击视频样本1

样本1的所有帧,大小为16,080,844字节,并包含30,044字节的消息,均被旋转了10°,然后被反转。结果显示未检测到修改。如图25所示为嵌入水印的帧,图26显示了被篡改的帧。

4.1.7 视频样本1上的椒盐攻击

对于第10、11和12帧,在大小为16,080,844字节且包含30,044字节消息的样本1上添加了椒盐噪声。结果显示检测到修改,并返回地址17F6BB作为第一个被篡改的块。图27显示了同一帧的篡改检测结果。提取水印的归一化相关值为99.98%。

4.1.8 视频样本1的帧移位攻击

样本1进行左移一帧,大小为16,080,844字节,并包含30,044字节的消息。结果显示检测到修改,返回地址55CFB作为被篡改的第一个块。提取水印的归一化相关值为80.85%。

4.1.9 视频样本1的叠加攻击

对于样本1中大小为16,080,844字节且包含30,044字节消息的帧编号1、2、3、4和5,已应用叠加。结果表明检测到修改,并返回地址1828B作为被篡改的第一个块。提取水印的归一化系数为95.76%。

5 结论

为认证和篡改检测等不同目的在视频宿主中隐藏信息是视频水印技术的基本思想。空域技术是用于在视频宿主中隐藏信息的最常见方法。我们专注于视频水印;特别是针对空域中的音频视频交错(AVI)格式的视频文件格式,通过模拟块实现。我们提出了一种新的水印技术,与其它类似方案相比,具有更高的不可感知性和高效的篡改检测能力。

SynthID-Image:基于频域与深度学习的鲁棒数字水印技术 数字水印技术通过在多媒体内容中嵌入不可见标识信息,为数字版权管理提供核心支撑。其技术原理主要涉及频域变换(如DCT)和深度学习模型,前者利用图像频域特性实现信息隐藏,后者通过神经网络增强对抗攻击能力。现代水印技术需要平衡不可见性、鲁棒性和检测效率三大指标,特别是在互联网内容分发场景下。SynthID-Image创新性地结合量化索引调制(QIM)和双路神经网络架构,有效解决了JPEG压缩、几何变换等常见攻击的抵抗问题。该技术在数字版权保护、深度伪造检测等领域具有广泛应用,其分布式编码框架可实现每分钟1200张 阅读详情

相关推荐

CoPaD-Mark:基于深度学习的鲁棒图像水印方案设计与实战

图像水印技术是多媒体安全与信息隐藏领域的核心课题,旨在保护数字内容的版权与完整性。其基本原理是通过在图像中嵌入不易察觉的标识信息,实现版权声明、内容认证或追踪溯源。传统方法多依赖手工设计的特征,在鲁棒性与不可感知性之间难以平衡。深度学习,特别是卷积神经网络(CNN),凭借其强大的特征学习能力,为构建智能水印系统提供了新范式。通过端到端的对抗训练,模型能自动学习最优的信息嵌入与提取策略,其技术价值在于显著提升了水印在应对压缩、噪声等常见图像处理攻击时的生存能力。这种基于深度学习的方案可广泛应用于数字版权保护、

weixin_34260100的博客 370

视频数字水印

视频数字水印 一.目前状况: 由于视频序列是由一系列连续静止图像组成,图像水印技术可以直接应用于视频序列,然而图像与视频之间的重要区别也表明了针对视频会有特殊的方法。 近年来,学术界对数字水印的研究主要集中在静止图像,提出了各种图像水印的算法,使之日趋成熟。由于视频信号本身所具有的复杂性和特殊性,目前提出针对视频信号的水印方案还比较少,已有的视频水印仅将图像水印简单推广,在...

weixin_33727510的博客 713

AI视频水印技术:基于扩散模型的版权保护方案

数字水印技术作为多媒体版权保护的核心手段,通过在频域嵌入不可见标识信息实现内容溯源。其技术原理主要涉及离散余弦变换(DCT)和小波变换(DWT)等信号处理方法,需平衡不可感知性、鲁棒性和容量三大指标。随着AI生成内容(AIGC)的爆发,基于扩散模型(Diffusion Model)的新型水印方案展现出独特优势:在潜在空间嵌入水印能实现与生成过程的深度耦合,SKe模块通过分块嵌入和自适应强度控制提升抗攻击能力,DA模块则利用3D卷积分析时域相关性优化提取准确率。该技术在视频版权保护、内容认证协议(C2PA)等

359

革命性视频水印技术:如何实现企业级版权保护的自动化方案

在数字媒体内容爆炸式增长的时代,视频版权保护面临着前所未有的挑战。传统水印技术要么牺牲视觉质量,要么缺乏足够的鲁棒性,难以应对复杂的网络攻击和内容篡改。VideoSeal作为Meta公司开源的高效视频水印技术,通过深度学习驱动的智能水印嵌入与检测机制,为数字内容版权保护提供了革命性的解决方案。 ## 行业痛点与技术挑战 数字内容版权保护面临多重技术挑战:水印的不可感知性与鲁棒性之间存在天然的权

gitblog_00058的博客 835

零水印技术:基于生成编辑模型的图像版权保护方案

在数字图像处理领域,生成编辑模型(如扩散模型)通过内容/结构保留损失实现高质量的图像编辑。零水印技术利用这些模型的关系不变性,在不修改图像像素的情况下实现版权保护。该技术通过ViT特征提取和MLP网络预测稳定的补丁对关系,特别适用于医疗影像和数字艺术品管理等对图像质量要求极高的场景。Rel-Zero框架展示了如何结合生成编辑模型和零水印技术,解决传统水印在鲁棒性和保真度之间的矛盾。

weixin_34127717的博客 357

新疆大学等提出DiffMark扩散水印算法:为数字身份打造对抗Deepfake的“隐形盾牌”

它会利用一个特定的Deepfake模型来“攻击”正在生成的带水印图像,并根据水印的提取情况,反过来给扩散模型的去噪过程一个“指导信号”,告诉它如何调整才能让生成的水印更难被破坏。,该文提出一种名为DiffMark的鲁棒水印框架,它巧妙地利用扩散模型,在生成图像的同时无缝嵌入肉眼不可见的水印,并创新性地引入“对抗Deepfake”的引导机制,能有效抵抗多种Deepfake攻击,为数字内容的真实性验证和溯源提供了强大武器。DiffMark的聪明之处在于,它没有走“先生成图像,再添加水印”的老路,而是将。

我爱计算机视觉 1157

AIVideo视频水印技术:基于神经网络的隐形水印方案

本文介绍了如何在星图GPU平台上自动化部署AIVideo一站式AI长视频工具镜像,实现基于神经网络的隐形视频水印功能。该技术能在不影响观看体验的前提下,将版权信息深度嵌入视频帧中,有效抵抗压缩、裁剪等常见处理,为视频内容保护提供可靠解决方案。

weixin_35835018的博客 228

AI音乐水印技术解析:从音频指纹到合规实践

数字水印技术是一种将标识信息嵌入多媒体内容中的信息隐藏技术,其核心原理是通过对原始信号进行特定调制,在不影响感知质量的前提下实现版权保护与内容溯源。在音频领域,该技术常采用频域变换、扩频编码等方法,将水印信号嵌入人耳不敏感的频段或利用心理声学模型进行掩蔽。随着AIGC(人工智能生成内容)的爆发式增长,传统版权保护机制面临失效风险,音频水印的技术价值日益凸显,它能为AI生成内容提供不可篡改的数字指纹,实现从被动防御到主动合规的关键转变。在应用场景上,该技术不仅适用于音乐、语音等音频内容的版权保护,更在AI生成

weixin_34208283的博客 428

AI生成图像的隐形水印技术原理与实现

数字水印技术作为版权保护的重要手段,通过在数字内容中嵌入不可见标识信息,解决AI生成图像的版权归属问题。其核心原理基于人眼视觉系统(HVS)的掩蔽效应和频域信号处理,将水印信息嵌入到图像的DCT/DWT变换域中,实现视觉不可见性与抗攻击性的平衡。在工程实践中,隐形水印技术需要兼顾不可见性、鲁棒性和容量三大指标,采用扩频编码和自适应强度调整等策略优化性能。该技术已广泛应用于AI艺术创作、商业设计和数字资产管理等领域,特别是在Stable Diffusion等生成模型中,通过将水印嵌入过程与图像生成耦合,显著提

weixin_34025151的博客 524

AIGC水印技术全链路优化:从原理到实战的鲁棒性提升策略

数字水印技术通过在多媒体数据中嵌入隐蔽信息,实现内容的版权保护与来源认证。其核心原理是利用信号处理或深度学习模型,在图像、音频、文本等载体的冗余空间或特征维度中植入特定标识,确保信息可被专用算法提取,同时不影响原始内容的质量。这项技术的核心价值在于为数字内容提供了可追溯、可验证的“数字身份证”,是应对信息泛滥和版权纠纷的关键基础设施。在AIGC(人工智能生成内容)时代,随着AI生成文本、图像、音频、视频的普及,水印技术对于鉴别内容真伪、追溯生成源头、保护平台与创作者权益变得至关重要。其应用场景已从传统的版权

virusswb的专栏 365

基于扩频的数字视频水印技术探究与实现

扩频技术是通过在信号中引入低功率的噪声序列,使得原始信号宽度增加,从而提高抗噪声和干扰的能力。在数字视频水印中,扩频技术可以使用伪随机数生成器产生伪随机序列,将其与原始视频信号进行异或运算,然后再将结果发射出去。在循环中,我们将每一帧都转化为灰度图像,将水印与扩频码进行异或运算,再通过加权运算将水印嵌入到图像中。其中,基于扩频的数字视频水印技术是一种非常有效的方法。在这个示例代码中,我们首先生成了一个长度为1000的随机序列,作为水印。通过上述过程,我们就成功地实现了基于扩频的数字视频水印技术。

NoerrorCode的博客 257

37、图像隐写分析与水印技术研究

本博文主要探讨了图像隐写分析与数字水印技术的研究。首先分析了Lyu-Farid隐写分析技术在不同分辨率图像上的性能差异,并讨论了训练集规模和图像来源对SVM分类器的影响,以及实际应用中的挑战。随后介绍了一种基于平衡多小波变换的自适应盲水印技术,包括其理论基础、感知模型、水印嵌入与提取算法,并展示了该技术在不可见性和鲁棒性方面的优势。最后总结了当前研究的成果与不足,并展望了未来可能的研究方向。

cherry的博客 91

2、H.264 视频鲁棒水印方案解析

本文提出了一种基于H.264的视频鲁棒水印方案,通过在参考索引中嵌入水印并结合修改当前块的方法提升水印的抗攻击能力。该方案利用参考索引的奇偶性嵌入扩频水印位,并在水印嵌入时动态调整当前块以增强鲁棒性。实验结果表明,该方法在保持良好视觉质量(平均PSNR降低0.755dB,比特率增加3.22%)的同时,对亮度变化、对比度调整、旋转、高斯噪声、模糊和重新量化等攻击具有较强的抵抗力,尤其在运动丰富的视频序列中表现优异。通过引入块修改机制,显著降低了旋转和噪声攻击下的比特错误率,验证了其有效性。

ttt77的博客 51

重磅!OpenAI正研发ChatGPT文本水印技术,其他大模型将何去何从?

点击上方关注 “终端研发部”设为“星标”,和你一起掌握更多数据库知识未免有点荒唐OpenAI计划通过引入文本水印技术,专门识别ChatGPT生成的文字。这一策略不涉及其他公司的模型。实施方式是在ChatGPT选择单词的过程中进行细微调整,从而在文本中嵌入一种不可见的水印。这种水印未来能够被特定的工具检测出来,以辨别文本是否由ChatGPT生成。这一设计精妙之处在于,未来能够借助特定工具轻松识别与验...

这个时代,作为程序员可能要学习小程序 778

29、高效视频编码与3D水印技术解析

本文深入探讨了高效受限视频编码与基于特征分解和非负矩阵分解的鲁棒3D对象水印技术。在视频编码方面,通过引入复杂度成本的率失真优化方法,在降低解码复杂度的同时保持较小的质量损失,适用于移动设备和低带宽环境;在3D水印方面,利用谱分解与NMF实现对3D模型的有效水印嵌入,具备良好的鲁棒性和感知不可见性,可用于版权保护与数据认证。文章还分析了两项技术的优势、挑战及未来发展方向,包括自适应参数调整、硬件加速、多模态水印与深度学习应用等趋势。

ee345的博客 43

63、图像编码与水印技术全解析

本文全面解析了图像编码与水印技术的核心内容。图像编码部分涵盖了相对地址编码(RAC)、分层编码、分形编码、矢量量化、LZW编码、CALIC等多种方法,详细介绍了它们的原理及应用特点。水印技术部分则从基本概念、编码方法、技术流程到应用场景进行了深入阐述,重点探讨了其在版权保护和内容完整性验证中的作用。文章最后总结了这两项技术的重要性及其在数字媒体领域的发展前景。

play7的博客 131
上一篇: 100、图的拟多项式时间分区预言机
下一篇: 低功耗全聚合物热光VOA设计
php55
博客等级 码龄15年 51粉丝 1553原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值