ReViS：基于冗余先验聚合的闭环可逆视频隐写术

《Journal of Information Security and Applications》：ReViS: Closed-loop invertible video steganography via redundant prior aggregation

　　

摘要

现有的基于可逆神经网络（INNs）的视频隐写方法在正向隐藏过程中存在严重的冗余先验信息丢失问题。在反向提取时依赖无引导的高斯采样破坏了网络的双射性，导致时空不一致性、时间漂移现象，以及在隐写分析和主动信道失真（例如视频压缩）面前表现脆弱。为克服这些挑战，我们提出了可逆视频隐写（ReViS），一个利用冗余先验聚合的闭环框架。ReViS采用离散小波变换（DWT）进行频域解耦，并集成了三个协同模块。首先，小波驱动的三维通道注意力（WD-3DCA）机制利用混合架构，由可训练的轻量级融合层和无参数的三维能量评估核心组成，从高频频带生成空间掩码，引导内容自适应隐藏而不改变双射性。其次，冗余先验聚合模块（RPAM）将丢弃的高维特征压缩为紧凑的全局先验，并将其隐式嵌入到鲁棒的低频频带中。最后，频率感知的冗余预测模块（FA-RPM）通过在接收端融合基线特征、先验和空间掩码，为这些变量提供高精度、确定性的估计。实验结果表明，ReViS实现了高不可感知性（隐写PSNR为45.52 dB）和近无损的秘密信息重建（恢复PSNR为48.41 dB）。此外，该框架在面对高级时空隐写分析器时展现出鲁棒的统计安全性，并在严重物理失真条件下保持高重建保真度。至关重要的是，基于DWT的架构显著降低了内存和计算开销，实现了70 FPS的高吞吐量，支持实时隐蔽通信。

引言

视频隐写的目标是将秘密信息嵌入到载体视频中，使得生成的隐写视频在视觉上与原载体无法区分，从而实现隐蔽通信 [1]。传统的空域和变换域方法已被广泛研究；然而，它们通常提供有限的嵌入容量，并且在现代统计隐写分析攻击面前表现脆弱 [2]。深度学习的出现极大地推动了该领域的发展，为构建高容量、高安全性的隐写模型提供了新的可能性 [3]、[4]、[5]、[6]。尽管取得了这些进展，在实际部署中，通过公共网络（例如社交媒体或流媒体平台）建立安全的隐蔽通信仍然极其具有挑战性。实际的隐写系统不可避免地面临两大环境与安全威胁：被动统计检测，即守卫者采用先进的时空隐写分析来捕获视觉或统计异常 [2]、[3]；以及主动信道干扰，即网络网关强制施加有损视频压缩（例如H.264/H.265）和物理失真，从而破坏嵌入的有效载荷。因此，设计一个能够同时抵御这两种威胁的鲁棒框架仍然是一个根本性的挑战。

为实现大容量隐写，可逆神经网络（INNs）[7]、[8] 凭借其高度对称的架构可逆性 [9]、[10]、[11]、[12]、[13]、[14] 已成为一种有前景的解决方案。通过构建计算上可逆的映射，INNs 在理论上可以实现高精度的数据恢复。然而，现有的基于INN的框架在面对上述现实威胁时存在严重的失效问题。首先，为对抗被动隐写分析，一些方法试图利用空间掩蔽技术将数据隐藏在复杂纹理中 [9]、[15]；然而，直接干预可逆块内部的特征流会改变原始计算的可逆性 [1]、[16]、[17]，这阻碍了精确恢复并引入了明显的局部失真。其次，更关键的是，为应对主动信道干扰（例如有损视频编码），像VHNet [18] 这样的先驱性工作在训练过程中纳入了压缩模拟器。尽管这种"被动防御"范式能有效缓解某些经验失真模式，但它并未完全解决INN在压缩条件下的底层数学脆弱性：冗余变量的无引导截断问题。在正向隐藏阶段，INNs通常会丢弃或衰减冗余特征 [9]、[12]，迫使反向恢复阶段仅依赖无引导的随机高斯采样 [19]。这种开环近似破坏了时空一致性 [20]、[21]、[22]、[23]，当隐写视频遭受真实世界的视频压缩时，不可避免地导致严重的恢复失败。

这些脆弱性的根源在于空间掩蔽和潜在变量恢复在同一个特征流中的架构耦合。引入离散小波变换（DWT）的正交分解特性，为解耦这一矛盾提供了一种有效的安全策略路径。DWT将视频信号分解为低频近似频带（LL）和高频细节频带（LH、HL、HH）。这种结构化分离使模型能够独立应对两大主要威胁：具体而言，高频频带可用于提取空间自适应掩蔽信息，以规避视觉敏感区域（逃避被动检测）；同时，低频频带可作为全局冗余表示的鲁棒隐式载体（在主动信道干扰下存活），而不干扰整体的近双射结构。为系统性地解决这些安全挑战，本文提出了一种主动架构防御策略：一个基于冗余先验聚合的闭环可逆视频隐写框架，称为ReViS（Reversible Video Steganography）。通过利用全局冗余先验，ReViS将脆弱的开环近似转化为确定性的闭环近似框架，显著增强了复杂信道条件下的恢复鲁棒性。本文的主要贡献总结如下：

• •
  设计了一种小波驱动的三维通道注意力机制（WD-3DCA）。 该机制提取高频子带特征，通过可训练的跨域融合层后接严格无参数的三维能量评估核心生成空间掩码。这些掩码作为外部损失监督，引导内容自适应隐藏。该策略成功规避了被动隐写分析，同时有效保留了骨干网络的双射特性。
• •
  提出了一种冗余先验聚合模块（RPAM）以消除信息截断损失。 通过将高维冗余特征压缩为紧凑的全局先验，并将其隐式嵌入低频频带，RPAM实现了关键解码引导信息的鲁棒传输，使其能够在主动信道压缩（例如H.264/H.265）下存活。
• •
  建立了一种频率感知的冗余预测与协同解码机制（FA-RPM）。 通过在接收端深度融合原始频域特征、空间掩码和全局冗余先验，该机制提供了精确的时空校准。基于这一确定性闭环系统，ReViS有效抑制了帧间闪烁伪影，在严重物理信道失真条件下实现了高信号重建保真度。

章节摘要

深度学习隐写术

深度学习技术极大地推动了隐写术的发展，在有效载荷容量和安全性方面取得了显著突破。早期的深度学习隐写模型主要基于自编码器架构。例如，Baluja [5] 首次利用卷积神经网络（CNNs）实现了大容量图像隐写，随后HiDDeN [6] 引入了对抗训练以增强隐蔽通信的鲁棒性。

威胁模型

为建立严格的论证基础，我们在严格的白盒防御场景下，正式定义了支配ReViS框架的威胁模型。遵循柯克霍夫斯原则，我们假设对手（守卫者）拥有对整个网络架构的完全知识。这种架构透明性包括对离散小波变换频域解耦机制、以及由小波驱动的三维通道注意力机制执行的空间掩码生成逻辑的完整访问权限。

实现细节

数据集。 为了全面客观地评估所提出的ReViS框架在不同时空复杂度下的隐写性能，采用了两个在视频处理领域广泛使用的标准数据集。使用Vimeo-90K [36] 数据集进行训练。为了保持与最先进基线方法（如LF-VSN）一致的评价基准，构建了一个名为Vimeo-200的测试子集，通过随机采样200个独立视频组成。

结论

在本文中，我们提出了ReViS，一个基于冗余先验聚合的确定性闭环可逆视频隐写框架。所提出的方法解决了现有基于INN的隐写系统中由正向冗余截断和反向无引导估计引起的性能瓶颈。为应对时空失真和可逆性破坏的核心挑战，ReViS创新性地建立了一种频域正交协同机制。通过——

CRediT作者贡献声明

徐乾坤（Qianhui Xu）：撰写——初稿，数据整理，概念构思。牛可（Ke Niu）：撰写——审阅与编辑，监督指导。朱顺哲（Shunzhe Zhu）：调查研究。卢一航（Yihang Lu）：验证。

利益冲突声明

作者声明不存在已知的竞争性经济利益关系或个人关系，这些关系可能被认为影响本文所报告的工作。

Qianhui Xu | Ke Niu | Shunzhe Zhu | Yihang Lu