近日，我院徐达文教授团队在国际权威期刊IEEE Transactions on Multimedia发表论文“HEVC Video Steganalysis Based on Centralized Error and Attention Mechanism”。

高效视频编码(HEVC)的广泛应用，在满足视频传输场景中高清晰度与快速传输的同时，也为视频隐写技术拓展了更丰富、更多元的隐藏空间，但同步催生了对高性能视频隐写分析技术的迫切需求。当前，基于变换系数的视频隐写技术已实现快速发展，但对应的视频隐写分析方法仍处于起步阶段。现有方法未充分考虑视频的预测过程，导致隐写分析缺乏对隐写痕迹的直接捕捉能力，同时对自适应变换系数隐写的检测性能较弱。

为解决上述问题，本文首先针对基于失真补偿的变换系数隐写失真进行了理论建模。通过分析发现，此类隐写留下的痕迹在预测残差域中呈现出“中心化”的特征表现模式。为进一步提升隐写分析的信噪比，并降低环路滤波等编码环节对隐写痕迹的干扰，本文提出以“预测残差图”作为隐写分析的核心对象，以增强检测过程的针对性。

为高效提取预测残差图的中心化误差特征，本文设计了一种名为CESNet(Centralized Error Steganalysis Network)的视频隐写分析网络，如图1所示。该网络以预测残差图为输入，针对性设计了四种不同类型的卷积模块，以适应特征提取的不同阶段。同时，针对自适应隐写痕迹的帧内稀疏性，提出融合空间注意力与通道注意力机制的CEA(Centralized Error Attention)模块以自适应增强隐写区域。此外，为解决自适应隐写痕迹的帧间稀疏性问题，如图2所示，网络在提取每一帧的特征向量后，引入自注意力机制对视频序列进行整体建模，从而强化隐写特征显著的视频帧，最终实现对隐写视频的高效、准确检测。

图 1 CESNet网络结构

图 2 整体流程图

论文信息：

H. Dai, D. Xu*, L. Yang and R. Wang. HEVC Video Steganalysis Based on Centralized Error and Attention Mechanism. IEEE Transactions on Multimedia, 2025, DOI: 10.1109/TMM.2025.3613171.