隐写分析是对隐写术的攻击，是为了检测是否有秘密信息存在于正常载体中。隐写分析技术是解决非法使用隐写术问题的有效手段，可以起到防止机密资料流失、揭示非法信息、打击恐怖主义等作用，从而促进国家信息安全和社会稳定，近年来已成为信息安全领域的研究热点。
在现有的视频隐写分析技术中，绝大部分隐写分析算法[1-7]均是人工提取特征。例如，Jainsky等[1]利用视频信号中各个图像帧之间的时间相关性来增强隐写分析性能。Wu等[2]将运动矢量差异的联合分布作为隐写分析的特征。孔维国等[3]构建了原始视频和重压缩视频帧内预测模式的转移概率矩阵，并将其作为隐写分析特征。Nie等[4]提出了一种新的基于帧内预测模式的视频隐写术。盛琪等[5]统计了重压缩前后各尺寸PU(Predict Unit)数量及占比的变化率，并以此为特征。Li等[6]研究了P帧中各尺寸PU划分类型在隐写前后的数目变化，构建了25维和3维特征用来检测HEVC视频的块划分模式隐写分析算法。Huang等[7]设计了CGPD(Combination-based Group Proportion and Difference)特征来检测Yang等[8]提出的基于PU划分模式的HEVC视频隐写算法。
近年来，深度学习技术在计算机视觉等领域被广泛应用，神经网络提取的多维抽象特征与传统的人工特征相比表现出更强的优势。受此启发，有很多研究者尝试将深度学习技术引入隐写分析领域。现有基于深度学习的隐写分析算法主要针对的是数字图像领域[9-12]，而基于深度学习的视频隐写分析研究成果较少。Liu和Li[13]针对基于H.264的帧内预测模式和运动矢量的隐写算法，提出了噪声残差卷积神经网络(Noise Residual Convolutional Neural Network, NRCNN)。黄雄波等[14]于2020年提出针对视频运动向量隐写的深度学习检测算法。
根据秘密信息的嵌入位置，现有的HEVC视频隐写分析算法主要有基于量化的DCT(Quantized Discrete Cosine Transform，QDCT)系数、运动矢量、帧内预测模式和帧间预测模式4种。帧间预测模式是HEVC标准的重大创新之一，文献[8, 15-16]提出了一系列基于PU划分模式的隐写分析算法。其中，文献[15]的隐写视频已经能被文献[6]提出的隐写分析算法成功地检测，文献[7]则设计了专门针对隐写分析算法[8]的高检测率隐写分析特征。Li等[16]于2019年提出的基于帧间预测模式的隐写分析算法在视觉质量和安全性上都较文献[8, 15]具有更高的性能，然而，目前还没有针对此隐写分析算法的隐写分析出现。因此，本文针对该隐写分析算法提出了一种基于多尺度残差卷积模块的隐写分析网络。
目前，多数隐写分析算法是提取特定的压缩模式为特征来进行检测，这类算法一般仅对同种类型的隐写分析算法才会具有更高的检测能力。而通常情况下，不会预先知道该载体中是以何种形式进行信息隐藏，因此，更需要一种通用的检测算法来进行隐写分析。由于隐写通常会将压缩过程中最优的模式修改成次优甚至更次优的模式，对压缩视频质量造成一定的影响。因此，本文从视觉质量受损的像素域变化检测入手，首先对视频帧图像进行高通滤波处理，然后将滤波后的图像送入深层次网络学习提取检测特征，在网络结构中设计了创新性的多尺度残差卷积模块，最终提出的隐写分析网络能够高效准确地检测出隐写分析算法[16]生成的HECV隐写视频，为推进视频隐写分析技术特别是新型的基于深度学习网络的视频隐写分析做出积极贡献。
1 隐写视频像素域变化的统计分析 1.1 隐写分析算法原理及实现 HEVC是基于块的编码方式，首先将一帧图像划分为尺寸一致、紧邻且不重叠的方形编码树单元(Coding Tree Unit, CTU)，通常尺寸选择为64×64。根据视频内容特点，HEVC会根据四叉树结构把每一个CTU进一步划分为更小的CU(Coding Unit)，最终会有8×8、16×16、32×32和64×64共4种类型的CU。HEVC以每一个CU为基本编码单元，对每一个图像块进行预测、变换、量化、熵编码，形成最终的二进制比特流。其中，HEVC在帧间预测阶段提供了如图 1所示的8种PU划分模式。对于大小为16×16或者更大的CU块，其PU的划分类型可以选择除N×N以外的7种模式。对于大小为8×8的CU块，为了减少压缩编码的复杂度，HEVC只允许其使用2N×2N、N×2N、2N×N和N×N四种类型的PU划分模式。
 |
| 图 1 帧间预测阶段的PU划分模式 Fig. 1 PU partition modes during inter-frame prediction |
| 图选项 |
Li等[16]通过修改8×8和16×16 CU的PU划分模式，在视频序列的P帧嵌入秘密信息，具体嵌入过程如下：
首先，在对一个CTU进行编码的过程中，记录下HEVC为该CTU选定的最佳CU划分结构和对应的PU划分模式。如果当前CTU的划分结果中，8×8 CU块的个数大于等于1或16×16 CU块的个数大于等于3，则代表当前CTU块可以作为嵌入秘密信息的载体。
对于当前CTU中的每一个大小为8×8的CU，将HEVC选定的最佳PU划分类型根据表 1映射成对应的整数记作p，待嵌入的秘密信息记作d1(d1∈{0, 1, 2})，根据算法1可确定能代表秘密信息d1的PU划分类型p'，则将该8×8大小的CU块的PU划分模式修改成整数p'对应的PU类型。
表 1 PU划分类型与整数的映射规则 Table 1 PU partition types and integer mapping rule
| PU划分类型 | 映射整数 |
| 2N×2N | 0 |
| N×N | 1 |
| N×2N | 2 |
| 2N×N | 3 |
| nL×2N | 4 |
| nR×2N | 5 |
| 2N×nU | 6 |
| 2N×nD | 7 |
表选项
算法1????针对8×8大小CU块的隐写分析算法[16]。
if (p%3) + 1 == d1
??p'=p+1;
else if (p%3) - 1 == d1
??p'=p-1;
else
??p'=p;
对于当前CTU中的每3个大小为16×16的CU，将HEVC选定的最佳PU划分类型根据表 1分别映射成对应的整数记作p1、p2、p3，待嵌入的秘密信息记作d2(d2∈{0, 1, 2, 3, 4, 5, 6})，根据算法2可确定能代表秘密信息d2的PU划分类型p'1、p'2、p'3，则将这连续3个大小为16×16的CU块的PU划分模式分别修改成整数p'1、p'2、p'3对应的PU类型。
算法2????针对16×16大小CU块的隐写分析算法[16]。
f=p1+2×p2+3×p3
if (f%7) + 1 == d2
??p'1=p1+1;
else if (f%7) + 2 == d2
??p'2=p2+1;
else if (f%7) + 3 == d2
??p'3=p3+1;
else if (f%7) - 1 == d2
??p'1=p1-1;
else if (f%7) - 2 == d2
??p'2=p2-1;
else if (f%7) - 3 == d2
??p'3=p3-1;
else
??p'1=p1, p'2=p2, p'3=p3;
至此，秘密信息以8×8和16×16 CU的PU划分模式为载体完成嵌入，经过后续编码过程形成隐写视频。
1.2 隐写分析算法的像素域变化统计分析 Li等[16]提出的隐写分析算法以PU划分模式为载体完成信息嵌入，其对视频图像内容的影响将被分散到空域的多个像素，因此，与原始默认HEVC压缩的视频相比，隐写视频对应帧的像素值会有一定的差异。该隐写分析算法将GOP的结构设置为“IPPP”，只在P帧中嵌入信息，因此，只需要分析3个P帧的像素域变化情况。本文通过像素幅度变化率F(x, y)来更客观地反映隐写分析算法对视频内容的影响程度，其计算公式为
 | (1) |
式中：F(x, y)为第x行第y列位置的像素幅度变化率；P(x, y)和P′(x, y)分别为第x行第y列位置上视频帧隐藏前后的像素值。
由式(1)的定义可知，像素幅度变化率F(x, y)的值介于0%~100%之间，F(x, y)值越大，表明隐写分析算法对视频像素域的影响程度越大。
为了更直观地展示，以分辨率为1 080p的Tennis视频为例，分别计算1 920×1 080个位置的像素幅度变化率F(x, y)，去除没有发生变化的像素，统计幅度变化率在2%以下、2%~3%、大于3%三种变化程度的像素个数。实验结果如图 2所示，像素幅度变化率小于等于2%的像素占到了90%左右，像素幅度变化率2%~3%和大于3%的像素分别占据的比例仅有5%。该实验表明，修改PU划分模式对视频内容的影响被分散到空域图像的多个像素，而对单个像素值的影响十分轻微。进一步观察图 2发现，越远离I帧的P帧中，像素被改变得更严重的个数越多，这是因为解码时的参考帧是前一帧的缓存图像，隐写分析算法修改PU划分模式使解码器得到的图像质量下降，而这种质量下降越往后越叠加。因此，对于隐写分析算法来讲，选用每个“IPPP”结构中的第3个像素幅度变化最大的P帧作为深度学习网络的输入数据。
 |
| 图 2 隐写视频像素域变化分析 Fig. 2 Analysis of change in pixel domain of a steganographic video |
| 图选项 |
2 隐写分析网络 本文提出的多尺度隐写分析网络(Multi-Scale Steganalysis Network, MSSN)结构如图 3所示。首先介绍输入层，本文在训练阶段以单通道128×128大小的灰度图像作为网络的输入，因此按照此输入大小在图 3中标注出了每一层特征图的形状。网络的主体主要由3个部分构成(对应图 3中的3个红色虚线框)，分别用来做残差计算、特征提取和二分类。残差计算部分即为图 3中黄色底的残差卷积层，用于去除图像内容本身对网络训练的干扰。特征提取部分由5个卷积层、3个池化层、1个残差卷积层、1个多尺度残差卷积模块及1个隐写分析残差块组成。二分类部分由一个全连接层和Softmax层组成。
 |
| 图 3 多尺度隐写分析网络结构 Fig. 3 Multi-scale steganalysis network structure |
| 图选项 |
2.1 残差卷积层 残差卷积层，也就是图 3中黄色底的模块，该模块由30个5×5的卷积核构成，其权重的初始值是根据SRM[10](Spatial Rich Model)中的高通滤波器内核来初始化的。SRM在图像隐写分析领域被广泛应用，由于本文是基于像素对视频进行隐写分析，同样适用于本文。这30个高通滤波器使得设计的网络专注于隐写分析算法引入的噪声，而不是图像本身的内容。因此，在训练初始阶段就使网络处于良好的训练起点，在后续的训练过程中，这些权重依然会被实时更新。
另外, 激活函数为神经网络引入了非线性因素，使其可以任意逼近各种非线性模型，选择合适的激活函数对于任务的成功至关重要。ReLU是最常见的激活函数，被广泛应用于各种计算机视觉任务中，其公式为
 | (2) |
由ReLU函数的定义可知，其会把样本中的负值置零，这样会导致信息丢失。隐秘信息的嵌入过程可以看成在载体图像中添加了噪声，由1.2节的分析可知，该噪声的能量非常小。因此，本文在最开始的残差卷积层中不适合采用ReLU函数，而是采用激活函数TanH，定义为
 | (3) |
TanH函数图像如图 4所示，其不会导致信息丢失，能更好地捕捉隐写信息，更适合隐写分析任务。
 |
| 图 4 TanH的函数图像 Fig. 4 Function graph of TanH |
| 图选项 |
2.2 多尺度残差卷积模块 针对Li等[16]提出的算法中隐写对象是HEVC编码的视频，本文提出了一种不同于一般残差卷积结构的带有多尺度变化的残差卷积模块，即图 3中的绿色底模块，其详细结构如图 5所示。由于HEVC压缩过程中是基于不同大小的图像块完成的，该模块的设计理念是希望在特征提取阶段从不同尺度提取到隐写信息。
 |
| 图 5 多尺度残差卷积模块 Fig. 5 Multi-scale residual convolution module |
| 图选项 |
如图 5所示，多尺度残差卷积模块由6个卷积层组成。首先，2个3×3的卷积核Conv1和Conv2串联起来，可以达到感受野为5×5的效果，与感受野为3×3的卷积核Conv3并联，从2个不同的尺度进行特征提取。然后，将这2层的特征图拼接起来，再送到3×3的卷积核Conv4和1×1的卷积核Conv5中。最后，通过卷积核Conv6将学习到的特征进行融合核残差计算。该模块的使用能有效提升隐写分析网络的特征提取能力。
2.3 隐写分析残差块 卷积神经网络的深度一般对分类性能有很大影响，通常认为网络越深，模型的表达能力也就越强，分类效果就越好。然而，单纯的加深网络又很可能造成梯度消失等问题，导致网络性能下降。ResNet[17]残差网络结构有效解决了这一问题。因此，本文使用了如图 6所示的隐写分析残差块。该网络的输入 s 可以看作是载体图像 c 和秘密信息 m 的加和，即s=c+m。理想情况下，载体图像内容已经在前面的网络层中被去除，即 c = 0。然而实际情况 c ≠ 0，载体图像的内容不会被完全滤除。隐写分析残差块的作用是进一步抑制载体图像内容 c ，使其输出的 s -R(s)更接近于隐写信息 m 。
 |
| 图 6 隐写分析残差块 Fig. 6 Steganalysis residual block |
| 图选项 |
3 实验结果与分析 3.1 实验设置 本文使用的视频集包含22个分辨率为1 920× 1 080的4∶ 2∶ 0 YUV序列，视频内容涉及了不同种类的场景。为了规范数据集，将每个原始视频切分为若干个不重叠的子视频片段，每个子片段有50帧。最终将22个原始视频切分成了110个分辨率为1 080p的子视频。视频压缩时，使用HEVC官方提供的编码器HM16.15，GOP设置为“IPPP”，其他编码参数均采用默认设置值。压缩后的110个YUV视频先被解码成1 920×1 080分辨率的PGM(Portable Graymap File Format，便携式灰度图像格式)格式的灰度图像。那么，每一帧视频序列中包含120个完整的128×128大小的子图像块。根据1.2节中的分析，每一个“IPPP”结构中的第3个P帧在像素域变化最大，因此选用第3个P帧为训练样本。其中，正样本是根据在数据集制作过程中，为了尽量保证视频内容的多样性，从每一个视频的第4帧开始，每隔8帧取20块，正好可以取完，这样可以保证每一帧取到的块不会重叠。然后再从第8帧开始，沿着反方向，每隔8帧取20块，使得相邻帧取的图像块内容差异最大。最后，110个视频共取得26 400张128×128的图像。实验中，21 120张图像作为训练集，5 280张图像作为测试集。
本文根据Li等[16]提出的基于PU的HEVC视频信息隐藏算法生成隐写视频，隐写视频中P帧的每一个8×8和16×16的CU中分别嵌入1.6 bit和0.93 bit的二进制信息，作为隐写分析网络的正样本，而默认的HEVC压缩的不含隐秘信息的视频作为负样本。
本文使用深度学习Pytorch平台完成网络的实现和训练。除了图 3中的残差卷积层ResConv，其他卷积层的权重和偏置项均采用默认的Kaiming均匀分布进行初始化。网络优化器采用ADADELTA[18]，动量值设为0.95，权重衰减设为5×10-4，delta参数设为1×10-8，初始学习率为0.1。数据集分批送入网络来优化参数，批量batch设置为32，使用的代价函数为交叉熵损失函数，epoch设置为200。
3.2 实验结果 图 7所示的BaseNet是一种基础的隐写分析网络结构。首先以此为基础进行测试，检测率为99.18%。根据纹理掩蔽效应，通常秘密信息会被嵌入在图像的纹理细节等高频区域。因此，增加了图 8所示的卷积残差层，添加了30个5×5的高通滤波器，为了更好地从像素域提取图像的高频信息。实验表明，图 8所示的网络结构的隐写分析检测率为99.65%。该结果表明，残差卷积层可以更好地从视频像素域中提取出嵌入的信息。提取出来的嵌入信息需要进一步经过特征提取，才能更准确地进行隐写分析判断。因此，设计了与HEVC结构更贴合的多尺度残差卷积模块，即图 3中所示的绿色模块。最终，对本文提出的整个网络结构MSSN进行测试，其检测率高达99.75%。
 |
| 图 7 隐写分析基础网络 Fig. 7 BaseNet for steganalysis |
| 图选项 |
 |
| 图 8 添加残差卷积层的隐写分析网络 Fig. 8 Steganalysis network with residual convolution layer |
| 图选项 |
最后，本文使用适用于隐写分析任务的残差模块，来改善较深的网络带来的梯度消失问题。实验表明，如果采用如图 9所示的不使用隐写残差块的网络结构，其检测率为99.60%，这比本文设计的完整网络MSSN下降了0.15%。因此，隐写分析残差块在较深的网络结构中是非常必要的。
 |
| 图 9 不使用隐写分析残差块的网络结构 Fig. 9 Network structure without steganalysis residual block |
| 图选项 |
3.3 对比分析 本文设计了一种多尺度卷积神经网络，从视频的像素域提取特征来检测HEVC视频中是否有秘密信息嵌入。同时，针对最新的基于PU划分模式的隐写分析算法[16]测试了本文提出的隐写分析算法的性能。在针对PU模式这一类型的传统隐写分析算法中，Huang等[7]于2020年提出了CGPD特征来进行隐写分析。在基于深度学习的视频隐写算法中，Liu和Li[13]提出了NRCNN基于像素域对视频进行隐写检测，而黄雄波等[14]基于视频的运动向量信息构造检测特征，并不是一种通用型的检测算法。因此，本文在对比深度学习领域的检测算法时，仅与NRCNN对比。在与NRCNN对比时，使用同样的数据集进行训练，保证了对比实验的变量唯一性，训练时使用的学习率为0.1，因为NRCNN网络结构在该学习率下表现最佳，其他训练参数均保持一致。本文提出的MSSN与CGPD和NRCNN这2种算法检测能力的对比结果如表 2所示。检测率越高，表明该隐写分析算法对隐写视频的检测能力越强。由表 2可知，NRCNN和MSSN这2种基于深度学习技术的隐写分析算法的检测率超过了99%，明显高于传统的基于CGPD特征的算法，说明卷积神经网络更能有效提取视频的隐写特征。另外，本文提出的MSSN的检测率超过了NRCNN，表明本文提出的多尺度卷积神经网络能更好地基于像素域捕捉隐写视频的特征，具有更强的隐写分析能力。
表 2 实验结果对比 Table 2 Comparison of experimental results
| 算法 | 检测率/% |
| CGPD传统特征 | 91.36 |
| NRCNN | 99.03 |
| MSSN | 99.75 |
表选项
4 结论 本文提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法，用于检测HEVC视频中是否有隐秘信息嵌入。主要贡献有
1) 设计了适合检测HEVC隐写视频的网络结构，使用以30个高通滤波器初始化的残差卷积层提取隐秘信息，在特征提取阶段使用多尺度残差卷积模块提取隐写信息的特征，并用隐写分析残差块保证较深的网络结构的有效性。
2) 该算法是一种通用性的视频隐写分析算法，从像素域提取检测特征，并且针对最新的基于PU模式的HEVC隐写分析算法进行检测。该隐写分析算法对视频的像素域影响很小，但本文提出的MSSN对其检测率依然高达99.75%。
参考文献
| [1] | JAINSKY J S, KUNDUR D, HALVERSON D R. Towards digital video steganalysis using asymptotic memoryless detection[C]//Proceedings of Multimedia & Security, 2007: 161-167. |
| [2] | WU H T, LIU Y, HUANG J, et al. Improved steganalysis algorithm against motion vector based video steganography[C]//IEEE International Conference on Image Processing. Piscataway: IEEE Press, 2014: 5512-5516. |
| [3] | 孔维国, 王宏霞, 王科人, 等. 基于转移概率矩阵的H.264/AVC视频帧内预测模式信息隐藏检测算法[J]. 四川大学学报(自然科学学报), 2014, 51(6): 1183-1191. KONG W G, WANG H X, WANG K R, et al. Steganalysis of intra-prediction mode modulated information hiding algorithms based on transition probability matrix for H.264/AVC video[J]. Journal of Sichuan University (Natural Science Edition), 2014, 51(6): 1183-1191. (in Chinese) |
| [4] | NIE Q, XU X, FENG B, et al. Defining embedding distortion for intra prediction mode-based video steganography[J]. Computers, Materials & Continua, 2018, 55(1): 59-70. |
| [5] | 盛琪, 王让定, 黄美玲, 等. 一种针对HEVC预测模式隐写的检测算法[J]. 光电子·激光, 2017, 28(4): 433-440. SHENG Q, WANG R D, HUANG M L, et al. A prediction mode steganalysis detection algorithm for HEVC[J]. Journal of Optoelectronics·Laser, 2017, 28(4): 433-440. (in Chinese) |
| [6] | LI Z, MENG L, XU S, et al. A HEVC video steganalysis algorithm based on PU partition modes[J]. Computers, Materials & Continua, 2019, 58(2): 563-574. |
| [7] | HUANG K, SUN T, JIANG X, et al. Combined features for steganalysis against PU partition mode-based steganography in HEVC[J]. Multimedia Tools and Applications, 2020, 79(41): 31147-31164. DOI:10.1007/s11042-020-09435-y |
| [8] | YANG Y, LI Z, XIE W, et al. High capacity and multilevel information hiding algorithm based on PU partition modes for HEVC videos[J]. Multimedia Tools and Applications, 2019, 78(7): 8423-8446. DOI:10.1007/s11042-018-6859-7 |
| [9] | QIAN Y, DONG J, WANG W, et al. Deep learning for steganalysis via convolutional neural networks[C]//Proceedings of SPIE-The International Society for Optical Engineering, 2015, 9409: 94090J. |
| [10] | YE J, NI J, YI Y. Deep learning hierarchical representations for image steganalysis[J]. IEEE Transactions on Information Forensics and Security, 2017, 12(11): 2545-2557. DOI:10.1109/TIFS.2017.2710946 |
| [11] | ZENG J, TAN S, LI B, et al. Large-scale JPEG image steganalysis using hybrid deep-learning framework[J]. IEEE Transactions on Information Forensics and Security, 2018, 13(5): 1200-1214. DOI:10.1109/TIFS.2017.2779446 |
| [12] | BOROUMAND M, CHEN M, FRIDRICH J. Deep residual network for steganalysis of digital images[J]. IEEE Transactions on Information Forensics and Security, 2019, 14(5): 1181-1193. DOI:10.1109/TIFS.2018.2871749 |
| [13] | LIU P, LI S. Steganalysis of intra prediction mode and motion vector-based steganography by noise residual convolutional neural network[C]//3rd Annual International Conference on Cloud Technology and Communication Engineering, 2020, 719: 012068. |
| [14] | 黄雄波, 胡永健, 王宇飞. 针对视频运动向量隐写的深度神经网络检测方法[J]. 华南理工大学学报(自然科学版), 2020, 48(8): 5-13. HUANG X B, HU Y J, WANG Y F. A detection method with deep neural networks for video motion vector steganography[J]. Journal of South China University of Technology(Natural Science Edition), 2020, 48(8): 5-13. (in Chinese) |
| [15] | XIE W, LI Z, WANG J, et al. An information hiding algorithm for HEVC videos based on PU partitioning modes[C]//International Conference on Cloud Computing and Security, 2018: 252-264. |
| [16] | LI Z, MENG L, JIANG X, et al. High capacity HEVC video hiding algorithm based on EMD coded PU partition modes[J]. Symmetry, 2019, 11(8): 1015. DOI:10.3390/sym11081015 |
| [17] | HE K, ZHANG X, REN S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE Press, 2016: 770-778. |
| [18] | ZEILER M D. ADADLTA: An adaptive learning rate method[EB/OL]. (2012-10-22)[2021-04-01]. https://arxiv.org/abs/1212.5701. |
