Page 469 - 《软件学报》2025年第7期

3390 软件学报 2025 年第 36 卷第 7 期

段 144p 视频片段的 CDU 为例, 其大小约为 56 KB, 28 B 的误差仅占 CDU 实际长度的 0.5‰, 而对于分辨率更高,
包含视频片段数量更多的 CDU 而言, 其数据长度大小往往远大于 56 KB, 因此, 超过 99.70% 的指纹还原误差都
在 0.5‰范围内. 由此可见, 本节所提出的加密数据修正还原方法在处理加密视频数据时具有较高的准确性. 这也
为后续的视频指纹匹配识别提供了良好的基础.

6 加密视频识别模型

使用第 5 节的方法构建加密视频修正指纹后, 就可以使用修正指纹与明文指纹库进行匹配以实现加密视频识
别. 设计匹配算法首先需要分析加密视频修正指纹与明文指纹的关系. 由于使用了多路复用技术, 使用 HTTP/2 协
议的客户端在视频播放阶段可能会一次请求连续 n 段相同分辨率的视频片段或音频片段, 而本文定义的 CDU 为
服务器对这样的请求的响应数据, 因此本文在第 5 节中修正还原出的加密视频修正指纹分片与视频的明文指纹分
片并非一一对应的关系, 一个修正指纹分片可能对应视频明文指纹中的 1 个或者多个连续分片. 除此之外, 在视频
实际播放过程中往往会发生视频分辨率自适应切换事件, 这导致了播放视频对应的明文指纹可能是由视频的不同
分辨率的明文指纹的多个部分组合而成, 使得一条修正指纹可能与多条明文指纹的不同部分相匹配. 在设计修正
指纹序列和视频明文指纹序列的匹配识别算法时, 必须适用以上实际情况, 图 9 为本文提出的加密视频匹配识别
算法.

视频修正指纹滑动匹配

明文指纹 V i
明文指纹 V i, 1 V i, 2 V i, 3 V i, 4 V i, 5 V i, j
比对
修正指纹 C 1 C 2 C 3 C n 视频明文指纹库
构建

x 11 x 21 x 31 x n1
模型求解
HMM S x 12 x 22 x 32 x n2 E 识别结果
Viterbi

x 1m x 2m x 3m x nm
基于 HMM 构建分辨率自适应视频识别模型
图 9 加密视频匹配识别算法原理

如图 9 所示, 该加密视频识别算法分为两个阶段: 视频修正指纹滑动匹配阶段和视频识别阶段. 在视频修正指
纹滑动匹配阶段, 基于滑动窗口思想, 将加密视频修正指纹存入视频明文指纹库中进行匹配, 输出每个修正指纹分
片可能的匹配结果. 在视频识别阶段, 利用得到的匹配结果和转移概率矩阵等信息, 构建隐马尔可夫模型, 最后通
过维特比 (Viterbi) 算法求解模型, 计算出一条最有可能匹配加密视频修正指纹序列的视频明文指纹序列, 从而达
到识别加密视频的目的. 本节给出加密视频识别算法两个阶段的设计原理.

6.1 视频修正指纹滑动匹配
视频修正指纹滑动匹配是指将还原出的修正指纹与明文指纹库中的 1 个或者多个明文指纹分片匹配, 从而得
到每个修正指纹分片可能的匹配结果. 由于一个修正指纹分片可能对应连续多个视频明文指纹分片, 本文采用动