CFE-PPAR: Compression-friendly encryption for privacy-preserving action recognition leveraging video transformers

ملخص تقني: CFE-PPAR

بيان المشكلة
يهدف التعرف على الأفعال مع الحفاظ على الخصوصية (PPAR) إلى تمكين الآلات من تصنيف الأنشطة البشرية في مقاطع الفيديو دون كشف المحتوى البصري الحساس. وبينما توفر طرق PPAR القائمة على التشفير حماية قوية للخصوصية وأداءً عالياً في التعرف على البيانات غير المضغوطة، إلا أنها تواجه عائقاً حرجاً: فهي ليست "صديقة للضغط". فعندما تخضع مقاطع الفيديو المشفرة بواسطة الطرق الحالية (مثل التشفير الإدراكي أو التشفير المتماثل) لعمليات ضغط الفيديو القياسية (مثل Motion-JPEG أو H.264)، تعاني دقة التعرف من انخفاض كارثي. علاوة على ذلك، غالباً ما تفشل عملية فك التشفير في استعادة المحتوى البصري الأمين بعد الضغط، مما يجعل هذه الطرق غير عملية في السيناريوهات الواقعية حيث تتطلب عمليات نقل البيانات وتخزينها الضغط.

المنهجية
يقترح المؤلفون إطار عمل CFE-PPAR (التشفير الصديق للضغط من أجل التعرف على الأفعال مع الحفاظ على الخصوصية)، وهو إطار عمل مبتكر مصمم للحفاظ على دقة تعرف عالية وإمكانية استعادة بصرية حتى بعد الضغط مع فقدان البيانات. تدمج الطريقة ثلاثة مكونات أساسية:

1. التشفير الصديق للضغط (CFE):
   على عكس طرق التشفير السابقة التي تعطل الارتباطات المكانية الضرورية لخوارزميات الضغط، يستخدم CFE استراتيجية تشفير قائمة على الكتل (block-wise) تحافظ على الارتباط داخل الكتلة الواحدة. تتضمن العملية:

• المعالجة المسبقة: تغيير حجم إطارات الفيديو لتتناسب مع أبعاد مدخلات المحول (Transformer).
• تقسيم الكتل: تقسيم كل إطار إلى كتل رئيسية (MBs) تتوافق مع حجم الرقعة (patch size) الخاص بمحول الفيديو (VT)، ثم تقسيم الكتل الرئيسية إلى كتل فرعية (SBs).
• تحويلات الكتل الفرعية: تطبيق خمس تحويلات محددة (الدوران، القلب، عكس قيم البكسل، خلط قنوات RGB، وبعثرة الكتل الفرعية) على كل كتلة فرعية باستخدام مفتاح سري ($K_{ST}$).
• بعثرة الككتل الرئيسية: تغيير ترتيب الكتل الرئيسية داخل الإطار باستخدام مفتاح سري منفصل ($K_{MS}$).
  يضمن هذا النهج أنه بينما يتم حجب المعلومات البصرية، تظل الخصائص الإحصائية المطلوبة للضغط الفعال سليمة.

2. التكيف مع المجال المعتمد على المفتاح (KDDA):
   للسماح لمحول الفيديو بالتعرف على الفيديوهات المشفرة دون إعادة تدريب أو تغييرات هيكلية، يتم تحويل معاملات النموذج لتتطابق مع التشفير. وتحديداً، يتم تعديل نواة الالتفاف ثلاثية الأبعاد ($E$) لطبقة تضمين المكعب والتمثيلات الموضعية ($E_{pos}$) باستخدام نفس المفاتيح ($K_{ST}$ و $K_{MS}$) المستخدمة في التشفير. يؤدي هذا إلى إنشاء "محول فيديو متكيف مع المجال" (domain-adaptation VT) يمكنه الاستدلال مباشرة على المدخلات المشفرة.

3. نموذج التهديد:
   يفترض النظام وجود خادم عام غير موثوق يتعامل مع البيانات المشفرة والمضغوطة، ولكنه لا يمتلك أي مفاتيح سرية. ويُفترض أن المهاجم لديه وصول إلى البيانات المشفرة والخوارزمية ولكن ليس لدة المفاتيح، مما يحصر قدراته في هجمات النص المشفر فقط (COAs).

المساهمات الرئيسية

• أول نظام PPAR صديق للضغط: يقدم هذا العمل أول طريقة تشفير مصممة خصيصاً لتكون متوافقة مع برامج ترميز ضغط الفيديو القياسية (MJPEG و H.264) مع الحفاظ على قدرات التعرف على الأفعال.
• التحسين المزدوج: تحقق الطريقة في آن واحد دقة تعرف عالية على البيانات المشفرة والمضغوطة، وتسمح أيضاً بإعادة بناء إطارات الفيديو الأصلية بشكل أمين من قبل العملاء المصرح لهم.
• الاستدلال الخالي من التدريب: تستخدم هذه الطريقة محول فيديو مدرب مسبقاً مع معاملات محولة، مما يلغي الحاجة إلى ضبط النموذج (fine-tuning) على البيانات المشفرة أو تعديل بنية الشبكة.

النتائج التجريبية
قيم المؤلفون CFE-PPAR على مجموعتي بيانات UCF101 و HMDB51 تحت ضغط Motion-JPEG و H.264 (مع وبدون التنبؤ بين الإطارات) عبر معدلات بت (bitrates) مختلفة.

• دقة التعرف: في ظروف عدم الضغط، حقق CFE-PPAR دقة مقاربة للفيديوهات العادية (غير المشفرة). وتحت الضغط مع فقدان البيانات، تفوق بشكل كبير على الطرق الحالية (LCVE و BDQ). ومن الجدير بالذكر أنه تحت ضغط H.264 مع التنبؤ بين الإطارات، حافظ CFE-PPAR على دقة تقارب الفيديوهات العادية حتى عند معدلات البت المتوسطة إلى العالية، بينما عانت الطرق السابقة من تدهور شديد.
• الاستعادة البصرية: بينما أدت طرق التشفير السابقة إلى فيديوهات مفككة التشفير ذات نسبة PSNR منخفضة (غالباً أقل من 20 ديسيبل) بعد الضغط، نجح CFE-PPAR في الحد من هذا التدهور بفعالية، مما سمح بإعادة بناء إطارات أصلية موثوقة.
• المقاومة ضد الهجمات: قيمت الورقة المقاومة لهجمات النص المشفر فقط باستخدام حل لغز الصور الممتدة (EJPS). وأشارت النتائج إلى أن النسخة التي تستخدم مفاتيح مختلفة لكل كتلة رئيسية (CFE-PPAR V2) كانت قوية ضد إعادة البناء، بينما كانت النسخة التي تستخدم مفتاحاً واحداً لجميع الكتل (V1) عرضة للاختراق عندما تكون غير مضغوطة. ومع ذلك، فإن عملية الضغط نفسها أعاقت محاولات إعادة البناء بشكل كبير لكلا النسختين.

الأهمية والادعاءات
تزعم الورقة أن CFE-PPAR يعالج فجوة أساسية في الرؤية الحاسوبية التي تحافظ على الخصوصية: وهي عدم التوافق بين التشفير القوي وضغط البيانات الفعال. ومن خلال إثبات إمكانية ضغط الفيديوهات المشفرة دون التضحية بأداء التعرف أو القدرة على الاستعادة البصرية، يرى المؤلفون أن طريقتهم تمكن من النشر العملي لأنظمة PPAR في بيئات السحابة والحافة (edge) حيث تكون سعة النطاق الترددي والتخزين محدودة. وتؤكد هذه الدراسة أنه من الممكن تحقيق حماية قوية للخصوصية، وفائدة عالية (الدقة)، وكفاءة في الضغط في آن واحد، وهو مزيج لم يكن ممكناً في السابق باستخدام استراتيجيات التشفير الحالية.