楊曉元，唐洪瓊，鈕 可，張英男

(1.中國人民武裝警察部隊(duì)工程大學(xué) 密碼工程學(xué)院，陜西 西安 710086；2.中國人民武裝警察部隊(duì)網(wǎng)絡(luò)與信息安全重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710086)

隨著網(wǎng)絡(luò)和編碼技術(shù)的飛速發(fā)展，視頻已經(jīng)成為主流的網(wǎng)絡(luò)媒體之一?；谝曨l的信息隱藏技術(shù)也受到國內(nèi)外研究機(jī)構(gòu)和學(xué)者的重視。目前視頻信息隱藏技術(shù)主要有3個(gè)方向：前置嵌入、后置嵌入和內(nèi)置嵌入。通過前置嵌入的方法隱藏到圖像序列的信息經(jīng)壓縮后容易丟失，因此通常對待嵌信息進(jìn)行糾錯(cuò)編碼后，再嵌入；后置嵌入存在隱蔽通道有限的問題，不能實(shí)現(xiàn)較大容量的信息嵌入；目前主流的研究大多基于內(nèi)置嵌入，嵌入方法包括基于幀內(nèi)預(yù)測、運(yùn)動(dòng)估計(jì)、運(yùn)動(dòng)矢量和量化殘差等。

將運(yùn)動(dòng)矢量作為隱寫載體的思想由KUTTER等[1]首次提出，目前研究最為廣泛。XU等[2]基于對較大運(yùn)動(dòng)矢量修改可以減少失真這一假設(shè)，通過對具有較大幅值運(yùn)動(dòng)矢量的最低有效位進(jìn)行信息嵌入；FANG等[3]通過對具有較大幅值運(yùn)動(dòng)矢量的相位進(jìn)行修改完成信息嵌入。ALY[4]研究發(fā)現(xiàn)，基于運(yùn)動(dòng)矢量幅值的選擇策略并不能保證更小的失真，因此提出一種與宏塊預(yù)測誤差相關(guān)的選擇策略，選擇預(yù)測誤差大的宏塊運(yùn)動(dòng)矢量的最低有效位進(jìn)行隱寫。CAO等[5]使用濕紙編碼對運(yùn)動(dòng)估計(jì)進(jìn)行擾動(dòng)，算法安全性有所提高，但實(shí)際的嵌入步驟復(fù)雜，且需要傳輸額外的輔助信息，因此嵌入容量有限。2015年，CAO等[6]指出，運(yùn)動(dòng)矢量在編碼器端被修改后，在解碼器端仍能以較高的概率保持局部最優(yōu)性，并在此基礎(chǔ)上，引入校驗(yàn)子格編碼[7]和濕紙編碼對運(yùn)動(dòng)矢量進(jìn)行隱寫。鈕可等[8]結(jié)合博弈模型提出了一種策略自適應(yīng)隱寫方法，根據(jù)納什均衡得到的載體修改概率對載體進(jìn)行隱寫。YAO等[9]結(jié)合運(yùn)動(dòng)矢量的時(shí)空域統(tǒng)計(jì)分布變化和預(yù)測誤差變化設(shè)計(jì)失真代價(jià)函數(shù)，利用校驗(yàn)子格編碼進(jìn)行信息嵌入；文獻(xiàn)[10]將運(yùn)動(dòng)矢量特性、局部最優(yōu)性和統(tǒng)計(jì)分布三個(gè)因素引入到失真代價(jià)函數(shù)的設(shè)計(jì)，在最小化失真框架下使用校驗(yàn)子格編碼對載體進(jìn)行隱寫，但在以較高碼率進(jìn)行視頻壓縮時(shí)，該算法抗隱寫檢測能力快速下降，且復(fù)雜度高。2017年，王麗娜等[11]通過對運(yùn)動(dòng)矢量局部最優(yōu)性和相鄰相關(guān)性的研究，提出了一種基于宏塊復(fù)雜度的自適應(yīng)視頻運(yùn)動(dòng)矢量隱寫算法，隱寫視頻比特率增長小，同時(shí)具有一定抗隱寫分析能力，但是，算法對宏塊復(fù)雜度的測度相對簡單，僅包含了空域兩個(gè)方向上的相鄰像素差異。2019年，ZHAI等[12]提出了一種基于多域嵌入的視頻隱寫算法，有效地提高了嵌入容量和隱寫安全性。

隨著隱寫技術(shù)的發(fā)展，近年來研究者基于運(yùn)動(dòng)矢量的統(tǒng)計(jì)特性異常，提出了許多隱寫檢測特征[14]。2014年，王麗娜等[13]通過計(jì)算運(yùn)動(dòng)矢量空域4個(gè)方向上的相鄰差值共生矩陣，構(gòu)建了相鄰相關(guān)性隱寫檢測特征。2020年，ZHAI等[15]針對多域隱寫特征的構(gòu)造進(jìn)行了嘗試，提出了一種針對多域隱寫的運(yùn)動(dòng)矢量一致性的檢測特征。文獻(xiàn)[16]通過對運(yùn)動(dòng)矢量進(jìn)行加一減一操作，提出一種運(yùn)動(dòng)矢量局部最優(yōu)性隱寫檢測特征。目前，相關(guān)性隱寫檢測特征和局部最優(yōu)性隱寫檢測特征最具代表性和有效性，尤其是局部最優(yōu)性隱寫檢測特征[16]。此外，基于校準(zhǔn)技術(shù)的隱寫分析方法也常被用于隱寫視頻的檢測[17]。

基于運(yùn)動(dòng)矢量的隱寫被廣泛研究，但修改運(yùn)動(dòng)矢量會(huì)破壞其局部最優(yōu)性，降低算法的安全性。通過選擇低復(fù)雜度宏塊的運(yùn)動(dòng)矢量作為隱寫載體，筆者引入希爾伯特填充曲線對宏塊像素掃描并定義復(fù)雜度，提出一種基于宏塊復(fù)雜度的視頻隱寫算法，對低于嵌入閾值的宏塊運(yùn)動(dòng)矢量進(jìn)行隨機(jī)匹配隱寫，算法的嵌入和提取過程簡單高效。通過實(shí)驗(yàn)對比，文中算法雖然未使用任何隱寫編碼，但算法在抗隱寫檢測中仍表現(xiàn)良好，特別是抗局部最優(yōu)性特征檢測方面，同時(shí)隱寫視頻比特率增長小，視覺失真小。

1 視頻編碼與視頻隱寫

1.1 視頻編碼相關(guān)知識(shí)

常見的視頻編碼標(biāo)準(zhǔn)有H.26x和MPEGx，其編碼框架相似，都包含幀內(nèi)預(yù)測、幀間預(yù)測、變換與量化以及熵編碼等模塊。不同編碼器細(xì)節(jié)處理有所差異，基本原理都是為了減少時(shí)間、空間以及統(tǒng)計(jì)上的冗余，以達(dá)到視頻壓縮的目的。運(yùn)動(dòng)矢量作為壓縮視頻流的主要句法元素之一，由幀間預(yù)測編碼產(chǎn)生，幀間預(yù)測編碼框圖如圖1所示，下面給出相關(guān)符號說明。

(1) 當(dāng)前塊。在編碼壓縮時(shí)，視頻幀被劃分成特定大小的宏塊，記作Bm×n，是一個(gè)大小為m×n的像素矩陣，m和n為當(dāng)前塊的像素寬和高。

(1)

其中，Q(·)為量化函數(shù)，IQ(·)為反量化函數(shù)，DCT(·)和IDCT(·)分別表示DCT變換和DCT逆變換。由于量化是有損壓縮過程，得到的重建塊和當(dāng)前塊并不完全一致，重構(gòu)塊相對于當(dāng)前塊產(chǎn)生壓縮失真，通常失真大小與量化參數(shù)和運(yùn)動(dòng)估計(jì)算法的精度直接相關(guān)。

圖1 幀間預(yù)測編碼框圖

1.2 基于運(yùn)動(dòng)矢量的隱寫算法

(2)

其中，(h±δ，v±δ)為(h，v)鄰域的運(yùn)動(dòng)矢量集合。類似地，在解碼器端，運(yùn)動(dòng)矢量的最優(yōu)概率為

(3)

基于運(yùn)動(dòng)矢量的隱寫使得攜密運(yùn)動(dòng)矢量對應(yīng)的代價(jià)增大，(h′，v′)在其鄰域(h′±δ，v′±δ)并不能完全保持局部最優(yōu)性，導(dǎo)致隱寫算法的安全性降低。但在隱寫檢測特征提取時(shí)，由于并不具備編碼器端的局部最優(yōu)性的先驗(yàn)信息，所以當(dāng)發(fā)生如下兩種情況時(shí)，攜密運(yùn)動(dòng)矢量(h′，v′)仍滿足局部最優(yōu)性[11]。

如果宏塊復(fù)雜度高(紋理復(fù)雜)，其殘差塊經(jīng)過變換和量化后仍然具有一定的能量，不滿足情況2，對其運(yùn)動(dòng)矢量進(jìn)行隱寫容易改變運(yùn)動(dòng)矢量的局部最優(yōu)性。相反地，如果當(dāng)前塊和參考塊都相對平滑(復(fù)雜度低)，則有利于量化殘差為零。此外，在視頻幀的平滑區(qū)域，攜密運(yùn)動(dòng)矢量和原始運(yùn)動(dòng)矢量對應(yīng)的參考塊也會(huì)以較大的概率保持一致，使得重建塊和當(dāng)前塊基本一致。

通過以上分析，基于運(yùn)動(dòng)矢量的隱寫算法應(yīng)該選擇復(fù)雜度低的宏塊作為隱寫載體，因?yàn)榈蛷?fù)雜度的宏塊量化殘差接近零，經(jīng)過編碼后的量化系數(shù)占用較少的比特，視頻比特率不會(huì)明顯增大。此外，后續(xù)視頻幀壓縮編碼時(shí)會(huì)參考先前的隱寫幀，如果隱寫幀存在明顯失真，則會(huì)導(dǎo)致明顯的失真累積效應(yīng)；反之，如果對平滑的宏塊進(jìn)行隱寫，隱寫幀的失真累積效應(yīng)會(huì)削弱，隱寫視頻質(zhì)量更好。

1.3 統(tǒng)計(jì)特性保持

對運(yùn)動(dòng)矢量進(jìn)行大幅度的修改會(huì)引起明顯的失真累積效應(yīng)，因此，基于運(yùn)動(dòng)矢量的隱寫算法通常僅對運(yùn)動(dòng)矢量的最低有效位進(jìn)行修改。傳統(tǒng)的最低有效位匹配算法已經(jīng)被證明是不安全的，最低有效位隨機(jī)匹配隱寫是一種基于傳統(tǒng)最低有效位匹配算法的改進(jìn)，克服了傳統(tǒng)最低有效位匹配算法的主要缺陷。設(shè)運(yùn)動(dòng)矢量構(gòu)成的隱寫載體為C，ck∈C為運(yùn)動(dòng)矢量分量，Φ為待嵌秘密信息，φk∈Φ是需要被嵌入到ck的信息比特，ζ為01隨機(jī)序列，L(·)為最低有效位函數(shù)，攜密運(yùn)動(dòng)矢量分量c′k由下式?jīng)Q定：

(4)

2 算法實(shí)現(xiàn)

2.1 宏塊復(fù)雜度

通過節(jié)1.2的分析，選擇復(fù)雜度低的宏塊運(yùn)動(dòng)矢量作為隱寫載體，可以較好地保持局部最優(yōu)性，同時(shí)能夠控制比特增長和保持隱寫視頻質(zhì)量。為了更好地衡量宏塊復(fù)雜度，引入希爾伯特填充曲線。希爾伯特曲線是由德國數(shù)學(xué)家David Hilbert提出的連續(xù)分形空間填充曲線，具有很好的局部保持特性，圖2給出了4×4、8×8和16×16的希爾伯特空間填充曲線。

圖2 希爾伯特空間填充曲線

對于宏塊Bm×n，不失一般性，設(shè)m≥n且m，n∈{4k|k=1，2，4}。定義宏塊復(fù)雜度ρ(Bm×n)為相鄰像素的差值絕對值之和的歸一化值，數(shù)學(xué)表達(dá)式如下：

(5)

其中，k=min(m，n)，N=max(m，n)/min(m，n)，表示將m×n大小的宏塊劃分成N個(gè)k×k大小的像素塊，Hi為第i個(gè)像素塊使用k×k的希爾伯特填充曲線進(jìn)行掃描得到的像素序列，max(·)和min(·)為最大值和最小值取值函數(shù)。當(dāng)宏塊大小為16×8、8×16、8×4、4×8時(shí)，不存在合適的希爾伯特曲線對像素塊進(jìn)行完整的掃描，需要將宏塊繼續(xù)劃分成更小的像素塊，例如將16×8宏塊被劃分成2個(gè)8×8大小的像素塊，然后對每個(gè)像素塊用8×8的希爾伯特曲線進(jìn)行像素掃描，得到像素序列H1、H2。文獻(xiàn)[11]的宏塊復(fù)雜度定義僅包含了空域兩個(gè)方向上的相鄰像素之間的差異，而本文的宏塊復(fù)雜度定義從空域四個(gè)方向上對相鄰像素之間的差異進(jìn)行衡量，相對更加合理。

2.2 嵌入算法

首先對視頻幀進(jìn)行正常壓縮，計(jì)算所有重建塊的復(fù)雜度ρ，從小到大排序后統(tǒng)計(jì)復(fù)雜度ρ為i出現(xiàn)的頻次ni，根據(jù)待嵌消息長度K動(dòng)態(tài)選擇嵌入閾值T，對低于嵌入閾值的宏塊的運(yùn)動(dòng)矢量的最低有效位按式(4)進(jìn)行匹配隱寫。對低于嵌入閾值的重建塊的運(yùn)動(dòng)矢量嵌入消息后，在解碼器端(信息提取時(shí))，新的重構(gòu)塊復(fù)雜度并不一定仍滿足復(fù)雜度小于閾值T，因此引入一個(gè)冗余參數(shù)λ(實(shí)驗(yàn)中取值為1.1)，然后，文中算法對符合條件的宏塊運(yùn)動(dòng)矢量的兩個(gè)分量分別嵌入1比特信息，嵌入閾值為

(6)

嵌入閾值T確定后，進(jìn)行秘密信息嵌入操作，如算法1偽代碼所示，給出了單幀的嵌入算法。對于當(dāng)前幀的所有宏塊都進(jìn)行正常運(yùn)動(dòng)估計(jì)和補(bǔ)償?shù)玫街亟▔K，如果重建塊的復(fù)雜度低于閾值T，則對其水平和垂直分量進(jìn)行隨機(jī)匹配修改。如果攜密運(yùn)動(dòng)矢量對應(yīng)的重建塊復(fù)雜度仍低于嵌入閾值，則成功嵌入2比特秘密信息；反之，如果攜密運(yùn)動(dòng)矢量對應(yīng)的重建塊復(fù)雜度高于嵌入閾值，則嵌入失敗。無論嵌入成功與否，都將攜密運(yùn)動(dòng)矢量對應(yīng)的重建塊寫入隱寫幀。

算法1嵌入算法(單幀)。

輸入：參考幀F(xiàn)r，當(dāng)前幀F(xiàn)c，嵌入閾值T，秘密信息Φ，隨機(jī)序列ζ

輸出：隱寫幀F(xiàn)c′

① FORBm×nINFcDO：

④h′=E(h，φk，ζk) ∥水平分量嵌入1比特信息

⑤v′=E(v，φk+1，ζk+1) ∥垂直分量嵌入1比特信息

⑨k=k+2 ∥成功嵌入2比特

⑩ END IF

2.3 提取算法

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)設(shè)置

筆者提出的算法和對比算法都基于Xvid-1.3.2 MPEG-4開源編解碼框架實(shí)現(xiàn)，對比算法包括文獻(xiàn)[2]、文獻(xiàn)[4]、文獻(xiàn)[5]和文獻(xiàn)[11]。實(shí)驗(yàn)使用34段分辨率為352×288的未壓縮的視頻序列(stefan序列90幀、bus序列150幀，其余為240幀)。為了對比實(shí)驗(yàn)的有效性，所有算法的宏塊大小統(tǒng)一設(shè)置為16×16，第一幀為關(guān)鍵幀，其余為預(yù)測幀，默認(rèn)壓縮比特率為1 000 kb/s，以1/2像素精度進(jìn)行運(yùn)動(dòng)估計(jì)。隱寫分析實(shí)驗(yàn)中，采用兩種隱寫檢測特征分別進(jìn)行隱寫檢測模型訓(xùn)練，包括運(yùn)動(dòng)矢量局部最優(yōu)性特征16]和相鄰相關(guān)性特征[13]。所有隱寫算法的嵌入率以運(yùn)動(dòng)矢量損壞比率表示。

3.2 不可感知性對比分析

隱寫算法的不可感知性一般從主觀和客觀不可感知性進(jìn)行評價(jià)。對于主觀不可感知性的測試，選擇4段復(fù)雜度不同的視頻序列在嵌入率0.5下進(jìn)行隱寫。如圖3所示，給出了4段視頻(依次為highway、bridge、walk、husky)第90幀圖像隱寫前后的對比，隱寫前后視頻圖像難以區(qū)分，對于復(fù)雜度較高的序列husky而言，也能保持視覺上的不可區(qū)分。整體來看，隱寫算法滿足主觀上的不可感知性。

除了主觀評價(jià)外，客觀評價(jià)指標(biāo)峰值信噪比(Peak Signal to Noise Ratio，PSNR)的物理量RPSNR和結(jié)構(gòu)相似性(Structural SIMilarity，SSIM)的物理量MSSIM通常被用于衡量受損圖像與原始圖像的差異，定義如下：

(7)

(8)

其中，fc、fs分別為原始視頻幀和受損(攜密)視頻幀，分辨率為W×H；μc、μs為原始視頻幀和受損視頻幀的均值；σc、σs、σcs為原始視頻幀和受損視頻幀的方差以及兩者的協(xié)方差，c1=(k1M)2與c2=(k2M)2為常數(shù)，k1=0.001，k2=0.003，M=255。

圖3 視頻隱寫前后對比

如圖4(a)～(b)所示，所有正常壓縮(非隱寫)視頻幀的平均PSNR和SSIM分別為37.63 dB和0.952。

(a) 壓縮率1 000 kb/s下PSNR對比

從圖4中可見，文中算法的平均PSNR和SSIM指標(biāo)優(yōu)于所有對比算法。在嵌入率為0.1時(shí)，文中算法隱寫視頻的PSNR相比于正常壓縮的視頻反而提高0.05 dB，SSIM保持不變。在嵌入率為0.2～0.3時(shí)，文中算法的PSNR和SSIM指標(biāo)明顯優(yōu)于文獻(xiàn)[2]和文獻(xiàn)[4]的，相比于文獻(xiàn)[11]分別提高了約0.07～0.1 dB和0.001～0.002，PSNR相比于文獻(xiàn)[5]提高了約0.12～0.16 dB；在以高嵌入率0.4進(jìn)行隱寫時(shí)，文中的隱寫視頻的平均PSNR和SSIM分別約為37.33 dB和0.948，文中算法相比于文獻(xiàn)[5]，在PSNR和SSIM指標(biāo)僅下降0.01 dB和0.001，文獻(xiàn)[5]的平均PSNR和SSIM的小幅提升得益于濕紙編碼對隱寫算法的性能提升，但濕紙編碼的引入會(huì)明顯增加算法的復(fù)雜度。由于文獻(xiàn)[11]的復(fù)雜度定義僅衡量了空域兩個(gè)方向上的相鄰像素差值，而筆者引入希爾伯特填充曲線對像素塊進(jìn)行掃描后，可以衡量空域4個(gè)方向上的相鄰像素差值，因此實(shí)驗(yàn)結(jié)果表明，文中算法的PSNR和SSIM指標(biāo)都優(yōu)于文獻(xiàn)[11]的。綜合實(shí)驗(yàn)結(jié)果來看，文中算法的隱寫視頻具有較高的視覺不可感知性，隱寫視頻質(zhì)量不存在明顯失真，滿足隱寫算法的不可感知性要求。

3.3 比特率變化對比分析

改變運(yùn)動(dòng)矢量會(huì)間接地增大殘差塊的能量，需要更多比特來存儲(chǔ)殘差塊信息。考慮到視頻編碼器對殘差進(jìn)行量化存在兩種方式：第1種是根據(jù)目標(biāo)壓縮比特率動(dòng)態(tài)調(diào)整量化參數(shù)(保證以目標(biāo)比特率進(jìn)行壓縮編碼)，第2種以固定量化參數(shù)對殘差進(jìn)行量化(保證對所有殘差塊進(jìn)行同等強(qiáng)度的量化，實(shí)驗(yàn)統(tǒng)一設(shè)置量化參數(shù)為4)。如表1所示，給出了兩種壓縮方式下，隱寫對視頻比特率的影響對比。實(shí)驗(yàn)表明，在嵌入率為0.1時(shí)，文中算法的比特率沒有增加；在嵌入率為0.2～0.3時(shí)，文中算法在兩種壓縮方式下都能保持最低的比特率增長。在以高嵌入率0.4進(jìn)行隱寫時(shí)，文中算法的隱寫視頻比特率相比于文獻(xiàn)[5]有輕微的增加，但仍優(yōu)于其他對比算法。以1 000 kb/s比特率壓縮并隱寫時(shí)，文中算法比特增長不超過0.97 %，黑體數(shù)字表示最優(yōu)指標(biāo)。因此，文中算法的隱寫視頻具有較低的比特率增長，隱寫視頻文件相比于正常壓縮視頻文件沒有明顯增大。

表1 所有測試視頻平均比特率對比 kb/s

3.4 安全性對比分析

隱寫視頻可能被已知或潛在的隱寫分析所檢測，導(dǎo)致隱蔽通信這一事實(shí)被敵手檢測并制止。因此隱寫算法應(yīng)具備一定的抗隱寫檢測能力，保證算法的安全性。本節(jié)對算法的抗隱寫檢測能力進(jìn)行了實(shí)驗(yàn)對比，首先在不同比特率{500 kb/s、1 000 kb/s}和不同嵌入率{0.1、0.2}下對視頻進(jìn)行隱寫，然后對非隱寫視頻和隱寫視頻提取隱寫特征，最后將提取的特征用于隱寫檢測模型的訓(xùn)練，其中提取特征包括運(yùn)動(dòng)矢量局部最優(yōu)性特征[16]和相鄰相關(guān)性特征[13]。檢測模型使用高斯核LibSVM工具箱[18]對提取的特征進(jìn)行模型訓(xùn)練。每種比特率和嵌入率進(jìn)行單獨(dú)訓(xùn)練，隨機(jī)選取17段非隱寫視頻和對應(yīng)隱寫視頻的特征進(jìn)行訓(xùn)練，余下17段非隱寫視頻和隱寫視頻的特征用于模型的評估，以驗(yàn)證算法的抗隱寫檢測能力。

如圖5所示，給出了在嵌入率為{0.1、0.2}、比特率為1 000 kb/s下，根據(jù)兩種檢測特征訓(xùn)練的檢測模型的接收者操作特征曲線，橫坐標(biāo)為偽陽率(False Positive Rate，F(xiàn)PR)，縱坐標(biāo)為真陽率(True Positive Rate，TPR)。接收者操作特征曲線偏離灰色(對角)虛線程度越大，隱寫算法越容易被檢測，算法抗隱寫檢測能力和安全性就越弱；反之則算法安全性更高。從接收者操作特征曲線可以看出，固定比特率下對于同一檢測特征，嵌入率越高，隱寫檢測效果越好，即嵌入信息越多，越容易被檢測，因此在實(shí)際隱蔽通信中，隱寫算法都以較低的嵌入率進(jìn)行隱寫。對于抗局部最優(yōu)性特征檢測，如圖5(c)～(d)所示，文中算法的表現(xiàn)最好。在比特率為1 000 kb/s和嵌入率為0.1時(shí)，如圖5(c)所示，接收者操作特征曲線接近灰色曲線，相比于文獻(xiàn)[11]，文中算法的抗局部最優(yōu)性檢測能力有所提升，具有更好的抗隱寫檢測效果。對于相關(guān)性特征[13]，如圖5(a)～(b)文中算法和文獻(xiàn)[11]不相上下，略次于文獻(xiàn)[5]，這是由于文獻(xiàn)[5]使用了濕紙編碼，提高了其抗相鄰相關(guān)性隱寫檢測能力，但其抗局部最優(yōu)性隱寫檢測能力不及本文算法，而文中算法未采取隱寫編碼。

除此之外，使用檢測模型的檢測準(zhǔn)確率來定量衡量算法的安全性，其定義為

(9)

其中，TP、TN分別表示檢測模型正確檢測出隱寫視頻和正常視頻的個(gè)數(shù)，F(xiàn)P、FN分別表示模型錯(cuò)誤檢測為隱寫視頻和正常視頻的個(gè)數(shù)。分母表示樣本的總數(shù)，分子表示模型正確分類的個(gè)數(shù)。模型的檢測準(zhǔn)確率越高，隱寫算法的抗隱寫檢測能力越弱，安全性越低；反之則抗隱寫檢測能力越強(qiáng)，安全性越高。

(a) 相關(guān)性檢測(0.1，1 000 kb/s)

不同隱寫算法被檢測的準(zhǔn)確率如表2所示，其中黑體數(shù)字表示最優(yōu)的指標(biāo)?？梢钥闯?，對比算法中，文獻(xiàn)[2]和文獻(xiàn)[4]被檢測的準(zhǔn)確率高，安全性差。文中算法抗局部最優(yōu)性隱寫檢測能力優(yōu)于所有對比算法。文獻(xiàn)[5]抵抗相鄰相關(guān)性隱寫檢測的能力最好，文中算法略次于文獻(xiàn)[5]，與文獻(xiàn)[11]持平，但在實(shí)際的隱蔽通信中，隱寫算法為降低被潛在的隱寫檢測特征所檢測的風(fēng)險(xiǎn)，通常會(huì)以較低的嵌入率進(jìn)行信息嵌入。另外，文中算法相比于文獻(xiàn)[5]的信息的嵌入和提取簡單，而安全性卻相比同類算法更高，因此筆者提出的算法具有良好的實(shí)用性。

表2 隱寫算法被檢測的準(zhǔn)確率對比

4 結(jié)束語

筆者分析了基于運(yùn)動(dòng)矢量的隱寫算法對于視頻的影響，通過選擇低復(fù)雜度的宏塊作為隱寫載體可以有效保持運(yùn)動(dòng)矢量局部最優(yōu)性，同時(shí)有利于控制隱寫視頻的比特率增長，而后采用希爾伯特曲線對宏塊像素進(jìn)行掃描并定義宏塊復(fù)雜度，使用隨機(jī)匹配方法修改宏塊復(fù)雜度低于嵌入閾值的運(yùn)動(dòng)矢量，盡量保持其統(tǒng)計(jì)特性。對比實(shí)驗(yàn)表明，筆者提出的算法在視覺質(zhì)量、比特率控制以及抗隱寫檢測能力上都具有一定優(yōu)勢。