劉慧超，王志君，梁利平

(1. 中國科學院微電子研究所 北京 朝陽區(qū) 100029；2. 中國科學院大學電子電氣與通信工程學院 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)用越來越普遍化、多樣化，對于視頻數(shù)據(jù)內(nèi)容的加密保護變得愈發(fā)重要[1-2]，數(shù)字視頻加密技術(shù)應(yīng)運而生。傳統(tǒng)方案利用AES、DES 等經(jīng)典加密算法對原始視頻數(shù)據(jù)進行加密。然而，龐大的視頻數(shù)據(jù)導(dǎo)致加密過程實時性較差；與此同時，加密后的視頻數(shù)據(jù)雜亂無章，直接影響后續(xù)視頻壓縮編碼的效率，因而此類方法并不適用于視頻加密。相應(yīng)地，針對視頻壓縮碼流的加密算法導(dǎo)致碼流格式不兼容，通用解碼器無法正常解碼。因此，與視頻壓縮編碼過程相融合的選擇性加密算法(selective encryption, SE)成為新的研究熱點[3-4]。

SE 算法通過對視頻壓縮編碼過程中的關(guān)鍵句法進行加密實現(xiàn)內(nèi)容保護。視頻編碼過程中，I 幀作為每個編碼序列的起始幀包含了視頻序列的大部分信息，文獻[5-7]提出對I 幀編碼塊的幀內(nèi)預(yù)測模式(intra prediction mode, IPM)進行加密，然而該方法易導(dǎo)致加密后的IPM 不再滿足編碼規(guī)范，解碼端無法正常解碼；相比于I 幀，P/B 幀在每個編碼序列中出現(xiàn)最頻繁，文獻[8?10]提出加密P/B 幀的運動矢量來保護視頻內(nèi)容，然而視頻編碼算法對運動矢量(motion vector, MV)采用預(yù)測編碼，因此，此類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。為增強加密效果，對IPM、MVD 符號和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[13-14]僅對MVD 符號位、非零DCT 系數(shù)符號位以及系數(shù)幅值的二進制編碼后綴進行加密，編碼效率恒定，但加密數(shù)據(jù)量明顯增加。為此，文獻[18]提出采用混沌系統(tǒng)隨機選擇待加密句法元素，但無法保證視頻關(guān)鍵區(qū)域絕對保密。于是，文獻[19-21]融合感興趣區(qū)域(regions of interest, ROI)技術(shù)對視頻關(guān)鍵區(qū)域進行選擇性加密，既降低了加密數(shù)據(jù)量，同時視頻關(guān)鍵區(qū)域信息也得到了保護，然而卻引入了如高斯混合模型(gaussian mixture model, GMM)等計算復(fù)雜的ROI 檢測算法，難以做到實時性。

針對以上問題，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 視頻編碼標準為驗證實例，首先利用量化的殘差DCT 系數(shù)和運動矢量建立低復(fù)雜度的視頻紋理強度估計模型；然后根據(jù)紋理強度對I 幀編碼宏塊的非零DCT 系數(shù)符號位和P/B 幀編碼宏塊的MVD 符號位進行自適應(yīng)選擇加密，實現(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 視頻編碼標準起，新標準在引入先進技術(shù)的同時，一直沿用基于預(yù)測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)測編碼、DCT 變換與量化和熵編碼。預(yù)測編碼利用相鄰塊的空間或時間相關(guān)性，根據(jù)已編碼塊對當前待編碼塊進行線性預(yù)測，然后對預(yù)測值和真值的差進行編碼，減小待編碼數(shù)據(jù)量；變換編碼則將統(tǒng)計上彼此密切相關(guān)的空域像素通過正交變換，轉(zhuǎn)化為統(tǒng)計上相對獨立的一系列變換系數(shù)，減小有效數(shù)據(jù)量。熵編碼過程通常為變長編碼，通過對出現(xiàn)概率大的字符分配短碼字、概率小的字符分配長碼字，進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。若將加密過程設(shè)置在重建環(huán)路內(nèi)，則在編碼器中需要配置對應(yīng)的解密過程，增加計算復(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)測編碼模塊輸出的MV 進行紋理估計，根據(jù)設(shè)定的紋理強度閾值，將每個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)果對紋理區(qū)域執(zhí)行選擇性加密過程。

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面所傳達出的有效信息，從而實現(xiàn)視頻內(nèi)容保護。文獻[22]通過對視頻編碼句法元素進行下采樣，實現(xiàn)全局上的部分加密。然而，根據(jù)人眼視覺特性，人眼系統(tǒng)對視頻紋理區(qū)域更加感興趣。于是，視頻加密過程只需要處理紋理區(qū)域即可，無需對全局視頻信息進行全加密?；诖耍疚姆謩e提出針對I 幀和P 幀(B 幀與之類似，暫不討論)的紋理檢測模型，并選擇紋理區(qū)域進行加密，有效降低待加密數(shù)據(jù)量，同時保證視頻信息的安全性。

2.1 基于DCT 的I 幀紋理檢測模型

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

由于Xp僅僅是利用Xo的相鄰邊界像素進行線性預(yù)測的結(jié)果，除平坦區(qū)域外，其余區(qū)域的線性預(yù)測通常情況下均會產(chǎn)生一定的預(yù)測殘差，且Xo紋理越復(fù)雜，線性預(yù)測產(chǎn)生的殘差越顯著，對殘差進行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。對于一個n×n 的殘差塊，定義其DCT變換和量化后的系數(shù)矩陣如下：

對于系數(shù)矩陣YR，其包含的非零系數(shù)越多，XR的時域特性越復(fù)雜，紋理越豐富。與此同時，YR中高頻位置非零系數(shù)越多，XR紋理細節(jié)越豐富。根據(jù)DCT 變換的性質(zhì)，對于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。本文提出一種評估Xo紋理強度(texture strength, TS)的量化方法，如式(4)所示：

設(shè)定一個紋理強度閾值TI，當TSI≥TI時，認為該區(qū)域為紋理區(qū)域，否則為非紋理區(qū)域，如式(5)所示：

然而，對于一個視頻序列，其內(nèi)容通常是隨時間不斷變化的，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度和伸縮因子更新下一幀的紋理強度閾值，從而動態(tài)調(diào)整加密強度，相比文獻[23]提出的基于當前幀被引用頻次的動態(tài)調(diào)節(jié)算法和文獻[24]提出的基于SSIM 的動態(tài)調(diào)節(jié)算法，本文算法計算復(fù)雜度更低。具體實現(xiàn)過程如下：

1) 為第1 個待編碼I 幀設(shè)置初始閾值：

2) 利用式(4)計算當前編碼I 幀(定義為第n個I 幀)中(x,y)位置待編碼塊的紋理強度TSI(n,x,y)，并統(tǒng)計當前編碼I 幀中所有編碼單元(coding units,CU)的紋理強度和：

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

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，得到一個基于編碼殘差量化DCT系數(shù)的閾值自適應(yīng)紋理檢測模型(threshold selfadaptive texture detection model based on quantized DCT Coefficient, TSTDM-QDCTC)。 為了驗證TSTDM-QDCTC 的有效性，本文以經(jīng)典的Canny邊緣檢測算法為參考模型，對兩種算法的紋理檢測結(jié)果進行了對比，如圖3 所示。

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

2.2 基于運動矢量的P 幀紋理檢測模型

對于編碼P 幀，即采用幀間預(yù)測進行編碼的視頻幀，主要利用運動估計和運動補償技術(shù)進行高效率壓縮編碼，首先通過運動估計得到當前預(yù)測單元(prediction blocks, PU)相對于其最佳參考塊的運動矢量，之后利用插值運算進行運動補償，得到當前PU 的最佳預(yù)測值，如圖4 所示。

圖3 紋理檢測結(jié)果對比

圖4 運動估計示意圖

圖4 中，A 為當前待編碼PU，As為參考幀中與A 位置相對應(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相對于As的位置坐標即為A 經(jīng)運動估計后得到的運動矢量MV，由水平和垂直兩個分量組成，用mv_x和mv_y 表示。mv_x 和mv_y 直接指出了當前編碼PU 相對于其參考幀的變化程度，于是可以用作待編碼PU 紋理強度估計的一種依據(jù)。

除此之外，自H.264/AVC 起，新的視頻編碼標準均采用可變尺寸運動補償技術(shù)，根據(jù)待編碼CU 的運動情況，可將其劃分為多個不同尺寸的PU 進行獨立的運動估計和運動補償，實現(xiàn)更加精細的預(yù)測編碼。以H.264/AVC 為例，當待編碼CU 以16×16 的PU 進行運動補償時，表示該CU 內(nèi)的所有對象運動方向完全或趨于完全一致；反之，當待編碼CU 被劃分為多個小尺寸PU 進行運動補償時，表示該CU 內(nèi)包含多個子對象，且其運動方向各不相同。

本文提出利用運動矢量和幀間預(yù)測分割模式對P 幀編碼塊的紋理強度進行估計。

首先，根據(jù)每個PU 的尺寸大小為其定義對應(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 代表編碼標準所支持的最大運動補償編碼塊的尺寸。CU 劃分越精細，表示CU 內(nèi)各個PU 之間差異越大，越有可能成為紋理區(qū)域，所以對應(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 的紋理強度量化方法，如式(10)所示：

類似地，設(shè)定一個紋理強度閾值TP，當TSmn大于或等于設(shè)定閾值TP時，認為該區(qū)域為紋理區(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GOP 中，根據(jù)前一幀的平均紋理強度和伸縮因子更新下一幀的紋理強度閾值，具體過程如下：

1) 為GOP 中第1 個待編碼P 幀設(shè)置初始閾值：

2) 利用式(10)計算當前編碼P 幀(定義為當前GOP 中第n 個P 幀)中(x,y)位置待編碼塊的紋理強度TSP(n,x,y)并統(tǒng)計當前編碼P 幀中所有PU 的紋理強度和：

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

式中， λP為伸縮因子，其值大于零。

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

然而，視頻編碼協(xié)議中對MV 采用了預(yù)測編碼方式，由于存在空間相關(guān)性，基于相鄰塊運動矢量得到的當前編碼塊運動矢量預(yù)測值(motion vector prediction, MVP)，可以很大程度上代表其真實值。為了保證解碼端能夠順利提取紋理區(qū)域，對式(10)進行修正，利用MVP 進行紋理估計：

式中，mvp_x 和mvp_y 為MVP 的兩個分量。

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

同樣，為了驗證TSTDM-MVP 紋理檢測模型的有效性，本文以經(jīng)典的GMM 算法為參考模型，對兩種算法的紋理檢測結(jié)果進行對比，如圖5 所示。

圖5 紋理檢測結(jié)果對比

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

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，對于編碼I 幀，本文僅對編碼塊量化后的非零DCT 系數(shù)符號進行加密；對于編碼P 幀，由于編碼標準采用預(yù)測方式對運動矢量進行差分編碼，故而選擇P 幀編碼塊非零MVD 符號進行加密。

對于加密方式，本文采用實時性好的流加密算法。同時，為提高加密算法安全性，克服已知明文條件下的統(tǒng)計差分攻擊，本文參考動態(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)，用于流加密過程，如圖6 所示。

圖6 SSKGM-VF 算法結(jié)構(gòu)圖

詳細的流密鑰生成過程如下：

1) 視頻編碼開始前，根據(jù)用戶輸入的初始密鑰key0，直接利用分組加密算法對初始種子seed0進行加密，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模型選出紋理塊，輸出紋理塊的特征信息t 并與sk 進行f 操作，得到的tf 與key0和seed0一起輸入到預(yù)處理模塊進行處理，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 的符號位進行加密，具體加密過程如式(16)所示：

式中，NCS 和MVDS 分別代表紋理區(qū)域的非零DCT 系數(shù)符號和非零MVD 符號；ENCS 和EMVDS分別對應(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；? 表示流加密運算。

2.4 視頻解密算法

視頻解密是視頻加密的逆過程。編碼端通過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行解密：

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

2)解碼器對視頻壓縮碼流進行解析，得到加密后的量化DCT 系數(shù)和MVD，同時，利用預(yù)測機制計算得到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I 幀和P 幀進行紋理區(qū)域檢測；

4)對于紋理區(qū)域，利用流密鑰sk 對量化DCT系數(shù)或MVD 進行符號解密；

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。

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

3 實驗結(jié)果與分析

為驗證本文所提加密算法的有效性，以應(yīng)用廣泛的H.264/AVC 編解碼器為驗證平臺、JM8.6 軟件編解碼器參考模型為實現(xiàn)平臺，對21 個不同場景、不同運動幅度的CIF(352×288)格式的標準視頻序列進行測試，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 的配置進行編碼加密，總編碼幀數(shù)為150 幀。實驗過程中，分組加密算法采用國密SM4 實現(xiàn)，流加密運算、f 運算和預(yù)處理過程均采用邏輯異或代替實現(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 個方面分析本文所提加密算法的性能。同時，為避免不同實驗條件對實驗結(jié)果的影響，測試過程中兩種加密算法使用完全相同的流密鑰進行加密。

3.1 視頻加密效果

視頻加密效果從主觀感受和客觀評價兩個方面進行分析，且以視頻加密前后的峰值信噪比(peak signal noise ratio, PSNR)作為客觀評價的依據(jù)。本文以文獻[13]提出的選擇性加密算法為對照，對本文所提算法進行性能測試與評估。同時，為避免不同實驗條件對實驗結(jié)果的影響，測試過程中兩種加密算法使用完全相同的加密密鑰。圖7 為兩個不同場景的測試視頻在兩種加密算法下的加密效果圖。

圖7 加密效果對比

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視頻信息，人眼無法正確識別出加密視頻的真實內(nèi)容。不同的是，本文加密算法在平滑區(qū)域，如bus 視頻畫面中的石碑建筑和畫面深處相對較暗的樹木、football 視頻畫面中的大部分草地，沒有進行過多的加密，而是將其判定為非紋理區(qū)域進行處理；相反，本文算法在汽車、欄桿和運動員等細節(jié)較豐富的紋理區(qū)域、運動區(qū)域進行了有效加密。但是，參考算法[13]沒有考慮這一點，而是對全局視頻進行同強度加密，雖然整體加密效果更混亂，但加密數(shù)據(jù)量較多。

客觀上，本文對兩種加密算法加密前后的視頻信噪比進行了統(tǒng)計分析，如表1 所示。

表1 不同視頻序列加密前后PSNR 對比結(jié)果dB

從表1 中可以看出，對于21 個不同場景的測試視頻，按照本文所提的選擇性加密算法進行加密，加密后視頻平均信噪比為10.68 dB，而利用文獻[13]提出的算法進行加密，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，這是因為本文算法只對紋理區(qū)域進行加密處理，而文獻[13]則是進行全局加密，數(shù)據(jù)加密率高。但是，根據(jù)人眼視覺特性，當信噪比低于15 dB 后，人眼將無法分辨出視頻內(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算自身復(fù)雜度和加密數(shù)據(jù)量大小。與已有文獻相同，本文加密運算依然采用邏輯異或?qū)崿F(xiàn)，其本身計算復(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)雜度的唯一標準。

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

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

圖8 I 幀加密數(shù)據(jù)量對比

對于編碼P 幀的加密過程，本文算法和參考算法[13]均選擇MVD 符號位進行加密，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 符號加密數(shù)據(jù)量對比結(jié)果

從表2 中可以發(fā)現(xiàn)，經(jīng)過本文所提的TSTDMMVP 紋理檢測模型選擇后，本文算法對MVD 符號的加密數(shù)據(jù)量大大減小，平均結(jié)果為47166 比特。而參考算法[13]對編碼P 幀中的所有MVD 的符號均進行了加密處理，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%，計算復(fù)雜度大大降低。

總體上，綜合考慮所有加密對象后，本文加密算法相對于參考算法，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間開銷，則本文加密算法時間消耗平均降低56.29%，為實時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，對加密算法密鑰空間進行分析，本文加密算法主要有兩類依賴：1) TSTDM-QDCTC 和TSTDM-MVP 紋理檢測模型；2) SSKGM-VF 流密鑰生成算法。其中，紋理檢測模型共有4 個參數(shù)：TI0、 λI、TP0和 λP；流密鑰生成算法則有3 個參數(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，有效密鑰長度已達256 bit，而一般認為算法密鑰長度達到128 bit 即為安全的，因此，本文加密算法密鑰空間達到安全標準，能夠有效抵抗暴力攻擊。

此外，本文利用NIST SP 800-22 對SSKGMVF 算法生成的流密鑰隨機性進行了測試。NIST SP 800-22 是由美國國家標準與技術(shù)研究院公布的數(shù)據(jù)序列隨機性測試工具，測試結(jié)果由P 值決定，當P 值大于0.01 時，認為被測試序列是隨機的。詳細測試結(jié)果如表3 所示。

表3 流密鑰SP 800-22 測試結(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性，能夠抵御靜態(tài)分析攻擊。

4 結(jié) 束 語

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，通過利用編碼過程中間數(shù)據(jù)(殘差DCT 系數(shù)和運動矢量)，構(gòu)建了兩種低計算復(fù)雜度的紋理檢測模型TSTDM-QDCTC和TSTDM-MVP，并以此作為加密區(qū)域選擇算法，實現(xiàn)對紋理區(qū)域的有效加密。以H.264/AVC視頻編碼為測試平臺進行了算法驗證，實驗結(jié)果表明，本文提出的紋理檢測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，平均信噪比為10.68 dB；與此同時，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%，為實時性視頻編碼加密提供了有利條件。