[論文レビュー] Generalized Local Optimality for Video Steganalysis in Motion Vector Domain

Liming Zhai, Lina Wang+2 more|arXiv (Cornell University)|Dec 22, 2021

Advanced Steganography and Watermarking Techniques被引用数 6

ひとこと要約

本稿では、動画ステガノグラフィー解析における運動ベクトル（MV）ドメインにおける一般化された局所最適性フレームワークを提案する。変動する予測運動ベクトル（PMV）を用いてMV最適性を動的に推定し、PMVドメインへ概念を拡張することで、多様な動画コーデック、解像度、予測手法において特徴の精度と耐障害性を向上させ、計算複雑性に増加なしに最先端の性能を達成する。

ABSTRACT

The local optimality of motion vectors (MVs) is an intrinsic property in video coding, and any modifications to the MVs will inevitably destroy this optimality, making it a sensitive indicator of steganography in the MV domain. Thus the local optimality is commonly used to design steganalytic features, and the estimation for local optimality has become a top priority in video steganalysis. However, the local optimality in existing works is often estimated inaccurately or using an unreasonable assumption, limiting its capability in steganalysis. In this paper, we propose to estimate the local optimality in a more reasonable and comprehensive fashion, and generalize the concept of local optimality in two aspects. First, the local optimality measured in a rate-distortion sense is jointly determined by MV and predicted motion vector (PMV), and the variability of PMV will affect the estimation for local optimality. Hence we generalize the local optimality from a static estimation to a dynamic one. Second, the PMV is a special case of MV, and can also reflect the embedding traces in MVs. So we generalize the local optimality from the MV domain to the PMV domain. Based on the two generalizations of local optimality, we construct new types of steganalytic features and also propose feature symmetrization rules to reduce feature dimension. Extensive experiments performed on three databases demonstrate the effectiveness of the proposed features, which achieve state-of-the-art in both accuracy and robustness in various conditions, including cover source mismatch, video prediction methods, video codecs, and video resolutions.

研究の動機と目的

• 既存の動画ステガノグラフィー解析手法における静的かつ不正確な局所最適性推定の限界を是正すること。
• 固定PMVではなく可変PMVを用いて局所最適性を動的にモデル化することで、ステガノグラフィック特徴の精度を向上させること。
• 局所最適性の範囲をMVドメインからPMVドメインへ拡張し、埋め込み痕跡への感受性と特徴の多様性を高めること。
• 実世界の動画変動に耐えうる低次元かつ対称化されたステガノグラフィック特徴を構築し、高い検出性能を維持すること。
• 増大したモデリング複雑性にもかかわらず、従来手法と同等の計算効率を維持すること。

提案手法

• レート・リダンドシティコスト計算に予測運動ベクトル（PMV）の変動性を組み込み、静的PMV仮定に代えて動的局所最適性推定を実装する。
• MVドメインからの局所最適性をPMVドメインへ一般化し、MVおよびPMV両方における埋め込み痕跡の検出を可能にする。
• 一般化局所最適性概念に基づき、GLO-MVおよびGLO-PMVの2種類の新しいステガノグラフィック特徴を設計する。
• 次元削減を実現しながらも識別力を保持するため、特徴の対称化ルールを適用する。
• SADおよびSATDなどのレート・リダンドシティコスト指標を用いて局所最適性を推定し、中間計算の再利用により効率性を維持する。
• ラグランジュコストおよび絶対差分和（SAD）を、一般化最適性推定フレームワークのコアコンponentsとして採用する。

Figure 1: The locations of neighboring blocks (left) and the calculation of predicted motion vector (PMV) and motion vector difference (MVD) (right).

実験結果

リサーチクエスチョン

• RQ1 固定PMVを仮定するのではなく、PMVの変動性を考慮することで、動画ステガノグラフィー解析における局所最適性推定をどのように改善できるか？
• RQ2 MVドメインからPMVドメインへ局所最適性を拡張することで、ステガノグラフィック特徴の感受性および検出精度はどの程度向上するか？
• RQ3 一般化局所最適性特徴は、多様な動画コーデック、解像度、予測手法においても高い性能を維持できるか？
• RQ4 提案手法は、既存のステガノグラフィック特徴抽出手法と比較して、計算効率にどの程度差があるか？
• RQ5 特徴の対称化は、次元削減を実現しつつ検出精度を保持する上でどのような影響を及ぼすか？

主な発見

• 提案されたGLO-MVおよびGLO-PMV特徴は、DB1、DB2、DB3を含むすべてのテストデータベースで最先端の検出精度を達成した。
• 1080pの高解像度動画を用いるDB3では、CIF解像度の動画よりも精度が向上した。これは、より正確な運動推定と滑らかなテクスチャのおかげである。
• MPEG-4とH.264/AVCの両方のコーデックで強い性能を発揮したが、MPEG-4ではH.264/AVCに比べてわずかに検出精度が低く、これはMPEG-4における運動推定の精度が低いことに起因する。
• QP 15における提案手法GLOの特徴抽出時間は、AoSOの1.40倍にとどまり、NPEの1.37倍以内に収まっている。これは、顕著な計算オーバーヘッドがないことを示している。
• GLO-PMVは、SADベースのレート・リダンドシティコストに依存するため、NPEよりも特徴抽出が高速である。
• 本手法は、カバー元の不一致、動画予測手法、コーデック、解像度の変動に対しても耐障害性を示し、評価されたすべての条件下で既存手法を上回った。

(a)