視頻偽造篡改類型及時域模型

孫 鵬 王方明 郎宇博 劉 磊 單大國

（1 中國刑事警察學(xué)院聲像資料檢驗技術(shù)系 遼寧 沈陽 110035；2 江西省經(jīng)濟犯罪偵查與防控技術(shù)協(xié)同創(chuàng)新中心 江西 南昌 330103）

1 引言

隨著視頻圖像處理技術(shù)的不斷發(fā)展，各類視頻編輯軟件不斷涌現(xiàn)，比較常見的有Adobe Premiere、Adobe Effect、會聲會影等專業(yè)視頻編輯處理軟件和愛剪輯等普通視頻制作軟件。這些視頻編輯軟件將視頻編輯變得方便、高效、高質(zhì)量的同時，也成為許多犯罪活動的常用工具。在一些犯罪活動中，犯罪嫌疑人為了達到其目的對視頻資料進行篡改，這些篡改的視頻經(jīng)常出現(xiàn)在案件偵查與司法審判過程中，嚴(yán)重影響了公檢法機關(guān)對案件相關(guān)線索的尋找認(rèn)定與證據(jù)的采集固定，對視頻證據(jù)鑒定工作提出了極大的挑戰(zhàn)[1]。

近年來，國內(nèi)外針對篡改視頻的檢測研究已經(jīng)有了諸多成果。文獻[2]提出通過檢測I幀（關(guān)鍵幀）是否經(jīng)過雙重JPEG壓縮來判斷MPEG格式視頻是否經(jīng)過了重壓縮，但其過程需要檢驗人員的干預(yù)，因此有可能出現(xiàn)人為因素導(dǎo)致的錯誤。文獻[3]針對量化DCT系數(shù)的水平，垂直，主對角線和次對角線方向的差異將一階馬爾科夫統(tǒng)計量建模，以此識別視頻是否經(jīng)過重壓縮。文獻[4]利用SIFT（Scaleinvariant feature transform，尺度不變特征變換）算法和k-Nearest Neighbors（k-NN）算法檢測空間域中是否存在copy-move篡改，而在時域中使用噪聲殘差的相互關(guān)系檢測是否存在篡改，綜合上述兩方面的檢測結(jié)果來判斷視頻是否存在幀內(nèi)篡改。文獻[5]通過計算當(dāng)前幀和非篡改參考幀之間的差異，使用k-SVD（k-奇異值分解）提取特征，并將其投影到由k-means聚類的較低維子空間中，從而檢測靜態(tài)背景下移動前景刪除這種特定的幀內(nèi)篡改方式。文獻[6]運用Lucas-Kanade光流算法，比較兩幀之間光流的一致性，從而檢測視頻是否存在幀間篡改。5個文獻中所提出的視頻篡改檢測方法代表了視頻篡改領(lǐng)域的前沿理論成果，這些方法具有較強的針對性，對于特定的視頻篡改方式或特定的視頻格式具有很好的適用性，但是很難將其推廣應(yīng)用到一般性檢驗。另外一個突出問題是，視頻真?zhèn)涡缘乃痉ㄨb定過程對涉案視頻缺少科學(xué)、規(guī)范的描述和度量。問題的產(chǎn)生是由于我們?nèi)狈σ曨l篡改類型的數(shù)學(xué)模型及其特點相關(guān)的基礎(chǔ)理論研究，從而導(dǎo)致檢測手段局限在了具體的應(yīng)用模式當(dāng)中，過多的依賴于人工經(jīng)驗，從而增加了鑒定意見出錯的可能性，也在一定程度上降低了視頻證據(jù)的證明力。

視頻是以數(shù)字形式記錄于存儲設(shè)備之中，對視頻的篡改操作實際上是將這些存儲的數(shù)字信息重新進行修改、拆分、刪除、排列和組合。建立模型的意義在于，將視頻的篡改過程抽象化，用簡潔而有邏輯的數(shù)學(xué)語言表達，力求能夠近似地刻畫視頻篡改過程，并通過此途徑尋求檢驗視頻是否經(jīng)過編輯篡改的方法。一段視頻可以將其抽象為一個由不同變量構(gòu)成的函數(shù)，通過建立數(shù)學(xué)函數(shù)模型，我們可以更直接地對篡改視頻的影響因素進行獨立的、更加深入詳細的分析，提高對各種篡改過程的認(rèn)識，從而尋求一種更加準(zhǔn)確嚴(yán)謹(jǐn)?shù)某叨取?biāo)準(zhǔn)和語言在視頻篡改檢測的司法實踐中運用。因此，本文將常見的視頻篡改方法的篡改過程單獨列出，從時空域角度建模，以期通過建立的模型，對這些單一的篡改方式進行研究，以便更好地認(rèn)識和研究多種篡改方法聯(lián)用而制作出來的視頻，使今后的視頻篡改檢測方面的研究更具科學(xué)性、邏輯性、客觀性，為司法鑒定過程中準(zhǔn)確嚴(yán)謹(jǐn)?shù)卣撟C、表述視頻是否被篡改提供基礎(chǔ)性的理論依據(jù)。

2 視頻壓縮及編輯基礎(chǔ)理論

與圖像經(jīng)常壓縮為常見的JPEG（Joint Photographic Experts Group，聯(lián)合圖像專家組）格式[7]一樣，視頻為了節(jié)省空間，便于網(wǎng)絡(luò)傳輸，也需要壓縮編碼，絕大多數(shù)常見的視頻格式都是基于圖像的壓縮編碼產(chǎn)生的。常見的例如MPEG（Moving Picture Experts Group，動態(tài)圖像專家組）壓縮編碼格式就基于JPEG而來，MPEG視頻格式的結(jié)構(gòu)分為6個層次：視頻序列、GOP（Group of pictures，圖像組）、圖像、片、宏塊和塊[8]，如圖1所示。

圖1 視頻的6層次結(jié)構(gòu)圖

不管以何種壓縮編碼方式制作的視頻文件，在通過以Adobe Premiere為代表的非線性視音頻編輯軟件解碼編輯時，為了方便用戶使用并使軟件交互界面更加友好，各操作在形式上均建立在視頻6層次之上，但是一般僅對視頻序列、圖像組、圖像和片這4個層次進行操作。在非線性視音頻編輯軟件中，視頻序列即為在視頻軌道上進行添加標(biāo)記、裁剪等操作的一段視頻；圖像組即為視頻序列中的某時間段內(nèi)的視頻；圖像即為每一幀的全部畫面內(nèi)容；片即為每一幀畫面中的部分內(nèi)容。視頻篡改就是篡改者對能達到其目的的視頻層次進行有針對性的編輯操作，以得到所需視頻畫面的活動。

3 視頻篡改方式的分類

視頻篡改的方式有很多種，根據(jù)復(fù)制源視頻、粘貼目標(biāo)視頻和具體篡改手段的不同，可以大致分為幀間篡改和幀內(nèi)篡改兩大類。

3.1 幀間篡改

幀間篡改是一種最常見的視頻篡改方式，其操作簡單便捷。在非線性編輯軟件中僅需在同一視頻軌道上對時間軸操作即可。根據(jù)篡改所需幀的來源以及對幀圖像的整體操作方式不同，它又可以繼續(xù)分為同源幀間復(fù)制插入篡改、同源幀間復(fù)制粘貼篡改、同源幀間刪除篡改、異源幀間復(fù)制插入篡改以及異源幀間復(fù)制粘貼篡改。其中同源幀間復(fù)制插入篡改指的是在同一視頻序列中，復(fù)制一段圖像組，將其插入在原視頻序列的某一時間點，插入點后的原視頻向時間軸正向順延與圖像組持續(xù)時間相同的一段時間。同源幀間復(fù)制粘貼篡改與同源幀間復(fù)制插入篡改的區(qū)別在于它在復(fù)制所需圖像組后，在某時間點粘貼時將該時間點后等時的圖像組覆蓋而不是向時間軸正向順延。同源幀間刪除篡改是在同一視頻序列中，刪除一段圖像組，再將因此分割開的兩段視頻組接為一個新的視頻序列。異源幀間復(fù)制插入篡改與異源幀間復(fù)制粘貼篡改與其對應(yīng)的同源篡改方式的區(qū)別僅在于復(fù)制的圖像組來源于另一視頻序列。

3.2 幀內(nèi)篡改

相對于幀間篡改來說，幀內(nèi)篡改是一種使用起來較為復(fù)雜，需要篡改者具有較高視頻編輯技巧，但篡改效果較好的視頻篡改方式。在非線性編輯軟件中，幀內(nèi)篡改需要多個視頻軌道同時操作，并且組合一些視頻畫面的裁剪和移動等輔助手段才能完成，根據(jù)篡改所需畫面內(nèi)容的來源不同，它可以繼續(xù)分為同源幀內(nèi)復(fù)制粘貼篡改和異源幀內(nèi)復(fù)制粘貼篡改。其中同源幀內(nèi)復(fù)制粘貼篡改指的是在同一視頻序列的一個或幾個幀圖像中，復(fù)制部分感興趣的內(nèi)容（片），將其粘貼在目標(biāo)篡改的幀圖像中。異源幀內(nèi)復(fù)制粘貼篡改與同源幀內(nèi)復(fù)制粘貼篡改的區(qū)別也在于復(fù)制的內(nèi)容所在的圖像組來源于另一視頻序列。

為了科學(xué)、客觀的描述上述視頻篡改類型，下面將從時空域的角度分別對它們建立函數(shù)模型，來刻畫上述7種篡改方法的篡改過程。

4 視頻篡改的時域模型

視頻是由多個變量構(gòu)成的動態(tài)連續(xù)圖像，這些變量一般包括畫面像素的橫縱坐標(biāo)、視頻錄制時的光亮度、各像素的顏色和視頻持續(xù)時間等。各變量之間還有較為復(fù)雜的關(guān)系，例如光亮度影響像素顏色、視頻持續(xù)時間影響光亮度等。本文將視頻序列簡化、抽象為以畫面像素集(x,y)和持續(xù)時間構(gòu)成的模型，來描述不同視頻篡改方法的篡改過程。

4.1 幀間篡改

4.1.1 同源幀間復(fù)制插入篡改

對上述三種情況分別建立時域模型，發(fā)現(xiàn)這三種篡改方式均可用一個模型表示，其模型可以表示為：

4.1.2 同源幀間復(fù)制粘貼篡改

對上述情況分別建立時域模型，發(fā)現(xiàn)這四種篡改方式均可用一個模型表示，其模型可以表示為：

4.1.3 同源幀間刪除篡改

4.1.4 異源幀間復(fù)制插入篡改

4.1.5 異源幀間復(fù)制粘貼篡改

4.2 幀內(nèi)篡改

4.2.1 同源幀內(nèi)復(fù)制粘貼篡改

圖2 同源幀內(nèi)復(fù)制粘貼篡改過程示意圖

其時域模型可以表示為：

4.2.2 異源幀內(nèi)復(fù)制粘貼篡改

圖3 異源幀內(nèi)復(fù)制粘貼篡改示意圖

1.4.1.2 方法 總RNA提取參照Trizol試劑盒說明書進行，每樣本取1 μg總RNA作逆轉(zhuǎn)錄模板合成cDNA，嚴(yán)格按照反轉(zhuǎn)錄試劑盒說明書操作進行，β-Actin作為內(nèi)部控制使用。結(jié)果采用2-ΔΔCT相對定量法，確定特定熒光域值對應(yīng)循環(huán)數(shù)的Ct值，對目標(biāo)基因定量。

5 實驗與分析

為了證明7種視頻篡改模型使用的參量及過程簡化的科學(xué)性與可行性，分別將7種視頻篡改方式進行實際操作。

5.1 實驗環(huán)境與對象

5.1.1 實驗環(huán)境

PC：Dell Inspiron 14R SE 7420；操作系統(tǒng)：Windows 10專業(yè)版；視頻編輯軟件：Adobe Premiere Pro CC 2017。

5.1.2 實驗對象

如表所示實驗對象及其基本屬性。

表 實驗對象及其基本屬性

5.2 實驗結(jié)果

對實驗對象運用7種視頻篡改方法，并將篡改前與篡改后的操作界面截圖，得到圖4中的a1～e2和圖5中的f1～g2。它們展示了7種方法在篡改過程中體現(xiàn)的分類以及引起的視頻序列時間軸和視頻畫面內(nèi)容的變化。

5.2.1 幀間篡改（對單一視頻軌道操作）

圖4 幀間篡改方法篡改前后操作界面對比圖

5.2.2 幀內(nèi)篡改（對多個視頻軌道操作）

圖5 幀內(nèi)篡改方法篡改前后操作界面對比圖

5.3 結(jié)果分析

實驗中得到的篡改視頻的壓縮編碼方式均為MPEG-4，分辨率均為1920×1080，幀率均為25fps。實驗結(jié)果根據(jù)篡改時視頻軌道操作數(shù)量的不同證明了將視頻篡改方法分為幀間篡改和幀內(nèi)篡改兩大類的科學(xué)性，并且展示了以Adobe Premiere為代表的主流非線性編輯軟件在篡改視頻時，將時間和畫面內(nèi)容的變化引入進來的事實，從而證明了文中將各種視頻篡改方式簡化、抽象為以畫面像素集和持續(xù)時間 構(gòu)成模型的科學(xué)性與可行性。也進一步說明針對時間和畫面范圍檢測視頻是否被篡改的相應(yīng)思路、算法的科學(xué)性與合理性。

6 結(jié)論

常見的單一視頻篡改方法可分為幀間篡改和幀內(nèi)篡改兩大類，并且均能用函數(shù)建立時域模型。但司法實踐過程中遇到的篡改視頻大多使用了多種篡改方法，以達到篡改者的目的。因此，我們可以在視頻篡改的分類與時域模型的基礎(chǔ)上對復(fù)合多種篡改方法的篡改視頻進行認(rèn)識和研究，還可在此基礎(chǔ)上深入挖掘針對視頻時間和畫面范圍變化的視頻篡改一般性檢測方法。最終得以在司法鑒定實踐過程中用數(shù)學(xué)語言準(zhǔn)確，嚴(yán)謹(jǐn)?shù)匾粤炕姆绞竭M行分析論證，表述鑒定意見，使得鑒定意見更加具有說服力，發(fā)揮視頻資料證據(jù)應(yīng)有的證明效力。

參考文獻：

[1] 孫鵬,周繼冰,楊洪臣.同源復(fù)制粘貼偽造圖像的檢驗研究[J].中國刑警學(xué)院學(xué)報,2011(4):40-42.

[2] Wang W, Farid H. Exposing digital forgeries in video by detecting double MPEG compression [C] // The Workshop on Multimedia and Security. New York:ACM,2006:37-47.

[3] Jiang X, Wang W, Sun T, et al. Detection of Double Compression in MPEG-4 Videos Based on Markov Statistics[J].IEEE Signal Processing Letters,2013(5):447-450.

[4] Pandey R C, Singh S K, Shukla K. Passive copy-move forgery detection in videos[C]// International Conference on Computer and Communication Technology. Allahabad: IEEE, 2014:301-306.

[5] Su L, Huang T, Yang J. A video forgery detection algorithm based on compressive sensing [J]. Multimedia Tools and Applic ations,2015(17):6641-6656.

[6] Chao J, Jiang X, Sun T. A novel video inter-frame forgery model detection scheme based on optical flow consistency[C]//International Conference on Digital Forensics and Watermarking. Heidelberg: Springer,2012:267-281.

[7] Wallace G K. The JPEG still picture compression standard[J].Communications of the Acm,1992(1):18-34.

[8] 劉潔. 基于MPEG-2運動補償邊緣效應(yīng)的視頻篡改檢測研究[D]. 天津:天津大學(xué),2010:12-13.