[논문 리뷰] Generalized Local Optimality for Video Steganalysis in Motion Vector Domain

Liming Zhai, Lina Wang외 2명|arXiv (Cornell University)|2021. 12. 22.

Advanced Steganography and Watermarking Techniques인용 수 6

한 줄 요약

이 논문은 변동 가능한 예측 운동 벡터(PMV)를 사용하여 운동 벡터(MV) 도메인에서 비디오 스테가노그래피 분석을 위한 일반화된 局소 최적성 프레임워크를 제안한다. 이는 MV 도메인에서의 최적성 추정을 동적으로 수행하고, 이를 PMV 도메인으로 확장함으로써 성능 향상을 이룬다. 이 방법은 다양한 비디오 코덱, 해상도, 예측 방법에 걸쳐 특징 정확도와 강인성을 향상시키며, 계산 복잡도의 증가 없이 최신 기술 수준(SOTA) 성능을 달성한다.

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.

연구 동기 및 목표

• 기존 비디오 스테가노그래피 분석 방법에서 정적이고 정확도가 떨어지는 국소 최적성 추정의 한계를 해결하기 위해.
• 고정된 PMV가 아닌 가변적인 PMV를 사용하여 국소 최적성을 동적으로 모델링함으로써 스테가노그래픽 특징의 정확도를 향상시키기 위해.
• 국소 최적성의 범위를 MV 도메인에서 PMV 도메인으로 확장하여 특징의 다양성과 임bedding 흔적 감지 민감도를 높이기 위해.
• 실제 비디오 환경의 다양한 변형에 걸쳐 높은 탐지 성능를 유지하는 저차원, 대칭화된 스테가노그래픽 특징을 개발하기 위해.
• 향상된 모델링 복잡도에도 불구하고 이전 방법과 비슷한 계산 효율성을 유지하기 위해.

제안 방법

• 정적 PMV 가정을 대체하기 위해 비율-손실 비용 계산에 예측 운동 벡터(PMV)의 변동성을 통합하여 동적 국소 최적성 추정을 제안한다.
• MV 도메인에서의 국소 최적성을 PMV 도메인으로 일반화함으로써 MV와 PMV 양쪽에서 임베딩 흔적 탐지가 가능하도록 한다.
• 일반화된 국소 최적성 개념에 기반한 두 가지 새로운 스테가노그래픽 특징 유형—GLO-MV와 GLO-PMV—를 설계한다.
• 특징 차원을 줄이면서도 분류 능력을 유지하기 위해 특징 대칭화 규칙을 적용한다.
• 국소 최적성을 추정하기 위해 SAD 및 SATD와 같은 비율-손실 비용 지표를 사용하며, 중간 계산 결과를 재사용하여 효율성을 유지한다.
• 일반화된 최적성 추정 프레임워크의 핵심 구성 요소로 라그랑주 비용과 절대 차이의 합(SAD)을 활용한다.

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

실험 결과

연구 질문

• RQ1 고정된 PMV를 가정하는 대신 PMV의 변동성을 고려함으로써 비디오 스테가노그래피 분석에서 국소 최적성 추정을 어떻게 향상시킬 수 있는가?
• RQ2 MV 도메인에서 PMV 도메인으로 국소 최적성을 확장할 경우, 스테가노그래픽 특징의 민감도와 탐지 정확도는 어느 정도 향상되는가?
• RQ3 일반화된 국소 최적성 특징은 다양한 비디오 코덱, 해상도, 예측 방법에서 높은 성능를 유지할 수 있는가?
• RQ4 기존의 스테가노그래픽 특징 추출 기법과 비교할 때 제안된 방법의 계산 효율성은 어떠한가?
• RQ5 특징 대칭화가 차원을 줄이면서도 탐지 정확도를 유지하는 데 미치는 영향은 무엇인가?

주요 결과

• 제안된 GLO-MV 및 GLO-PMV 특징은 DB1, DB2, DB3를 포함한 모든 테스트 데이터베이스에서 최신 기술 수준의 탐지 정확도를 달성한다.
• 1080p 고해상도 영상을 사용하는 DB3에서는 저해상도 CIF 영상보다 정확도가 높다. 이는 향상된 운동 추정 정확도와 더 부드러운 무늬로 인한 것이다.
• 다양한 비디오 코덱에서도 강력한 성능를 유지하며, MPEG-4에서는 H.264/AVC보다 약간 낮은 탐지 정확도를 보였다. 이는 MPEG-4에서 운동 추정 정확도가 떨어지기 때문으로 기인된다.
• QP 15에서 제안된 GLO 방법의 특징 추출 시간은 AoSO의 1.40배이며, NPE의 1.37배 이내에 머물러 있어 추가적인 계산 오버헤드가 없음을 시사한다.
• GLO-PMV는 SAD 기반 비율-손실 비용에만 의존하므로 NPE보다 특징 추출 속도가 더 빠르다.
• 이 방법은 커버 소스 불일치, 비디오 예측 방법, 코덱, 해상도 등 다양한 조건에서 강인성을 보이며, 평가된 모든 조건에서 기존 방법을 초월한다.

(a)