基于自同步混沌流密码的HEVC视频ROI加密算法.pdf

信息通信基于自同步混沌流密码的HEVC视频ROI加密算法（五邑大学智能制造学部，广东江门52 9 0 2 0）摘要：在公共网络上广泛传播的视频不可避免地包含有隐私信息。为此很多针对视频的加密方案相继提出。文章针对HEVC视频感兴趣区域（ROI）提出一种自同步混沌流密码加密算法，以人脸所在区域作为感兴趣区域为例，实现对HEVC视频隐私区域的保护。首先，根据动力系统反控制原理，构建出无简并三维离散超混沌系统。在此基础上,提出一种自同步混沌流密码系统。然后，对HEVC视频ROI实现加密，具体如下。对于HEVC视频序列中的I，检测人脸所在区域并作为ROI；对于P顿，则利用视频流中压缩域信息追踪ROI。并将ROI信息转化为Tiles索引。利用自同步混沌流密码系统生成的伪随机序列对Tiles索引以及Tile内的语法元素MVD符号位、MVD值和QTC符号位进行加密。解码端的解密算法也同时详细给出。同时，借助补充增强信息（SEI)实现编解码端对ROI信息的同步。实验结果验证了所提方案的有效性。最后，对所提方法的性能和安全性进行了分析，并对所提方法的嵌入对编码器所带来的影响进行了讨论。关键词：选择性加密；ROI；自同步混沌流密码；语法元素中图分类号：TN918.1HEVC Video ROI Encryption Algorithm Based on Self-synchronized Chaotic Stream CipherAbstract:Videos that spread widely on public networks contain private information inevitably.For this reason,many selectiveencryption schemes for videos have been proposed.In this paper,a self-synchronizing chaotic stream cipher algorithm for ROIof HEVC video is proposed.By taking the face regions as ROI as an example,the privacy area of HEVC video can be protected.According to the anticontrol principle of dynamic systems,a no-degenerate 3D discrete hyperchaotic system is firstly construc-ted.On this basis,a self-synchronizing chaotic stream cryptosystem is proposed.Then,the encryption for HEVC video ROI isimplemented as follows.For the I frame in the video sequence,the area where the face is located is detected and used as an ROI,and for the P frame,the compressed domain information of the video stream is used to track the ROI.The ROI information isthen converted into Tiles index.The Tiles index and the syntax elements MVD symbol bit,MVD value and QTC symbol bit inthe Tile are encrypted using the pseudo-random sequence generated by the self-synchronizing chaotic stream cryptosystem.Thedecryption algorithm on the decoding end is also given in detail.Meanwhile the ROI information is synchronized by the codecend with the help of supplementary reinforcement information(SEI).Experimental results verify the effectiveness of the pro-posed scheme.Finally,the performance and security of the proposed method are analyzed.The impact of the embedding of theproposed method on the encoder end is also discussed.Keywords:Selective Encryption;ROl;Self-synchronous Chaotic Stream Cypher;Syntax Elements1 引言随着宽带互联网和社交平台等的快速发展，大量的图像和视频等多媒体内容在公共网络中传输。这些多媒体内容在方便人们日常交流的同时，所涉及的安全性问题也不容忽视。特别是近几年由于新冠疫情的影响，在工作、生活中利用视频会议、视频通话等方式进行交流已成常态，相关应用场景不可避免地会涉及到个人的人脸容貌等隐私信息。为此，作为视频隐私保护最为行之有效的方法一一视频加密成为研究热点之一。最早的视频加密方法直接把原始视频数据或编码后的视频数据当作二进制数据进行加密。这种简单加密算法处理原始视频数据时会导致压缩效率很低，无法满足视频加密的实收稿日期：2 0 2 3-0 4-17基金项目：国家自然科学基金资助项目（6 19 0 130 4）。作者简介：叶斌辉（19 9 6-），男，河南信阳人，硕士研究生，研究方向为视频加密；林卓胜（19 9 1-），男，广东江门人，副教授，硕导，博士，研究方向为混沌密码，隐私保护等。12023年第0 5期(总第2 45期)叶斌辉，林卓胜文献标识码：A文章编号：2 0 9 6-9 7 59(2 0 2 3)0 5-0 0 0 1-0 8YE Binhui,LIN Zhuosheng(Faculty of Intelligent Manufacturing,Wuyi university,Jiangmen 529020,China)时性要求；后者加密编码后的视频流数据时会破坏视频的格式兼容性 2-31，不进行解密或解密出错均会导致视频无法正常播放。为了兼顾加密的安全性和效率，选择性加密算法被提出。在2 0 13年前，多数的选择性加密算法研究集中在H.264/AVcl47在ITU-TH.264/MPEG-4AVC标准的继任者一一高效率视频编码(HEVC)发布后，针对HEVC的视频选择性加密方案也随之出现。Wallendael等人分析了HEVC中的语法元素，并对残差符号、运动向量差符号、运动向量预测索引和运动向量参考索引这四种语法元素实施加密，发现最佳的加密组合为运动向量差和残差符号8 。此后，他又针对更多的语法元素，如短期参考图像集、量化参数间信息、残差信息、去方块滤Changjiang Information&Communications波参数、和SampleAdaptiveOffset等实施加密。对这些语法元素加密后视频有一定的扰乱效果，但效果并不理想。Shahid等人分析了自适应上下文二进制算术编码，指出对旁路编码模式下使用截断莱斯码和指数哥伦布编码进行编码的码流进行加密，可保证加密前后码流的大小不变和格式兼容性。Ho-fbauer等人在文献 11 中提出了加密交流系数AC的方案，但是加密效果较弱。而后，Tew等人提出加密变换跳过标志位的方案2 1,但该方案会引起比特率的上升。Boyadjis等人提出了加密CABAC中使用常规编码模式的IPM3,这种方式大大增强了加密强度，但会引起比特率的上升。同时,Peng等人提出对变换信息元素以及色度预测模式14进行加密，并提出了重点加密边缘信息的方法。此后序列参数集和视频参数集115 等语法元素也被应用于加密中。这些方案是对视频中的整帧图像进行加密，其加密复杂度相对较高。为了更好地解决视频中的隐私保护问题，针对视频中ROI而非整个图像的加密方案陆续被提出。Zhang等人提出了一种先把ROI与原视频分离并加密，再用空白值填充回原视频的方案16，这种方案破坏了视频在ROI附近的时间和空间上的相关性，导致压缩率下降。Farajallah等人提出了基于Tile的ROI加密方案 17 ，为了保证加密只在ROI内执行，限制了MV的参考范围，代价则是率失真的下降，同时导致的比特率上升。此类方案预先把ROI当作已知信息，限制了方案的实用性，为此Du等人最早提出了检测视频中ROI的方案8 。Hosny等人利用DCNN检测了视频内的人脸区域，作为ROIli9。这类方案虽然解决了ROI的定位问题，但是对每一帧图像都进行检测导致了性能的下降。为了降低对HEVC视频序列的ROI检测复杂度，本文仅对I帧进行检测，对P帧则利用视频流中的压缩域信息对ROI的位置进行追踪。此外，据我们所了解，现有ROI加密算法均未关注解码端对加密后视频流的ROI识别定位。由于对ROI加密后的图像和视频压缩域信息已被破坏，解码端难以再通过人脸检测算法或基于压缩域信息的追踪算法获取相应的ROI。为此，本文利用HEVC中的SEI来传输ROI信息，确保了编解码端ROI信息的一致性。基于这两点，本文提出基于自同步混沌流密码的HEVC视频ROI加解密算法。具体是将视频的每一顿划分为若干Tiles,利用DNN人脸检测算法获取ROI，将ROI信息转化为待加密Tiles列表；利用压缩域中的MV等信息追踪ROI,更新Tiles列表；通过SEI在编解码端传810叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法输ROI信息；利用自同步混沌流密码系统对ROI关联的Tile内的部分语法元素实施加密。本文剩余部分组织结构如下：第二部分设计自同步混沌流密码算法，第三部分阐述加密方案的流程和具体实现方案，第四部分给出了实验结果，并对性能表现和安全性进行分析讨论，最后一部分对全文进行总结。2自同步混沌流密码算法的设计自同步混沌流密码是流密码中的一种，其所生成的密钥序列和密文密切相关，具有良好的安全性，且可以实现误差的有限传播，已经应用于图像、视频等多媒体数据。文献 2 0 对几种自同步混沌流密码算法进行了安全性分析，揭示了所存在的安全漏洞。针对现有自同步流密码算法存在的安全性缺陷，本章首先构建三维离散超混沌系统，在该系统的基础上提出一种安全性能较高的自同步混沌流密码算法。2.1三维离散超混沌系统的构建首先，根据动力系统反控制原理，构建三维离散时间系统为：X(k+1)=Ax3X(k)+B3xIl(1)式中,X(k+1)=x(k+1),x(k+1),x,(k+1),X(k)=x(k),xz(k),x,(k)，k=1,2,3,。为提高安全性，所构建的标称矩阵A3x3中包含非线性元素，B3xI为一致有界反馈控制器，A3x3和B3x1的具体形式为：at(k)x,(k)3x3=a21a31Bxl=00(mod(ox;(k),)式中函数mod(.)表示取模运算。当参数设置为=110，a=0.46，a i 2=-0.33，a i 3=-0.0 4,a21=0.04,a22=0.09,a23=0.33,a31=0.37,a32=-0.37,a33=0.42,=6103,8=2.210时，三个李氏指数的计算结果分别为LE=0.28198,LE=0.27359,LE;=0.092683。因此公式（1)所对应的系统是具有三个正李氏指数的无简并三维离散超混沌系统，相应的混沌吸引子相图如图1所示。25x10s12a24(k)x;(k)a3225x10sa1323s;(k)x,(k)(2)26541.51.520.5100.502-3.5-0.53-2.5-2-1.5-1-0.5(a)xi-x2平面-0.5D0.5x104-3.532.52-1.51-0.5*(b)x2-x;平面图1混沌吸引子图0.5104-2。(c)xi-x;平面24681042加密Changjiang Information&Communications2.2自同步混沌流密码算法的设计根据2.1节所构建的三维离散超混沌系统,将密文p(k)反馈回混沌系统的控制器中，得自同步混沌系统的迭代方程为：(k+1)=Ss(k)s(k)x,(k+1)=a/4(k)+a(k),(k),当编码端和解码端混沌系统的参数匹配，即使初始值的取值不一样，也能实现同步，其同步误差仿真结果如图5所示，能在10 步迭代以内完成同步。使得加密端和解密端的混沌系统能实现自同步。21.5(czI=!)(x10.50-0.5-1-1.5-20当前顿F参考顿Fw-1叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法为了进一步提高流密码系统的安全性，利用式迭代生成的多个混沌状态变量计算出伪随机序列，其数学表达式为：s(k)=mod(L x(k)x,(k)x,(k),256)x(k),+a2x2(k)+ai3t,(k)式中符号“表示向下取整。所生成的伪随机序列s(k)x(k)+a2gt;(k)(3)x,(k)+mod(ap(k),e)Ax,(Ax,(k)Ax,(k510图2 同步误差仿真结果CTU顿内模式内预测顿缓存滤波(4)用于对HEVC视频序列的语法元素等进行加密和解密。3HEVC视频ROI加解密方案设计HEVC的编码端框架如图3所示。主要包括预测，变换，编码和顿重建四个模块。经过对HEVC的编码框架分析后，本文选择在视频编码流程的变换量化过程后引入加密模块，见图3右上角虚框表示。这使得原本要进入自适应上下文二进制算术编码（CABAC)流程的残差系数X，更改为先进入加密模块，对特定的语法元素进行加密后，再进入CABAC流程，最终获得加密视频流。加密和解密的流程流程图如图4所示。首先将输入的视频序列分割为若干个图像组(GOP),将每个GOP中的第一顿设置为I帧，其它帧设置为P顿。若当前帧为I顿时，提取当前帧的图像，使用OpenCV的DNN人脸检测算法得到ROI,由ROI得到其关联的待加密Tile。若当前帧为P顿，则通过压缩域的MV信息追踪ROI,然后更新待加密Tiles列表。利用自同步混沌流密码系统动态地生成伪随机序列，用以加密。把加密后的Tile相关信息写入SEI,最后对Tile列表内的语法1520运动估计间预测PUF顿重建25PU30元素MVD符号位、MVD值和QTC符号位进行加密。解码端获取加密视频流后，先解析SEI获取Tiles的相关信息，由此更新待解密的Tiles列表，再对Tiles列表内的加密语法元素进行解密，最后解码解密后的视频流。TUXI变换量化变换PUPRD.反变换反量化语法元素加密图CABAC焰编码TU比特流图3HEVC编码框架3.1ROI的检测和追踪对于视频序列中的I帧，提取该帧完整图像，利用Open-CV中的DNN人脸检测模块获取包含人脸的矩形框，人脸所在矩形区域为本文选择的ROI,存储ROI框的四个顶点的二维坐标信息。根据ROI所占据的Tiles，更新待加密Tiles列表，如图5所示，待加密Tiles列表包括Tile4、T ile 5、T ile 9 和Tile10。对于视频序列中的P顿，利用压缩域信息追踪ROI。Khatoonabadi等人针对H.264/AVC标准，提出利用极坐标向量中值(PVM)为内预测编码块赋予MV信息的方案 2。本3文将方案用于对ROI即Tile 的运动追踪上。Tiles 内的CTU包含了自身的运动向量信息,CTU划分为了若干CU,作为背景的CU块其运动向量通常为零，提取出CTU中非零的运动向量信息，计算PVM。计算出PVM后，将其作为ROI对应矩形框的运动向量，在原位置的基础上运算得到矩形框在下一帧的位置。Rectn+=Rect,+PVM,式中Rect,为当前帧的ROI所对应的矩形框，Rect+t为下一顿的ROI所对应的矩形框。(5)Changjiang Information&Communications划分GOP,设置TntraPeriod是香是否为？DNN人脸检测获取ROI限踪和更新RO更新待加密的Tiles列衣加密Til信息可入到SE自河步滤沌流密码系统加密Tiles列表内的QTC符号位、MVD值和MVD符号位加密视频流图4加密、解密流程图Tie4图5 ROI与其关联的Tiles。细虚线框：Tiles。实线框：ROI。粗虚线框：ROI关联的Tiles。图中ROI占据了Tile5,Tile6,Tile9,Tile10。3.2ROI中语法元素的加解密针对HEVC视频序列的ROI,本文对待加密 Tiles 的索引和对应Tiles列表内的语法元素：QTC符号位和MVD编码后缀及其符号位进行加解密。3.2.1编码端加密待加密Tiles的索引Tiles列表中Tile的索引Idx指示了视频流中每顿的ROI信息，需要被加密。对待加密Tiles列表中的每个Idx的加密方式如下：(6)式中enc_Idx为加密后Idx,sce为编码端自同步混沌流密码系统所生成伪随机序列S()中的值，符号 表示按位异或运算。3.2.2解码端加密Tile内的语法元素Tile内的语法元素即为Tile所包含的CTU所对应的语法元素。本方案所加密的语法元素包括CABAC熵编码流程前所使用的TU内的QTC的符号位,以及帧间预测所到的MVD值的编码后缀及其符号位。在HEVC标准中，QTC符号位的编码采用旁路编码，以CG(CoefficientGroup)为单位。CG最长为16 位,numNonZero叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法加密流程图解密流程图输入视频序列加密视频流解新SEI获收Tile信息更新待解密的Tiles列衣白同少混沌流码系统解密Tiles列表内的QTC特号亿、MVD值和MVD符号位解码解密后的视频流Tile15enc_ Idx=Idx s(e)指示CG中非零系数的个数，若以二进制位数超过numNonZ-ero的值对语法元素进行加密，会导致解码失败，故依据num-NonZero的值对伪随机序列中的值进行截断，然后进行异或加密，得到加密后的语法元素值，加密方案为：enc_ coeff=org_coeff (s(mod2w)式中org_coeff为CG的原始值，enc_coeff为CG加密后的值。MVD值编码后缀和符号位同样也是采用为旁路编码。MVD值abs_mvd_minus2的后缀编码为一阶指数哥伦布编码(EG1,Exp-Golomb-1),abs_mvd_minus2最长为32 位，指数哥伦布编码为变长编码，对其进行加密的方案为：enc_ abs_mvd_minus2=(abs_mvd_minus2 s(e)+2式中enc_abs_mvd_mimus2为加密后MVD的值。MVD符号位为coeffsign，加密方案为：enc_coeffsign=coeffsign (s()mod2)式中enc_coefsign为加密后MVD的符号位。3.2.3编码端解密待解密Tiles列表中Tile的索引为了获取视频流中每帧的ROI信息，在解码端，首先从码流中解析出每一帧的SEI信息，然后提取SEI中的enc_Idx，对其进行解密的公式如下：dec_ Idx=Enc_ldx s(a)式中dec_Idx为解密后的Tile序号，s为解码端自同步混沌流密码系统所生成伪随机序列伪随机序列S(中的值。当s(e)=s时，解码端能计算出正确的dec_Idx，即识别出已加密的Tile区域。3.2.4解码端解密Tile内的语法元素由于编码端对待加密Tiles内包含的部分语法元素进行了加密，故解码端首先解析关联当前顿的SEI信息，得到Tile相关信息，对相应已加密列表的Tile内的语法元素进行解密。对于QTC的符号位，解密方案为：dec_ coeff=enc_ coeff(s()mod2w)式中dec_coeff为解密后QTC符号位的值。对于MVD的值，解密方案为：dec_abs_md_minus2=(enc_abs_md_mimus2-2)s(a)(12)式中dec_abs_mvd_mimus2为解密后MVD的值。对于MVD的符号位，解密方案为：dec_coefsign=enc_coeffsign (s()mo d 2)式中dec_coefsign为解密后的MVD符号位。3.3编解码端ROI信息的同步SEI属于HEVC视频流中的高层信息，借助SEI实现编解码端对ROI信息的同步。HEVC视频流包含一系列叫做网络抽象层（NAL）单元的数据序列。NAL单元分为VCL（V i d e oCoding Layer)NAL 和 non-VCL NAL,其中 non-VCL NAL 携带了若干个编码图片的控制信息。一些non-VCLNAL单元包含了作用域为整个视频或视频图片子集的高层信息，如SEI。SEI支持用户自定义信息，通过SEINAL单元传输，在HEVC中可添加为VCL NAL 的前缀或后缀。为了能在解码端获得已加密的Tile信息，本文在每一帧所在的NAL前添加SEI信息。本文选用SEI信息类型中的Userdataunregistered类型作为传输Tile信息的载体。SEI中写入的信息为加密后的待加密Tiles列表。4(7)(8)(9)(10)(11)(13)Changjiang Information&Communications4实验结果与性能分析4.1实验环境实验运行的环境为配置为IntelCorei5-104002.9GHzCPU，16 G 内存的笔记本电脑，编解码核心为HM16.19，设置IntraPeriod为2 4,GOP为4,启用Tile均匀分割模式，为与现有文献结果进行对比，量化参数采用QP=24进行测试。4.2实验结果根据本文所提出的加密方案，对BasketballDrive等四个叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法标准视频序列进行加密、解密的部分截取视频顿如图6 所示。加密后的视频流满足格式兼容性，能直接用HEVC视频播放器播放。从图6 第二列的加密图像可以看出，人脸区域已经不可辨别，具有良好的加密效果；当处理不同大小的人脸时，本方法可自适应调整加密区域的大小。如图6(a)和图6(j)所示，当一帧图像中同时出现多个人脸的情况，能实现对多张人脸加密。从图6 第三列的解密图像可以看出，能实现对加密图像的有效解密，恢复出原始视频顿的效果。(a)(b)(c)(d)(e)()(g)(h)()图6 BasketballDrive序列第18 0 顿,PartySence序列第7 1顿，Kimono1序列第15顿，Vidyo1序列第2 8 7 顿的实验结果，从左到右每列依次为原始图像，加密图像和解密图像4.3性能分析和安全性分析(2,k+c)(20ik+c,)SSIM=首先，分别从加密视频帧和原始视频帧中截取TileIdx所(uf+c)(oi+ok+c.)指定区域分别作为加密图像EncPic_ROI和原始图像OrgPic_式中和分别为原始图像的均值和方差，k和分ROI。本节所述的性能指标分析都是基于EncPic_ROI和Or-别为密文图像的均值和方差，ik是I和K的协方差，Ci和c2分gPic_ROI 进行测试。别为常数且取值为ci=0.0004,C2=0.0036。4.3.1峰值信噪比和结构相似性本文所提出的加密算法在九个标准视频序列下的PSNR峰值信噪比(PSNR)和结构相似性（SSIM)这两个参数用和SSIM值如表1中的第2 列和第3列所示，可以看到在不同来衡量两帧图像间的相似性，这两个参数的值越小，表明两顿图像间变化程度越显著。PSNR的计算方法为：MSE=hwo-0255PSNR=20.logio(VMSE式中I和K分别表示原始图像和加密图像，h和w分别表示图像的长和宽。5(k)标准视频序列下的测试结果都比较接近，且都较小，表明了所提方法的有效性。同时从表1可以看出 LZ5LZ6，与文献13相比，本文所提算法在除视频序列PartyScene外，在这两(14)项指标上均有提升；与文献 14 相比，本文所提算法能大幅度降低了指标SSIM，但在指标PSNR上有所损失，其主要原理是文献 14 所加密的语法元素有10 种，而本文所提算法仅加密了3种语法元素。()(15)编码器和嵌入本文方法的编码器上对修改后MVD值进行编码得到对应的视频流。分别获取视频流中每帧Tileldx所指定Changjiang Information&Communications表1本文所提算法和相关文献方法在PSNR和SSIM上的计算结果表本文所提算法Boyadjisla视频序列PSNRBasketballDrive12.3539BQMall13.4347FourPeople13.7093Kimonol14.1906ParkScene13.1008PartyScene10.848vidyol12.441vidyo311.5715vidyo411.46134.3.2视频流数据量变化对于选择性加密算法而言，加密前后的比特率变化是重要的性能指标。理想状况是保持比特率不变化。由于本方案要额外传输SEI信息，必然会导致比特率增加，结果如表2 所示。本文方法比特率增加的主要因素是包含ROI的视频顿需要增加额外的信息一一SEI信息，在8 个标准视频序列的测试结果中，所增加的数据量占比不超过2%，对比特率的影响较小。与其他算法相比，在相同的测试视频序列下，本文所提方法所增加的数据量比例最少。表2 本文所提方法和相关文献方法在视频流数据量上的计算结果表原始视频流本文方法视频序列数据大小增量（字节）（字节）变化率变化率变化率BasketballDrive1510260BQMall556113FourPeople305109Kimonol1550951ParkScene2063739PartyScene1287286vidyo1252226vidyo3367739vidyo43120884.3.3 差分分析像素改变率(NPCR)和统一平均变化强度(UACI)这两个指标用于测试图像加密算法抵抗差分攻击的鲁棒性。NPCR和UACI越接近理想值，则加密算法的性能越好，对于8 比特长度的像素，NPCR和UACI的理论值分别为9 9.6 0 9 4%和33.4635%。计算方法如下：NPCRhxwUACI1hxwl式中 h和w分别表示图像的长和宽,L-8。C(u,v)和 Ca(u,)分别表示两图像在坐标(u,v)下的像素值,O(u,v)的计算方法为：O(u,v)=(17)1if C,(u,v)+C,(u,v)叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法本文测试NPCR和UACI的方式为：以改变语法元素MVD的值为例，分别在原始编码器和嵌入本文方法的编码器Pengl14 上对未改变MVD值进行编码得到对应的视频流，然后按(18)式修改Tiles索引列表中abs_mvd_minus2的值，再分别在原始SSIMPSNRSSIMPSNRSSIM0.06814.310.15713.790.12712.500.3800.01912.640.0290.0470.0640.0350.06242980.28%40720.73%38811.27%56290.36%17430.08%79480.62%41591.68%35350.97%45541.48%100%C(u,v)-C,(u,v)2-1fo if C,(u,v)=C,(u,v)0.5050.2850.39612.42 0.158一Boyadjisl31.19%2.16%2.46%0.38%1.74%100%10.410.29.8213.040.19811.00.45Peng.l47.79%8.92%10.78%9.81%6.95%(16)0.430.240.53区域进行计算。abs_mvd_minus2=(abs_mvd_minus2abs_mvd_minus2)mod256+3(18)由表3可知，原始编码器在修改MVD前后计算得到的NPCR和UACI的值都相对较小；而嵌入本文方法的编码器，其相应NPCR和UACI的值都增加了不少，其中对于视频序列ParkScene，计算得到的NPCR接近于理论值。而UACI与理论值还存在一些差距，究其原因主要是本文方法是对熵编码过程中的3种语法元素进行加密，与像素级全加密达到类噪声的效果相比，所计算出NPCR和UACI不可避免地小于理论值。表3原始编码器和嵌入本文方法的编码器在 NPCR 和UACI上的计算结果表NPCR视频序列原始编嵌入本文方法原始编嵌入本文方法码器的编码器BasketballDrive0.14444BQMall0.04748FourPeople0.01242Kimonol0.01552ParkScene0.00633PartyScene0.07734vidyol0.05338vidyo30.03701vidy040.003794.3.4编码耗时编码耗时体现了算法的效率，是实时视频加密的重要指标。表4展示了原始编码器和嵌入本文方法的编码器，在对九个视频测试序列的前50 顿片段进行编码时，所需耗时的结果。可以看出，嵌入本文方法后的编码耗时最多增加4.31%，最少仅为0.0 1%，平均增加率为1.6 7%，所增加的编码耗时较少，具有一定的实际应用价值。表4原始编码器和嵌入本文方法的编码器的编码耗时表视频序列原始编码器BasketballDrive2025.77BQMall362.53FourPeople483.26Kimono12039.00ParkScene1743.86PartyScene500.95vidyol492.39vidyo3546.30vidyo4566.33UACI码器的编码器0.936620.001790.824590.001490.755620.000100.947800.000010.981820.000160.926560.006270.768080.002700.925090.000660.875030.0002编码耗时(秒)嵌入本文方法的编码器2067.82364.50486.792052.831802.05501.02503.95553.09591.860.161870.140670.107870.219730.150980.203180.141770.156910.21082增加率2.03%0.54%0.73%0.67%3.23%0.01%2.29%1.23%4.31%6Changjiang Information&Communications4.3.5信息炳分析信息摘是信息确定性的度量，视频帧的信息摘代表所有像素的统计分布，信息熵越大表示像素分布的随机性越高。信息摘的计算方式如下：H(I)=Z p(l,)log2j=0式中L为像素I 的二进制长度,本文中L=8,p(I)为像素I出现的概率。对于8 比特的图像，信息熵的理论值为8。对九个视频测试序列的前50 顿片段加密前后的平均信息熵结果如表5所示。在加密后，平均信息摘都有所提升，基本接近于7，但是与对比算法还存在较大差距，其原因是因为本文方法仅对熵编码过程中的三种语法元素进行加密。4.3.6密钥敏感性分析良好的加密算法应当对初始密钥具有敏感性。密钥的细微改变会导致解密后的视频无法恢复原始视频的效果。本文所提方法所采用的是自同步混沌流密码系统，当解密密钥由原来的0.46 变为0.47 时，相应视频帧结果如图7 所示。从测叶斌辉等：基于自同步混沌流密码的HEVC视频ROI加密算法试结果可看见，使用错误密钥解密后的图像与但和原视频顿对比，已无法分辨出ROI内的人脸。实验结果表明，密钥的微小变化能导致解密效果与原视频顿效果有巨大的差异，因此，未获密钥授权的用户无法获得有效信息，实现视频中隐私区域的保护。1(19)p(l)表5加密前后的平均信息炳视频序列原始ROIBasketballDrive6.74BQMall6.82FourPeople6.65Kimonol5.06ParkScene6.34PartyScene7.05vidyol6.36vidyo35.75Vidy045.98本文Boyadjisisi6.867.3587.007.6106.777.5086.527.6076.997.366.416.676.55Pengl7.5987.6997.7107.6927.7937.839(a)(b)(c)(d)(e)(t)(g)图7 PartySence-第7 1帧，Vidyo1-第2 8 7 顿，BasketballDirll-第9 顿的实验结果，从左到右每列依次为原始视频帧，加密视频帧，使用错误密钥解密后的视频帧5结语本文提出了一种基于自同步混沌流密码系统的HEVC视频ROI加密算法，构建了从编码端和解码端完整的系统。为保证加密算法的安全性，构建出含非线性元素标称矩阵的无简并三维离散超混沌系统，以此为基础，提出一种自同步混沌流密码算法，利用多个混沌变量得到用于加解密的伪随机序7(h)列。利用视频流中压缩域的信息实现了对ROI的追踪；利用自同步混沌流密码系统所生成的伪随机序列，对Tiles索引和语法元素进行加密，保证了HEVC视频ROI的安全性；对熵编码过程中的三种语法元素进行加密，有效地保证了视频流格式的兼容性；借助SEI信息机制实现了编解码端对ROI信息的同步。实验结果和相关安全性分析结果表明，所提方法具()Changjiang Information&Communications有较好的加密效果和良好的安全性能。性能分析结果表明嵌入本文所提方法后，编码器在视频流数据量的增加和编码耗时等方面的性能不会有太大的改变。因此，本文所提方法能在兼顾安全性能的同时保证了编码效率，具有一定的实际应用价值。参考文献：1Stutz T.,Uhl A.A Survey of H.264 AVC/SVC EncryptionJ.IEEE Transactions on Circuits and Systems for VideoTechnology,2012,22(3):325-339.2Qiao L.,Nahrstedt K.A New Algorithm for MPEG VideoEncryption C/International Journal of Imaging Systemsand Technology,Las Vegas,Nevada,USA,2001.21-29.3 Shah J.,Saxena V.Video Encryption:A SurveyJ.Interna-tional Journal of Computer Science Issues,2011,8(2).4 Wang Y.,Neill M.O.,Kurugollu F.A Tunable EncryptionScheme and Analysis of Fast Selective Encryption for CA-VLC and CABAC in H.264/AVCJ.IEEE Transactions onCircuits and Systems for Video Technology,2013,23(9):1476-1490.5 Wang Y.,Neill M.O.,Kurugollu F.The improved sign bitencryption of motion vectors for H.264/AVCCJ/201