一种基于视频指纹的分辨率自适应加密视频快速识别方法

1.本发明属于网络安全技术领域，尤其涉及一种基于视频指纹的分辨率自适应加密视频快速识别方法。


背景技术：

2.随着互联网的不断发展和各种移动设备的快速普及，人们对于视频服务的需求不断提高。因此，各种视频平台应运而生，成为人们追求娱乐、学习和工作等多种需求的重要渠道之一。而视频服务所占据的流量比例也越来越大，已经成为互联网总流量中的主要组成部分。根据ericsson mobility网站发布的最新报告，2022年全球移动网络流量有70％左右来自于视频。伴随着互联网的不断发展，预计到2028年底，这一比例将达到惊人的80％。
3.视频给用户带来了极大便利的同时，其中混杂的公害视频的数量也在不断增加。这些视频中包含各种有害信息，如暴力、仇恨、歧视、虚假宣传等，会对观众的思想和精神健康造成不良影响，甚至引发暴力行为。并且这些视频在网络和社会中传播的速度极快，对整个社会造成了严重的负面影响。然而，网络中视频数量极为庞大，并且视频源头具有多样化和复杂性的特点。大多数视频均采用加密传输，使得难以轻易得知其中的内容，种种原因导致监管机构难以识别这类视频。因此，迫切需要更多有效的技术手段帮助识别网络中的公害视频，减少其影响范围，维护互联网和社会的良好环境。
4.目前公开文献中针对加密视频识别的方法中，主要分为机器学习模型预测法和视频指纹识别法，而这些方法大多是在固定视频分辨率的条件下对视频进行识别，并无考虑分辨率自适应对加密视频识别的影响。现有识别方法主要存在三个问题：(1)现有的方法通过提取加密视频传输数据中的数据特征，进而构建机器学习模型或者视频指纹来识别加密视频，过度依赖于视频流量采集的网络环境。当网络环境发生变化时，同一加密视频传输数据的特征也会相应地更改，导致难以有效适应不同的网络环境；(2)传统的机器学习方法需要采集大量的视频流量样本数据，从中提取特征，并对训练数据打标签。接着，使用训练数据训练视频识别模型，再使用训练好的模型来识别加密视频。然而，这种采集大量样本数据的过程需要耗费大量的时间和成本；(3)为了确保视频的流畅性和清晰度，同时避免因网络带宽不足而引起的视频卡顿和缓冲问题，当前主流的视频平台均已使用http自适应流媒体技术(http adaptive streaming,has)。该技术可以根据用户的实时网速自动调节视频的分辨率和码率，确保用户在各种网络条件下都能流畅观看视频。然而，现有的方法仅能针对分辨率固定的加密视频进行识别，难以准确有效的识别分辨率自适应加密视频。


技术实现要素：

5.发明目的：针对以上问题，本发明公开了一种基于视频指纹的分辨率自适应加密视频快速识别方法。该方法首先获取多种分辨率下的视频分段长度序列作为明文指纹，并采集视频传输数据，通过修正还原得到修正指纹；基于滑动窗口思想，将待识别加密视频修正指纹分片与明文指纹库进行对比，获得每个修正指纹分片可能的匹配结果；然后根据修
正指纹和匹配结果对应的明文指纹库构建隐马尔可夫模型，再使用维特比算法求解模型，计算出概率最大的视频明文指纹序列，从而实现加密视频的识别。本发明具有通用性，能够快速准确地识别出加密视频，有效解决了因视频分辨率切换而带来的加密视频识别难题。
6.技术方案：为了实现本发明的目的，本发明所采用的技术方案是：一种基于视频指纹的分辨率自适应加密视频快速识别方法，该方法包括以下步骤：
7.步骤(1)获取加密视频在多种分辨率下的视频分段长度序列，将其作为明文指纹来构建明文指纹库；
8.步骤(2)采集加密视频播放时的传输数据，消除各种协议的封装造成的视频分段长度的变化，使其尽可能接近原始分段长度，得到修正指纹；
9.步骤(3)在全匹配阶段，利用滑动匹配的思想，使用修正指纹的前几个分片，从海量明文指纹库中计算出可能匹配的视频，并将对应的明文指纹组成一个小型的明文指纹库；
10.步骤(4)在快速匹配阶段，对于修正指纹中的剩余分片，在步骤(3)得到的小型的明文指纹库中进行匹配，记下每个修正指纹分片匹配到的结果；
11.步骤(5)利用步骤(3)和步骤(4)得到的匹配结果对应的明文指纹库和待识别加密视频修正指纹等信息，构建隐马尔可夫模型；
12.步骤(6)使用维特比算法求解步骤(5)中构建的隐马尔可夫模型，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。
13.进一步，所述步骤(1)中，获取加密视频在多种分辨率下的视频分段长度序列，将其作为明文指纹来构建明文指纹库，方法如下：
14.(1.1)搜索选定的关键字，使用爬虫程序获取视频url列表；
15.(1.2)根据获取到的url构造相应的请求头，访问视频描述文件的接口并下载视频描述文件；
16.(1.3)对视频描述文件进行解析，得出多种视频分辨率下的视频分段大小的序列，即明文指纹；
17.(1.4)重复步骤(1.1)-(1.3)获得多个视频的明文指纹，并将视频标题等描述信息一并存入明文指纹库中。
18.进一步，所述步骤(2)中，采集加密视频播放时的传输数据，消除各种协议的封装造成的视频分段长度的变化，使其尽可能接近原始分段长度，得到修正指纹，方法如下：
19.(2.1)启动流量采集工具wireshark，打开浏览器输入视频url播放视频，采集视频播放时的加密传输数据；
20.(2.2)利用加密传输数据和明文指纹库中对应的标签，根据tls和http协议对数据进行加密封装和传输的原理，训练tls修正模型和http修正模型，对tls和http协议造成的干扰进行修正；
21.(2.3)根据步骤(2.2)得到的两个修正模型，对加密视频传输数据进行精准还原，计算出视频的修正指纹。
22.进一步，所述步骤(3)中，在全匹配阶段，利用滑动匹配的思想，使用修正指纹的前几个分片，从海量明文指纹库中计算出可能匹配的视频，并将对应的明文指纹组成一个小型的明文指纹库，方法如下：
23.(3.1)对于修正指纹的前几个分片，设置修正指纹窗口c，修正指纹窗口c在视频修正指纹上滑动，且窗口大小始终为1；
24.(3.2)对于明文指纹库中的每个明文指纹，设置明文指纹窗口p，明文指纹窗口p在视频明文指纹上滑动；
25.(3.3)初始情况下，设置明文指纹窗口p的窗口大小为1，上限为n，其中n的值与视频平台的视频内容分发机制有关；
26.(3.4)若明文指纹窗口p中的指纹长度之和与修正指纹窗口c中的指纹长度大小之差在设定的误差范围内，则认为明文指纹窗口p中的明文指纹序列与修正指纹窗口c中的修正指纹匹配成功。
27.(3.5)记下此时明文指纹窗口p中的明文指纹序列及其对应的视频id；
28.(3.6)若匹配失败，则将明文指纹窗口p向后滑动，然后再次进行比对，如果明文指纹窗口p滑动到指纹的末端，则将窗口大小加一；
29.(3.7)在所选修正指纹的前几个分片中，重复执行步骤(3.4)-(3.6)，直至遍历完所有分片；
30.(3.8)将得到的所有视频id对应的明文指纹组成一个小型候选明文指纹库。
31.进一步，所述步骤(4)中，在快速匹配阶段，对于修正指纹中的剩余分片，在步骤(3)得到的小型的明文指纹库中进行匹配，记下每个修正指纹分片匹配到的结果的方法为：针对修正指纹中的剩余分片，依次执行与步骤(3)相同的匹配过程，但只在步骤(3)中得出的小型候选明文指纹库中进行匹配，从而极大缩减了匹配的规模，并记录每个修正指纹分片的成功匹配结果。
32.进一步，所述步骤(5)中，利用步骤(3)和步骤(4)得到的匹配结果对应的明文指纹库和待识别加密视频修正指纹等信息，构建隐马尔可夫模型，方法如下：
33.(5.1)将待识别视频的修正指纹作为观测序列，每个修正指纹分片作为一个输出状态；
34.(5.2)将步骤(3)和步骤(4)得到的各修正指纹分片对应的明文指纹序列集合作为隐含状态序列；
35.(5.3)计算状态转移矩阵，视频分辨率切换时的明文指纹分片之间的切换看作隐含状态之间的转移，明文指纹分片间的切换概率看作隐含状态之间的转移概率，而根据视频播放的顺序性规定不同隐含状态之间的转移概率，将不同视频的明文指纹序列分片之间的转移概率设为一个极小值，对于同一视频的符合传输下载顺序的明文指纹序列分片之间的转移概率，可以使用如下公式计算：
[0036][0037]
其中，s
t
为t时刻的隐含状态，n为s
t
中包含的视频分段的个数，n为s
t-1
可转移的状态的个数；
[0038]
(5.4)计算发射概率矩阵，由于主要关注最优隐含状态序列的寻找且为了简化计
算，将某一时刻的不同隐含状态转移为观测状态的发射概率设为均等概率；
[0039]
(5.5)计算初始状态矩阵，出于和(5.4)相同的考虑，将其设置为一个常数矩阵；
[0040]
(5.6)根据(5.1)-(5.5)得到的两个状态集合和三个概率转移矩阵构建隐马尔可夫模型。
[0041]
进一步，所述步骤(6)中，使用维特比算法求解步骤(5)中构建的隐马尔可夫模型，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果，方法如下：
[0042]
(6.1)将初始状态的概率乘上观测到第一个数据的概率，计算t＝1时，处于状态i的最大概率路径对应的概率值δ1(i)
[0043][0044]
其中，πi表示初始状态为i的概率，表示状态为i时生成观测值o1的概率；
[0045]
(6.2)对于t＝2,3,,t和每个状态j，计算δ
t
(j)
[0046][0047]
其中，a
i,j
表示状态i转移到状态j的概率，表示状态为j生成观测值o
t
的概率；
[0048]
(6.3)在所有时刻结束后，需要选取最有可能的状态序列，对应的概率即为最大的δ
t
(j)，即p
*
＝maxi(δ
t
(i))；
[0049]
(6.4)从最后一个时刻t开始，根据δ
t
(j)和转移概率a
i,j
，逐步推出最可能的状态序列：
[0050][0051]
其中，表示t时刻最可能的隐含状态；
[0052]
(6.5)根据最可能的状态序列i
*
，将对应的明文指纹进行组合，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。
[0053]
有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果。
[0054]
(1)本发明通过解析视频描述文件获取视频的明文指纹，并采集视频实际传输数据，利用预先训练好的修正还原模型得到修正指纹。通过将修正指纹与明文指纹进行比对来识别加密视频。在不同的网络环境中，视频的明文指纹是固定不变的，而修正指纹可由预先训练好的修正还原模型得到。因此，本发明提出的方法可以稳定识别不同网络环境下的加密视频。
[0055]
(2)本发明提出的加密视频识别模型与传统的机器学习方法相比，不需要重复大量采集待识别视频的加密传输数据来训练模型，只需采集部分视频流量用来训练修正还原模型。利用训练好的修正还原模型和一个包含待识别加密视频明文指纹的明文指纹库，即可准确的识别出待识别加密视频。
[0056]
(3)在加密视频识别中，现有的研究大多针对固定分辨率下的加密视频识别，而这种方法很难应用到分辨率自适应的场景中。本发明提出的方法中，不同分辨率的视频对应着不同的明文指纹，分辨率的切换对应着隐马尔可夫模型中隐含状态的转移。之后使用维特比算法求解模型，得到概率最大的不同分辨率下的明文指纹序列。本发明能够很好适应自适应分辨率播放的场景，并可以对采用自适应分辨率播放的加密视频进行稳定准确的识别。
[0057]
(4)本发明使用滑动匹配的方法，在全匹配阶段先使用修正指纹中的前几个分片与大型明文指纹库进行比对，得到一个小型的候选明文指纹库，从而大大减少需要比对的明文指纹数量，提高匹配效率。再利用修正指纹中的剩余分片从小型的候选明文指纹库中进行比对，得到最终的识别结果。通过这种方法，可以从海量的加密视频流量中快速、准确的识别出公害视频，为防止公害视频的快速传播提供了强有力的技术保障。
附图说明
[0058]
图1为基于视频指纹的分辨率自适应加密视频快速识别方法的系统结构示意图；
[0059]
图2为基于视频指纹的分辨率自适应加密视频快速识别方法流程图；
[0060]
图3为加密视频修正指纹滑动匹配原理图；
[0061]
图4为基于隐马尔可夫模型的加密视频识别原理图。
具体实施方式
[0062]
下面结合附图和实施例对本发明的技术方案作进一步的说明。
[0063]
具体实施例：本发明提供的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其总体系统架构如图1所示，包括以下步骤：
[0064]
(1)获取加密视频在多种分辨率下的视频分段长度序列，将其作为明文指纹来构建明文指纹库；
[0065]
(2)采集加密视频播放时的传输数据，消除各种协议的封装造成的视频分段长度的变化，使其尽可能接近原始分段长度，得到修正指纹；
[0066]
(3)在全匹配阶段，利用滑动匹配的思想，使用修正指纹的前几个分片，从海量明文指纹库中计算出可能匹配的视频，并将对应的明文指纹组成一个小型的明文指纹库；
[0067]
(4)在快速匹配阶段，对于修正指纹中的剩余分片，在步骤(3)得到的小型的明文指纹库中进行匹配，记下每个修正指纹分片匹配到的结果；
[0068]
(5)利用步骤(3)和步骤(4)得到的匹配结果对应的明文指纹库和待识别加密视频修正指纹等信息，构建隐马尔可夫模型；
[0069]
(6)使用维特比算法求解步骤(5)中构建的隐马尔可夫模型，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。
[0070]
本发明方法的一个实施例中，步骤(1)中，获取加密视频在多种分辨率下的视频分段长度序列，将其作为明文指纹来构建明文指纹库，方法如下：
[0071]
(1.1)搜索选定的关键字，使用爬虫程序获取视频url列表；
[0072]
(1.2)根据获取到的url构造相应的请求头，访问视频描述文件的接口并下载视频描述文件；
[0073]
(1.3)对视频描述文件进行解析，得出多种视频分辨率下的视频分段大小的序列，即明文指纹；
[0074]
(1.4)重复步骤(1.1)-(1.3)获得多个视频的明文指纹，并将视频标题等描述信息一并存入明文指纹库中。
[0075]
不同的视频平台使用的流媒体协议不同，主流视频平台通常使用hls和dash协议传输视频文件。其中，hls协议的视频描述文件为m3u8文件，dash协议的视频描述文件为mpd
文件，少数情况下会以json格式呈现。针对不同格式的视频描述文件采用不同的解析方法以获取明文指纹。例如，youtube视频中id为6rzlfg6xkg0的明文指纹如表1所示：
[0076]
表1视频6rzlfg6xkg0的明文指纹
[0077][0078]
本发明方法的一个实施例中，步骤(2)中，采集加密视频播放时的传输数据，消除各种协议的封装造成的视频分段长度的变化，使其尽可能接近原始分段长度，得到修正指纹，方法如下：
[0079]
(2.1)启动流量采集工具wireshark，打开浏览器输入视频url播放视频，采集视频播放时的加密传输数据；
[0080]
(2.2)利用加密传输数据和明文指纹库中对应的标签，根据tls和http协议对数据进行加密封装和传输的原理，训练tls修正模型和http修正模型，对tls和http协议造成的干扰进行修正；
[0081]
(2.3)根据步骤(2.2)得到的两个修正模型，对加密视频传输数据进行精准还原，计算出视频的修正指纹。
[0082]
视频数据进行封装的时候，会经过各种协议的处理，进行切分、压缩和加密等操作，并添加对应的协议头部和控制信息，以保证数据的可靠传输。为了得到与原始的明文指纹较为接近的修正指纹，需要分析这些协议，从得到的实际传输的负载中减去添加的额外信息的长度。而对于不同的http协议版本，需要分析其协议内容构建不同的http修正模型。目前广泛使用的http版本有http/1.1、http/2和http/3。例如，与http/1.1相比http/2协议有首部压缩的机制，其会对http头部数据进行压缩，作为headers帧单独传输。因此对于http/2协议，需要额外减去这部分长度。
[0083]
本发明方法的一个实施例中，步骤(3)中，在全匹配阶段，利用滑动匹配的思想，使用修正指纹的前几个分片，从海量明文指纹库中计算出可能匹配的视频，并将对应的明文指纹组成一个小型的明文指纹库，方法如下：
[0084]
(3.1)对于修正指纹的前几个分片，设置修正指纹窗口c，修正指纹窗口c在视频修正指纹上滑动，且窗口大小始终为1；
[0085]
(3.2)对于明文指纹库中的每个明文指纹，设置明文指纹窗口p，明文指纹窗口p在视频明文指纹上滑动；
[0086]
(3.3)初始情况下，设置明文指纹窗口p的窗口大小为1，上限为n，其中n的值与视频平台的视频内容分发机制有关；
[0087]
(3.4)若明文指纹窗口p中的指纹长度之和与修正指纹窗口c中的指纹长度大小之差在设定的误差范围内，则认为明文指纹窗口p中的明文指纹序列与修正指纹窗口c中的修正指纹匹配成功。
[0088]
(3.5)记下此时明文指纹窗口p中的明文指纹序列及其对应的视频id；
[0089]
(3.6)若匹配失败，则将明文指纹窗口p向后滑动，然后再次进行比对，如果明文指纹窗口p滑动到指纹的末端，则将窗口大小加一；
[0090]
(3.7)在所选修正指纹的前几个分片中，重复执行步骤(3.4)-(3.6)，直至遍历完所有分片；
[0091]
(3.8)将得到的所有视频id对应的明文指纹组成一个小型候选明文指纹库。
[0092]
步骤(2)中得到的修正指纹分片与明文指纹分段并不是一一对应的关系，一个修正指纹分片可能对应着多个明文指纹分段。并且由于视频在播放过程中可能会发生分辨率切换事件，此时一个修正指纹分片可能对应着多个不同分辨率的明文指纹分段。考虑到上述原因，基于滑动窗口思想动态调整窗口的大小实现一对多的匹配。在全匹配阶段，需要根据不同视频平台的内容分发机制来确定滑动窗口最大大小n。例如，在对采集的多个facebook视频进行分析后，发现n的大小与网络质量有关。当网络质量较差时，n通常为1或2，而网络质量较好时，n通常为6或7。例如，youtube视频中id为6rzlfg6xkg0的修正指纹在全匹配阶段获得的小型候选明文指纹库如表2所示：
[0093]
表2视频6rzlfg6xkg0得到的小型候选明文指纹库
[0094][0095]
本发明方法的一个实施例中，步骤(4)中，在快速匹配阶段，对于修正指纹中的剩余分片，在步骤(3)得到的小型的明文指纹库中进行匹配，记下每个修正指纹分片匹配到的结果，方法为：针对修正指纹中的剩余分片，依次执行与步骤(3)相同的匹配过程，但只在步骤(3)中得出的小型候选明文指纹库中进行匹配，从而极大缩减了匹配的规模，并记录每个修正指纹分片的成功匹配结果。
[0096]
本发明方法的一个实施例中，步骤(5)中，利用步骤(3)和步骤(4)得到的匹配结果对应的明文指纹库和待识别加密视频修正指纹等信息，构建隐马尔可夫模型，方法如下：
[0097]
(5.1)将待识别视频的修正指纹作为观测序列，每个修正指纹分片作为一个输出状态；
[0098]
(5.2)将步骤(3)和步骤(4)得到的各修正指纹分片对应的明文指纹序列集合作为隐含状态序列；
[0099]
(5.3)计算状态转移矩阵，视频分辨率切换时的明文指纹分片之间的切换看作隐含状态之间的转移，明文指纹分片间的切换概率看作隐含状态之间的转移概率，而根据视频播放的顺序性规定不同隐含状态之间的转移概率，将不同视频的明文指纹序列分片之间的转移概率设为一个极小值，对于同一视频的符合传输下载顺序的明文指纹序列分片之间的转移概率，可以使用如下公式计算：
[0100][0101]
其中，s
t
为t时刻的隐含状态，n为s
t
中包含的视频分段的个数，n为s
t-1
可转移的状态的个数；
[0102]
(5.4)计算发射概率矩阵，由于主要关注最优隐含状态序列的寻找且为了简化计算，将某一时刻的不同隐含状态转移为观测状态的发射概率设为均等概率；
[0103]
(5.5)计算初始状态矩阵，出于和(5.4)相同的考虑，将其设置为一个常数矩阵；
[0104]
(5.6)根据(5.1)-(5.5)得到的两个状态集合和三个概率转移矩阵构建隐马尔可夫模型。
[0105]
本发明方法的一个实施例中，步骤(6)中，使用维特比算法求解步骤(5)中构建的隐马尔可夫模型，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果，方法如下：
[0106]
(6.1)将初始状态的概率乘上观测到第一个数据的概率，计算t＝1时，处于状态i的最大概率路径对应的概率值δ1(i)
[0107][0108]
其中，πi表示初始状态为i的概率，表示状态为i时生成观测值o1的概率；
[0109]
(6.2)对于t＝2,3,,t和每个状态j，计算δ
t
(j)
[0110][0111]
其中，a
i,j
表示状态i转移到状态j的概率，表示状态为j生成观测值o
t
的概率；
[0112]
(6.3)在所有时刻结束后，需要选取最有可能的状态序列，对应的概率即为最大的δ
t
(j)，即p
*
＝maxi(δ
t
(i))；
[0113]
(6.4)从最后一个时刻t开始，根据δ
t
(j)和转移概率a
i,j
，逐步推出最可能的状态序列：
[0114][0115]
其中，表示t时刻最可能的隐含状态；
[0116]
(6.5)根据最可能的状态序列i
*
，将对应的明文指纹进行组合，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。
[0117]
本发明的一个实施例中，当待识别的视频为youtube视频6rzlfg6xkg0时，最终的识别结果如表3所示：
[0118]
表3视频6rzlfg6xkg0识别结果
[0119][0120]
上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

技术特征：
1.一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，该方法包括以下步骤：步骤(1)获取加密视频在多种分辨率下的视频分段长度序列，将其作为明文指纹来构建明文指纹库；步骤(2)采集加密视频播放时的传输数据，消除各种协议的封装造成的视频分段长度的变化，使其尽可能接近原始分段长度，得到修正指纹；步骤(3)在全匹配阶段，利用滑动匹配的思想，使用修正指纹的前几个分片，从海量明文指纹库中计算出可能匹配的视频，并将对应的明文指纹组成一个小型的明文指纹库；步骤(4)在快速匹配阶段，对于修正指纹中的剩余分片，在步骤(3)得到的小型的明文指纹库中进行匹配，记下每个修正指纹分片匹配到的结果；步骤(5)利用步骤(3)和步骤(4)得到的匹配结果对应的明文指纹库和待识别加密视频修正指纹等信息，构建隐马尔可夫模型；步骤(6)使用维特比算法求解步骤(5)中构建的隐马尔可夫模型，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。2.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(1)包含以下子步骤：(1.1)搜索选定的关键字，使用爬虫程序获取视频url列表；(1.2)根据获取到的url构造相应的请求头，访问视频描述文件的接口并下载视频描述文件；(1.3)对视频描述文件进行解析，得出多种视频分辨率下的视频分段大小的序列，即明文指纹；(1.4)重复步骤(1.1)-(1.3)获得多个视频的明文指纹，并将视频标题等描述信息一并存入明文指纹库中。3.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(2)包含以下子步骤：(2.1)启动流量采集工具wireshark，打开浏览器输入视频url播放视频，采集视频播放时的加密传输数据；(2.2)利用加密传输数据和明文指纹库中对应的标签，根据tls和http协议对数据进行加密封装和传输的原理，训练tls修正模型和http修正模型，对tls和http协议造成的干扰进行修正；(2.3)根据步骤(2.2)得到的两个修正模型，对加密视频传输数据进行精准还原，计算出视频的修正指纹。4.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(3)包含以下子步骤：(3.1)对于修正指纹的前几个分片，设置修正指纹窗口c，修正指纹窗口c在视频修正指纹上滑动，且窗口大小始终为1；(3.2)对于明文指纹库中的每个明文指纹，设置明文指纹窗口p，明文指纹窗口p在视频明文指纹上滑动；(3.3)初始情况下，设置明文指纹窗口p的窗口大小为1，上限为n，其中n的值与视频平
台的视频内容分发机制有关；(3.4)若明文指纹窗口p中的指纹长度之和与修正指纹窗口c中的指纹长度大小之差在设定的误差范围内，则认为明文指纹窗口p中的明文指纹序列与修正指纹窗口c中的修正指纹匹配成功；(3.5)记下此时明文指纹窗口p中的明文指纹序列及其对应的视频id；(3.6)若匹配失败，则将明文指纹窗口p向后滑动，然后再次进行比对，如果明文指纹窗口p滑动到指纹的末端，则将窗口大小加一；(3.7)在所选修正指纹的前几个分片中，重复执行步骤(3.4)-(3.6)，直至遍历完所有分片；(3.8)将得到的所有视频id对应的明文指纹组成一个小型候选明文指纹库。5.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(4)中，针对修正指纹中的剩余分片，依次执行与步骤(3)相同的匹配过程，但只在步骤(3)中得出的小型候选明文指纹库中进行匹配，从而极大缩减了匹配的规模，并记录每个修正指纹分片的成功匹配结果。6.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(5)包含以下子步骤：(5.1)将待识别视频的修正指纹作为观测序列，每个修正指纹分片作为一个输出状态；(5.2)将步骤(3)和步骤(4)得到的各修正指纹分片对应的明文指纹序列集合作为隐含状态序列；(5.3)计算状态转移矩阵，视频分辨率切换时的明文指纹分片之间的切换看作隐含状态之间的转移，明文指纹分片间的切换概率看作隐含状态之间的转移概率，而根据视频播放的顺序性规定不同隐含状态之间的转移概率，将不同视频的明文指纹序列分片之间的转移概率设为一个极小值，对于同一视频的符合传输下载顺序的明文指纹序列分片之间的转移概率，使用如下公式计算：其中，s
t
为t时刻的隐含状态，n为s
t
中包含的视频分段的个数，n为s
t-1
可转移的状态的个数；(5.4)计算发射概率矩阵，由于主要关注最优隐含状态序列的寻找且为了简化计算，将某一时刻的不同隐含状态转移为观测状态的发射概率设为均等概率；(5.5)计算初始状态矩阵，出于和(5.4)相同的考虑，将其设置为一个常数矩阵；(5.6)根据(5.1)-(5.5)得到的两个状态集合和三个概率转移矩阵构建隐马尔可夫模型。7.根据权利要求1所述的一种基于视频指纹的分辨率自适应加密视频快速识别方法，其特征在于，所述步骤(6)包含以下子步骤：(6.1)将初始状态的概率乘上观测到第一个数据的概率，计算t＝1时，处于状态i的最
大概率路径对应的概率值δ1(i)其中，π
i
表示初始状态为i的概率，表示状态为i时生成观测值o1的概率；(6.2)对于t＝2,3,,t和每个状态j，计算δ
t
(j)其中，a
i,j
表示状态i转移到状态j的概率，表示状态为j生成观测值o
t
的概率；(6.3)在所有时刻结束后，需要选取最有可能的状态序列，对应的概率即为最大的δ
t
(j)，即p
*
＝max
i
(δ
t
(i))；(6.4)从最后一个时刻t开始，根据δ
t
(j)和转移概率a
i,j
，逐步推出最可能的状态序列：其中，表示t时刻最可能的隐含状态；(6.5)根据最可能的状态序列i
*
，将对应的明文指纹进行组合，得出概率最大的加密视频数据所对应的明文指纹组合，作为识别结果。

技术总结
本发明公开了一种基于视频指纹的分辨率自适应加密视频快速识别方法。该方法首先获取多种分辨率下的视频分段长度序列作为明文指纹，并采集视频传输数据，经修正处理后得到加密视频修正指纹；基于滑动窗口思想，将待识别加密视频修正指纹分片与明文指纹库进行对比，获得每个修正指纹分片可能的匹配结果；然后根据修正指纹和匹配结果对应的明文指纹库构建隐马尔可夫模型，再使用维特比算法求解模型，计算出概率最大的视频明文指纹序列，从而实现加密视频的识别。本发明具有通用性，能够快速准确地识别出加密视频，有效解决了因视频分辨率切换而带来的加密视频识别难题。率切换而带来的加密视频识别难题。率切换而带来的加密视频识别难题。


技术研发人员：吴桦 赵士顺 罗浩 程光
受保护的技术使用者：东南大学
技术研发日：2023.05.08
技术公布日：2023/7/25