本研究提出了一种去中心化的视频版权保护框架，该框架结合了私有区块链、智能合约和感知哈希技术。旨在实现安全的所有权注册、不可篡改的记录管理，以及在分布式环境中对视频内容进行高效的基于相似性的验证。
本文内容
摘要
摘要
随着互联网上视频内容共享的日益普及，人们越来越关注版权侵权、盗版和所有权纠纷问题。传统的集中式版权管理方法存在透明度不足、易被篡改以及依赖可信第三方等问题。因此，本研究提出了一种基于 Hyperledger Fabric、智能合约和感知哈希的去中心化视频版权保护系统。首先，从视频中提取帧，并利用平均哈希（aHash）、差分哈希（dHash）、感知哈希（pHash）和小波哈希（wHash）算法生成感知指纹。哈希值和所有权信息存储在区块链上，而多媒体资源则保留在账本之外。通过基于汉明距离的帧级相似性比对来执行版权检测。所提出的框架在多种时间域、空间域和压缩域操作下进行了测试，包括帧插入、帧删除、裁剪、缩放、旋转、滤波和转码等处理。实验结果表明，该方法对上述变换具有较强的鲁棒性，同时能够有效检测未经授权的修改。因此，该技术可利用去中心化的区块链架构为版权问题提供切实可行的解决方案。
引言
数字多媒体技术的进步改变了视频的制作、分发和消费方式。视频流媒体、社交网络以及基于互联网的内容共享系统使得视频能够快速便捷地传播至全球受众。尽管技术进步为数字视频内容的创作以及在线商业的发展提供了更多创意空间，但同样的进步也使得内容创作者更容易遭遇版权侵犯、盗版以及所有权归属等问题1。视频内容极易被复制、编辑、重新编码和再分发，导致在当今多媒体环境中保护知识产权变得日益困难2,3。
通常，当前的版权管理系统依赖于一个中央机构来注册内容、验证所有权、管理许可协议以及处理争议。尽管这些管理系统已被广泛采用，但仍存在若干显著局限性4。首先，集中化使版权管理系统容易受到潜在的网络攻击、数据篡改和停机影响。此外，版权所有权由受信任的第三方机构存储，这在信息审计以及长期可靠性维护方面可能并非完全理想5。随着数字多媒体内容数量不断增加，传统的验证流程效率降低，往往耗时过长而变得不切实际6。
区块链技术似乎是解决分布式环境中信任与透明度问题的方案之一7。通过密码学和共识机制实现不可篡改的账本，区块链能够在无需中央机构控制的情况下实现安全的记录保存。一旦记录被添加到区块链中，便不可更改且不可篡改，从而提供更高水平的可追溯性与问责性8。正因如此，已有大量研究致力于探索区块链在数字版权管理（DRM）、知识产权（IP）以及多媒体所有权保障等领域的应用9。在现有的区块链平台中，Hyperledger Fabric 因其具备许可架构、模块化结构、对智能合约的支持、隐私保护以及高效处理能力等特点而受到广泛关注。与公有链相比，Hyperledger Fabric 的许可架构使其特别适用于版权保护系统10。
然而，仅使用区块链作为识别多媒体内容版权状态的手段存在一定的局限性11。首先，传统的加密哈希函数（例如 SHA-256）即使对视频进行微小修改，也会产生完全不同的哈希结果12。尽管这一特性在加密应用中是理想的，但它会阻碍对受版权保护的多媒体内容的相似或修改版本进行视觉识别。因此，多媒体版权验证必须基于内容感知算法，这类算法能够检测图像或视频中的感知相似性13。
解决多媒体内容版权问题最有前景的方法之一是使用感知哈希14。与加密哈希不同，感知哈希生成的指纹能够编码图像或视频帧的视觉特征15。因此，即使文件经过常规处理（如压缩、滤波、缩放、添加噪声等）而发生改变，其哈希值仍保持相对不变16。目前有四种常用的感知哈希方法：平均哈希、差值哈希、感知哈希和小波哈希17,18。
已有大量研究探讨了将区块链技术与多媒体数据的版权保护技术相结合的应用19。先前的研究工作利用区块链技术实现了版权登记、数字水印、证据的分布式存储与管理、去中心化的权利管理以及多媒体内容的安全存储20。Hyperledger Fabric 在以往的研究中被用于通过智能合约和许可共识协议实现版权注册、权利管理和交易审计21,22。同样，已有研究提出了感知哈希和水印方法，用于检测重复和篡改的多媒体内容。尽管这些研究在利用区块链技术实现版权管理方面展现出良好前景，但仍存在一些不足之处23,24。首先，许多先前的框架主要关注版权登记，但缺乏内容验证能力。其次，许多研究依赖单一的哈希或水印方法，因而更容易受到视频篡改攻击的影响25,26。表1显示，现有系统通常支持版权登记，但很少将去中心化的版权管理与多哈希内容验证相结合。
随着视频编辑技术的进步，为了防止版权侵权，对高效的视频所有权验证需求日益增加27。当前的技术提供了多种时间上的视频操作方法，包括添加、删除、替换帧以及改变帧率。类似地，空间上的操作选项包括帧的重新调整大小、缩放、滤波、压缩、转码以及视频的几何变换28。这些操作使得识别版权归属变得困难，即使它们并未改变视频的视觉外观。一个高效的系统需要能够完整地区分允许的操作、所有权归属与版权侵权行为29。
为应对高效视频版权管理的挑战，本文提出了一种去中心化模型，该模型利用 Hyperledger Fabric、智能合约和感知哈希技术。所提出的框架将采用哈希技术生成感知指纹，并提取视频帧30,31。将使用四种不同的哈希技术，即 aHash、dHash、pHash 和 wHash，来生成感知指纹。所有权信息、时间戳和哈希值将被记录在基于许可区块链的账本上。为提高可扩展性，CouchDB 将与区块链结合使用，以在链下存储多媒体内容。
该框架采用汉明距离分析来验证帧级相似性，并检测视频的修改、复制或非法使用。通过将多种感知哈希技术与基于区块链的可审计性相结合，该方案实现了内容级别的认证以及防篡改的所有权管理。与以往依赖单一验证方法的系统不同，该框架利用多种感知描述符，能够抵御各种时间域、空间域和压缩域的视频篡改操作。
本研究工作提出的主要贡献如下：（1）采用 Hyperledger Fabric 框架，提出一种用于视频安全版权注册与验证过程的去中心化方法；（2）采用多种感知哈希算法（如 aHash、dHash、pHash 和 wHash），生成多个视频指纹，即使视频经过编辑后也能识别出相似内容；（3）结合 Hyperledger Fabric 与 CouchDB 构建分布式数据库模型，以解决可扩展性问题，同时不损害数据完整性与可追溯性；（4）设计了一套综合验证流程，通过计算汉明距离，判断视频在帧和像素层面是否被篡改；（5）通过实验验证了所提出方法在检测修改后视频方面的有效性。
因此，通过整合基于区块链的所有权机制和多种哈希算法，所提出的框架为去中心化的视频版权保护提供了一种可行的方法。
方案
本研究未涉及人类受试者、动物受试者或临床样本，因此无需机构伦理审批和知情同意。
材料与软件
部署该框架所使用的环境包括 Hyperledger Fabric 2.4.8 版本、CouchDB、Docker 容器、Minifab 部署工具、FFmpeg 多媒体处理应用程序以及 Go 编程语言。Hyperledger Fabric 提供了去中心化账本管理和智能合约执行的服务，而 CouchDB 通过链下存储高效地存储和检索版权信息。FFmpeg 用于视频的预处理及视频帧的提取，感知哈希算法则通过 Go 语言中的图像哈希库实现。所有工具及其相应描述详见材料表。
框架结构
该框架在许可型区块链 Hyperledger Fabric 中采用感知哈希算法，以实现去中心化的视频版权保护与所有权验证。该框架包含五个主要组成部分：视频预处理、感知哈希生成、基于区块链的版权注册以及基于相似度的验证。在此框架中，Hyperledger Fabric 作为信任层，提供不可篡改的所有权记录，而 CouchDB 则提供链下存储。所提出框架的整体架构如图1所示。
版权验证系统的模型
所研究系统的详细工作流程如下所示 图2从视频采集开始，随后使用 FFmpeg 按固定时间间隔提取帧。提取的帧在 Hyperledger Fabric 实现环境中进行处理，包括所有权注册、证书管理、节点通信和交易验证等操作。对提取的帧应用感知哈希算法，接着计算汉明距离以评估其相似程度。若汉明距离低于设定阈值，则判定该帧为真实内容，与已注册内容相似；否则，视为被修改的内容。
视频采集、预处理与感知哈希生成
实验中使用的视频样本为480p分辨率的MP4文件，平均时长约26秒。评估数据集包含15个视频样本，其中包括一个原始参考视频和多个修改版本。这些修改包括常见的编辑操作，如更改帧率、插入、删除或替换帧，以及应用裁剪、缩放、旋转和叠加效果等失真处理。数据集还包含压缩、噪声、添加文字和贴纸、故障效果等多种处理。所有视频均为480p分辨率的MP4格式，并经过相同的预处理和指纹生成步骤。该数据集旨在测试系统的鲁棒性，涵盖了涉及侵权和篡改的多种真实场景。在进行版权检测与确认之前，视频文件首先通过FFmpeg进行预处理。视频文件的帧以每秒1帧的间隔被提取，以获得在计算上处理成本较低的视觉内容形式的浓缩内容摘要。随后，这些帧被转换为灰度图像并进行归一化处理，以最小化因光照条件、编码方式和压缩差异引起的像素强度变化。
采用四种感知哈希函数生成视频内容指纹，分别为平均哈希（aHash）、差值哈希（dHash）、感知哈希（pHash）和小波哈希（wHash）。
在生成哈希值时，首先将帧转换为灰度图像，并调整大小为 8×8 像素，以计算 aHash 和 dHash。对于 aHash，通过将每个像素与平均灰度值进行比较，生成一个 64 位的指纹。dHash 算法采用了类似的方法，同样生成 64 位指纹，但其关注的是相邻水平像素强度之间的差异。对于 pHash，帧被调整为 32×32 像素，然后计算离散余弦变换（DCT）。为了生成 64 位感知哈希指纹，仅使用低频的 8×8 DCT 系数。至于 wHash，帧同样被调整为 32×32 像素，但随后采用哈尔小波变换进行处理。64 位哈希值由提取出的最低频小波系数生成。所有这些参数设置旨在计算效率与应对典型视频调整的鲁棒性之间取得良好平衡。
为了高效执行哈希函数计算，这些图像经过了归一化和尺寸调整。平均哈希方法通过将像素强度与图像整体均值进行比较来工作。差异哈希方法原理类似，但侧重于局部梯度，通过比较像素与其相邻像素的强度来实现。感知哈希利用DCT产生的傅里叶特征，而小波哈希则依赖小波变换结果来提取特征。
基于区块链的版权注册与验证
感知指纹、所有权元数据、时间戳和交易详情等信息通过智能合约 vitChain 输入至 Hyperledger Fabric 区块链。区块链的实现包括两个组织、两个对等节点、两个排序节点、两个证书颁发机构（CA）节点以及 CouchDB 状态数据库，所有组件均通过自动通道相互连接。该许可型区块链框架可实现对版权信息的安全处理、受限访问和防篡改存储。
当内容所有者通过用户界面上传视频后，版权注册流程即告开始。当用户提交视频进行版权注册时，应用层会通过 Hyperledger Fabric SDK 调用 vitChain 智能合约。该注册信息包括唯一的交易 ID、所有者信息、视频 ID、时间戳以及四种类型的感知哈希值：aHash、dHash、pHash 和 wHash。此外，还包括与内容相关的元数据。应用程序将交易提案发送至背书节点，这些节点随后执行智能合约逻辑，并确保交易符合背书策略。在成功验证后，交易将被提交至排序服务。在此，已验证的交易被打包成区块，并发送至对等节点以写入账本。与此同时，相关元数据将存入 CouchDB。这些元数据通过交易 ID 与区块链上的记录相连接，从而实现快速查询，并确保链上与链下数据的一致性。
在完成预处理和感知哈希计算后，指纹及其相关元数据将被组装成一笔交易，由智能合约执行。交易验证由参与的对等节点根据指定的背书策略进行。一旦获得背书，该交易将被提交至排序服务，以纳入分布式账本的区块中。为确保系统可靠运行，我们在注册和验证流程中加入了基本的错误处理机制。在交易执行前，应用程序会检查必需的元数据、所有权信息以及感知哈希，以避免潜在问题。如果交易不符合背书规则或包含无效参数，对等节点将直接拒绝该交易。当出现通信故障或处理错误等问题时，系统会记录日志并发送管理员警报，从而防止轻微的处理错误在系统中扩散。在版权核查过程中，包含无效元数据或损坏哈希值的视频将被排除在验证流程之外；同样，指纹生成失败的视频也将被排除在验证流程之外。总体而言，这些步骤确保了数据的清洁性，并增强了框架的可靠性。受版权保护视频的所有权信息一经记录即不可更改，并可供后续检索。
验证
验证过程包括类似的预处理和指纹计算步骤，随后使用基于汉明距离的相似性度量方法，将生成的指纹与区块链中存储的指纹进行比对。根据相似性度量结果，智能合约确定所提交视频的版权信息。交互工作流程如图3所示。
基于相似性的版权验证
版权验证过程将从查询视频中提取的感知指纹与先前存储在区块链系统中的指纹进行比对。验证阶段会重复注册时所使用的相同预处理和哈希值生成流程，以保持一致性。相似性通过汉明距离进行度量，该距离计算两个哈希值之间不同比特位的数量。较小的汉明距离表示两段视频具有更高的相似性，而较大的汉明距离则表明内容可能经过篡改。为了判断查询视频是否与已注册视频匹配，我们计算了它们感知哈希值之间的汉明距离。根据初步实验结果，选定20作为汉明距离的阈值，以在对常见视频处理操作的鲁棒性与对未授权修改的敏感性之间取得适当平衡。当汉明距离小于或等于20时，认为两段视频代表相同的受版权保护内容；若超过该值，则表明存在显著变更。该阈值20能够容忍诸如压缩、滤波、转码和帧率变化等常见的视频编辑操作，同时仍可检测到未经授权的修改。对所有采集到的视频帧指纹均进行相似性度量，并将结果汇总，从而得出版权验证结论。对于偏离已注册内容的视频，系统将标记其接受进一步审查。
部署环境
测试环境使用 Docker 容器和 Minifab 编排工具构建。部署了基于 Hyperledger Fabric 2.4.8 版本的区块链网络，并采用 CouchDB 作为智能合约数据的状态数据库和存储层。vitChain 智能合约使用 Go 语言实现，并通过 Hyperledger Fabric 链码生命周期进行部署。部署参数汇总于表 2。该网络包含两个参与组织，分别为内容创建者（Content Creator）和视频拍摄者（Videographer）。为确保交易完整性并防止未经授权的版权注册或修改，实施了多组织背书策略，要求在将交易提交到账本之前必须获得两个组织的共同批准。具体而言，该背书策略遵循 AND 规则，表示为 AND ('ContentCreatorMSP.peer', 'VideographerMSP.peer')。
结果
为了评估所提出的去中心化版权保护模型的有效性，本研究针对多媒体传输、编辑及版权侵权过程中常见的多种视频篡改攻击进行了测试。评估主要包含两个关键因素：（i）感知哈希算法在版权识别与篡改检测中的可靠性；（ii）Hyperledger Fabric 区块链网络的性能。通过计算平均哈希（aHash）、差值哈希（dHash）、感知哈希（pHash）和小波哈希（wHash）生成相似性评分，并将这些评分与区块链中记录的视频指纹进行比对。
视频操纵攻击下的相似性分析
通过将多种攻击应用于视频，评估了该模型的鲁棒性，这些攻击包括时间域、空间域、几何变换、压缩、滤波以及对抗性操作攻击。本研究的相似性值来源于每种视频操作场景下的独立实验。每种类型的操作仅应用一次以创建一个代表性测试案例，并记录其相似性得分用于分析。目标是检验所提出的框架在各种真实攻击条件下检测版权相关变更的能力。因此，报告的数值来自单个测试案例的结果，而非多次重复试验的平均值。
使用四种感知哈希算法的相似性得分列于表3中。所提出的模型在大多数保持内容的攻击下均表现出较高的相似性，同时对视频中的重大结构变化仍保持敏感（表3）。
时间变换下的性能表现
时间变换（如插入帧、删除帧、替换帧和帧率转换）主要影响视频的时间连续性，同时几乎完整地保留其空间特征。实验结果表明，插入帧和替换帧在所有测试的指纹算法中均实现了超过80%的相似度（图4）。因此，感知指纹在经历时间变化后仍保持了视频的视觉特征。
由于缺少帧内信息，帧删除导致相似度值略有下降。然而，指纹之间的相似性仍足以有效检测版权侵权行为。帧率变化对相似度度量的影响不显著，因为在大多数测试样本中，其产生的相似度值均超过97%。这是因为帧率变换不会显著改变帧的特征。
空间与几何变换的影响
几何与空间变换会直接影响视频帧中的视觉结构，这使得感知哈希技术难以准确处理。由于局部篡改区域仅导致相似性数值略有下降，且视觉修改局限于局部区域，未对全局感知哈希产生显著影响。
由于裁剪操作移除了部分视觉内容，导致相似度值的波动更大。旋转变换引起的相似度值下降最为显著，不同感知哈希技术下的相似度值范围约为48%至66%。这是可以理解的，因为旋转改变了在感知哈希中起重要作用的空间结构。图像缩放对相似度评分影响较小，因为其值始终保持在96%以上。图5 总结了视频旋转条件下（包括几何变换）获得的相似度结果。
对压缩、滤波和噪声的鲁棒性
在存储和分发多媒体内容时，压缩与转码是常规操作。实验分析表明，即使经过MPEG压缩、转码以及使用多种视频编解码器重新编码，其相似性仍始终高于98%。研究结果表明，尽管存在压缩误差和量化噪声，感知指纹仍保留了大部分视觉内容。此外，研究人员还进行了添加噪声和滤波处理的实验。无论噪声强度如何，相似性始终维持在98%至99%之间。同时，高斯滤波、中值滤波和低通滤波仅导致相似性发生微小变化，有效保留了视频的整体结构信息。
复杂与对抗性篡改的检测
还对所提出的模型进行了研究，以识别诸如在视频帧中添加文字或贴纸、合并视频片段以及合谋篡改等攻击行为。此类篡改旨在保持一致性的同时对受版权保护的内容进行未经授权的修改。在视频帧中添加文字后，相似性分析的结果如下方图6所示，而图7展示了合并视频片段后的相似性分析结果。
感知哈希算法性能的比较
在实验测试过程中，四种感知哈希算法各自表现出特定的性质。感知哈希（pHash）对压缩、滤波和转码具有很强的鲁棒性，但对结构性修改较为敏感。小波哈希（wHash）在局部修改（例如添加文本或对象）情况下表现良好。
差异哈希（dHash）能够检测与梯度相关的结构篡改，但对旋转更为敏感。平均哈希（aHash）在应用于未改变整体强度的全局操作时表现稳定，但在发生几何变换时稳定性较差。总体而言，pHash 和 wHash 在所测试的算法中产生了最佳结果。
区块链技术性能评估
除了内容验证性能外，还考虑了区块链系统的可扩展性和性能。实验发现，由于节点之间需要同步，文件上传所需时间随文件大小和网络规模呈线性增长。
类似地，挖矿和创建区块所需的时间随节点数量的增加呈线性增长。这一结果符合预期，因为随着节点数量的增加，进行交易的难度也随之提高，需要更多的通信开销。然而，作者观察到的时间在版权登记这一应用领域中已足够具有现实可行性。
在网络规模超过某个特定值之前，访问区块的操作未显示出显著差异。所观察到的性能也受到混合存储架构的影响。在此设置中，所有权元数据、交易信息和感知哈希值存储在区块链上，而多媒体数据由 CouchDB 处理。这减少了添加到分布式账本中的数据量，有助于控制区块链存储的增长。尽管作者未与纯区块链架构进行专门对比，实验结果表明，该系统在不同网络配置下仍能良好地执行交易处理和数据检索。图8–11总结了研究人员在多种网络配置下的区块链性能评估结果。
总体而言，实验结果表明，所提出的将感知哈希与区块链技术相结合的系统具有高效的性能。该框架对保持内容的操作具有抗性，同时对改变结构的攻击具有敏感性。此外，它能够在 Hyperledger Fabric 网络上注册并验证版权。
数据可用性：
本研究中使用的数据和代码已上传至 Zenodo 仓库，可通过以下链接访问：https://doi.org/10.5281/zenodo.20665324。这些内容包括提取的帧数据集、感知哈希、汉明距离计算、区块链基准测试、智能合约代码、部署文件，以及在版权注册与验证实验中使用的其他元数据。
图1：提出的去中心化视频版权保护框架架构。 该图展示了所提出框架的整体结构，包括视频预处理、感知哈希生成、区块链注册、所有权验证以及CouchDB存储。请点击此处查看该图的放大版本。
图 2：所提出的用于视频版权保护与验证工作流程的系统模型。 该工作流程展示了在所提出框架内进行的视频获取、帧提取、感知哈希生成、区块链注册、相似性验证以及版权决策过程。请点击此处查看该图的放大版本。
图3：视频版权注册与验证的序列图。 该序列图展示了在版权注册与验证过程中，内容所有者、应用层、感知哈希模块、智能合约、对等节点、排序服务、区块链账本以及CouchDB之间的交互过程。 请点击此处查看该图的放大版本。
图 4：多种帧编辑操作下的相似性分析。 该图展示了所提出框架在多种时间视频操作场景下的累积相似性表现，包括帧插入、删除、替换以及帧率修改。请点击此处查看该图的放大版本。
图 5：视频旋转下的相似性分析。 该图展示了视频旋转对相似性评分的影响，表明所提出的框架即使在视频发生中度旋转时仍具有良好的有效性。 请点击此处查看该图的放大版本。
图6：向视频中添加文本。 本图展示了在视频帧中插入文本后的相似性结果，表明所提出的框架能够在验证所有权的同时识别内容变化。 请点击此处查看此图的放大版本。
图 7：视频中合并的片段。 该图表示通过合并来自不同源的片段所生成的视频相似性分析结果。 请点击此处查看此图的放大版本。
图8：在CouchDB链下存储中，随着节点数量变化时文件上传的执行时间分析。 该图展示了所提出的框架在不同文件大小和网络配置下，将视频元数据上传至链下存储所需的时间。请点击此处查看该图的放大版本。
图 9：区块链网络中不同文件大小和不同节点数量下的区块挖掘执行时间分析（单位：秒）。 该图展示了 Hyperledger Fabric 网络中区块挖掘操作在不同网络配置下的性能表现。本实验揭示了文件大小和对等节点配置对系统性能的影响。请点击此处查看该图的高清版本。
图10：区块链网络中不同文件大小和不同节点数量下的区块创建执行时间分析（单位：秒）。 下图展示了在不同网络配置下，网络中创建一个区块所需的时间。这有助于分析该框架的运行能力和可扩展性。 请点击此处查看此图的放大版本。
图 11：区块链网络中不同文件大小和不同节点数量下的区块访问执行时间分析（单位：秒）。该图展示了从区块链系统中检索信息所需的时间，针对不同的文件大小和节点配置情况。结果表明，所提出的框架可有效用于版权验证和所有权信息检索。请点击此处查看此图的放大版本。
| 序号 | 作者 | 应用 | 区块链 | 安全性 | 保护性 | 可扩展性 | 版权保护 | 链下存储 | 完整性 | 去中心化 |
| 1 | Liu et al.13 | 利用区块链技术进行数字版权保护 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 2 | Zheng et al.12 | 基于区块链的视频版权保护结合水印技术 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 3 | Qureshi et al.11 | 多媒体版权管理框架 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 4 | Darwish et al.9 | 视频水印与版权验证 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 5 | Li et al.7 | 去中心化音乐版权运营管理体系 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 6 | Pandian et al.10 | 基于区块链的视频完整性验证 | ✓ | ✓ | ✗ | ✗ | ✓ | ✗ | ✓ | ✓ |
| 7 | Guo J et al.6 | 在线教育多媒体资源的数字版权管理 | ✓ | ✗ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 8 | Moolikagedara et al.14 | 基于区块链的所有权与可追溯性系统 | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 9 | Madapati and Pradhan5 | 基于以太坊的视频版权保护框架 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 10 | Frattolillo et al.8 | 基于智能合约的数字版权保护 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 11 | 本文提出的框架 | 基于 Hyperledger Fabric 的视频版权保护，采用多种感知哈希（aHash、dHash、pHash 和 wHash） | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
表1：现有基于区块链的版权保护系统比较。该表格从关键因素方面对当前基于区块链的版权保护方法与所提出的框架进行了比较，包括区块链使用、智能合约、感知哈希、可扩展性、版权保护、所有权安全、完整性校验以及去中心化。
| 参数 | 配置 |
| 区块链平台 | Hyperledger Fabric 2.4.8 |
| 网络类型 | 许可型区块链 |
| 组织数量 | 2 |
| 对等节点数量 | 2 |
| 排序节点数量 | 2 |
| 证书颁发机构 | 2 |
| 通信通道 | autochannel |
| 智能合约名称 | vitChain |
| 智能合约语言 | Go |
| 状态数据库 | CouchDB |
| 部署工具 | Minifab |
| 容器平台 | Docker |
| 共识机制 | Raft 排序服务 |
| 元数据存储 | CouchDB |
| 所有权存储 | 区块链账本 |
表2：Hyperledger Fabric 部署配置参数。 该表格列出了 Hyperledger Fabric 区块链网络的部署配置详情，包括用于实验的组织、节点、排序服务、证书颁发机构、通信通道、共识机制、智能合约和存储。
| 序号 | 视频攻击类型 | pHash (%) | wHash (%) | dHash (%) | aHash (%) |
| 1 | 帧插入攻击 | 82.81 | 84.33 | 81.31 | 86.42 |
| 2 | 帧删除攻击（保留空隙） | 82.69 | 81.78 | 80.17 | 81.07 |
| 3 | 帧删除攻击（移除空隙） | 75.37 | 78.68 | 76.19 | 79.69 |
| 4 | 帧替换攻击 | 84.86 | 82.6 | 84.19 | 81.07 |
| 5 | 区域篡改攻击 | 99.4 | 98.59 | 99.46 | 99.76 |
| 6 | MPEG压缩攻击 | 99.64 | 99.61 | 99.1 | 99.64 |
| 7 | 噪声添加攻击（25%） | 99.52 | 99.58 | 98.8 | 99.7 |
| 8 | 噪声添加攻击（50%） | 99.64 | 99.4 | 98.68 | 99.52 |
| 9 | 噪声添加攻击（75%） | 99.52 | 99.31 | 98.14 | 99.22 |
| 10 | 裁剪攻击 | 69.71 | 54.81 | 69.11 | 57.27 |
| 11 | 旋转攻击（30°） | 54.21 | 60.61 | 57.09 | 65.56 |
| 12 | 旋转攻击（60°） | 48.56 | 53.97 | 51.38 | 57.57 |
| 13 | 缩放攻击 | 98.56 | 99.28 | 96.81 | 97.48 |
| 14 | 平移 + 翻转（左右） | 52.88 | 63.46 | 51.2 | 68.63 |
| 15 | 平移 + 翻转（上下） | 50 | 45.34 | 60.7 | 42.73 |
| 16 | 中值滤波（25） | 98.92 | 99.1 | 98.02 | 99.7 |
| 17 | 中值滤波（50） | 98.08 | 98.17 | 97.3 | 99.28 |
| 18 | 低通滤波 | 97.84 | 99.13 | 96.03 | 96.63 |
| 19 | 高斯模糊（σ = 5） | 99.76 | 98.68 | 98.68 | 99.76 |
| 20 | 高斯模糊（σ = 10） | 99.76 | 97.6 | 97.78 | 99.4 |
| 21 | 重录制（摄像机）攻击 | 98.68 | 98.83 | 91.95 | 93.51 |
| 22 | 格式转换（MPEG-4 编码器） | 99.16 | 99.19 | 98.14 | 99.4 |
| 23 | 格式转换（H.264 QSV 编码器） | 99.76 | 99.79 | 99.1 | 99.82 |
| 24 | 格式转换（Libvpx-VP9 编码器） | 99.76 | 99.7 | 99.04 | 99.76 |
| 25 | 时间域攻击（15 fps） | 97.48 | 98.26 | 98.02 | 99.4 |
| 26 | 时间域攻击（24 fps） | 99.16 | 99.16 | 98.38 | 99.82 |
| 27 | 合谋攻击 | 99.76 | 99.28 | 98.74 | 99.58 |
| 28 | 转码攻击 | 99.76 | 99.7 | 99.04 | 99.76 |
| 29 | 比特率变更攻击 | 99.52 | 99.7 | 99.4 | 99.76 |
表3：在不同攻击下原始视频与修改后视频之间的相似性分析。 该表格展示了多种感知哈希技术在各种视频篡改操作下的相似性评分，包括帧插入、帧删除、帧替换、旋转、压缩、缩放、添加噪声、添加文本以及视频合并。
讨论
如所提出的框架所示，将区块链与感知哈希相结合，能够以去中心化的方式有效保护视频免受版权侵权。首先，通过结合不可篡改的所有权注册与感知哈希，该框架满足了版权管理系统的两个主要条件：安全的所有权注册以及对受版权保护内容的识别。其次，采用 Hyperledger Fabric 可实现访问控制、透明的交易处理以及防篡改的记录管理。
多种感知哈希函数提供了额外的优势，能够实现单个感知哈希函数无法完成的检测类型。AHash 检测全局强度特征，且计算复杂度低于 dHash；而 dHash 更关注局部梯度变化和结构差异。另一方面，pHash 利用频域信息，对压缩和滤波操作具有更强的鲁棒性，而 wHash 擅长检测局部变化，例如添加文本或贴纸。因此，结合所有这些哈希函数将极大降低因单一哈希函数局限性而漏检的可能性。实验结果表明，不同算法对各类修改的敏感性存在差异，这证明了将多哈希概念应用于视频篡改检测的实用性。
使用 Hyperledger Fabric 和 CouchDB 可减少存储在区块链上的数据量，从而使元数据管理更加高效。测试结果表明，该框架在实际应用中表现良好，但我们仍需在混合存储与完全链上存储架构之间进行严格的定量比较。这有待于未来的研究进一步探讨。
尽管大多数其他区块链版权解决方案仅专注于版权所有权登记，但本文提出的方法同时涵盖了所有权和内容层面的验证。此类功能在实际解决版权问题时非常有用，因为仅凭所有权记录不足以判断经过编辑或重新分发的视频是否与受版权保护的内容相关。
尽管如此，仍存在一些局限性。该测试仅针对具有特定特征的视频并在特定条件下进行。此外，对于使用感知哈希技术验证媒体内容而言，几何变换（如旋转）仍然是一个难题。未来，有望在更多多媒体数据集上测试该系统，并进一步研究实现指纹旋转不变性的可能性，以及利用人工智能算法自动识别版权侵权行为。
审计日志和版权监控已被纳入所提出框架的架构组件中。然而，本研究并未对它们的有效性进行独立评估。未来的研究将探讨它们在大规模多媒体环境中的争议解决、异常检测以及自动版权监控方面的作用。
本研究提出了一种去中心化的视频版权保护框架，该框架将 Hyperledger Fabric 区块链技术与多种感知哈希技术相结合，以支持安全的所有权注册和基于内容的版权验证。该框架结合 aHash、dHash、pHash 和 wHash 算法，利用支持智能合约的区块链服务，构建了一个透明、防篡改且可验证的版权管理系统。
实验评估表明，该框架在多种时间、空间和基于压缩的视频修改条件下，均能有效支持版权验证。采用多种感知哈希技术提高了对常见多媒体处理操作的鲁棒性，同时保持了检测未经授权内容更改的能力。此外，集成 Hyperledger Fabric 和 CouchDB 构建了混合存储架构，在确保数据完整性和可追溯性的同时，实现了高效的元数据管理。
从这些研究结果可以看出，所提出的系统有效地融合了去中心化管理和内容级认证的原则，从而克服了一些传统集中式版权保护系统的不足。此外，该系统提供了基于内容相似性的透明可审计性、不可篡改的所有权以及验证机制。
综上所述，研究表明，将区块链与感知哈希技术相结合，可能为下一代视频版权保护提供解决方案。未来的研究将包括在更大、更多样化的视频数据库上对所提出的框架性能进行更全面的评估，以及开发更先进的指纹识别机制。
披露
作者声明无利益冲突。
致谢
作者感谢印度阿马拉瓦蒂的VIT-AP大学为开展本研究提供的计算设施和研究支持。作者还感谢计算机科学与工程系在所提出框架的开发与评估过程中给予的支持。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| CouchDB | Apache Software Foundation | https://couchdb.apache.org | 用于视频元数据和多媒体内容链下存储的 NoSQL 数据库。 |
| Docker | Docker Inc. | https://www.docker.com | 用于部署区块链节点、CouchDB 实例及支持服务的容器化平台。 |
| FFmpeg | FFmpeg 开发者 | https://ffmpeg.org | 用于视频解码、帧提取和预处理的多媒体处理框架。 |
| Go 编程语言 | Google LLC | 版本 1.20+；https://go.dev | 用于开发 vitChain 智能合约（链码）的编程语言。 |
| Google Drive | Google LLC | https://drive.google.com | 用于托管和获取实验视频数据集的存储平台。 |
| Hyperledger Fabric | Hyperledger 基金会 | 版本 2.4.8；https://hyperledger-fabric.readthedocs.io | 用于去中心化版权注册、交易验证和账本管理的许可型区块链平台。 |
| ImageHash 库 | Loupax | https://github.com/loupax/imagehash | 用于生成视频帧感知哈希值以进行身份验证的库。 |
| Minifab | IBM / Hyperledger 社区 | https://github.com/hyperledger-labs/minifab | 用于配置和管理 Hyperledger Fabric 网络的轻量级部署与编排工具。 |
| Ubuntu Linux | Canonical Ltd. | Ubuntu 22.04 LTS | 用于区块链部署和实验评估的操作系统。 |
| Visual Studio Code | Microsoft Corporation | https://code.visualstudio.com | 用于源代码开发和调试的集成开发环境。 |
参考文献
- Hou Z, et al. Zero-watermark method based on multi-channel PCNN and blockchain for remote sensing image transaction certificate and copyright protection. IEEE Transactions on Geoscience and Remote Sensing. 2025 Jun 2.
- Zhang T. TMRB: Trusted Multimedia Scheme With Redactable Blockchain. IEEE Transactions on Consumer Electronics. 2025 Feb 17.
- Sathyabama AR, Katiravan J. BlockImage: A Secure Framework for Image Authentication and Provenance using AI and Blockchain. Journal of Innovative Image Processing. 2025 Mar;7(1):28-49.
- Gao J, Zhang X, Moshayedi AJ, Zhong S. Research on data storage and sharing of intelligent video surveillance in steel plants based on blockchain: J. Gao et al. The Journal of Supercomputing. 2025 May 30;81(8):931.
- Madapati SL, Pradhan NR. Decentralizing video copyright protection: a novel blockchain-enabled framework with performance evaluation. Frontiers in Artificial Intelligence. 2025 Aug 18;8:1655709.
- Guo J, et al. Blockchain-enabled digital rights management for multimedia resources of online education. Multimedia Tools and Applications. 2020 Apr;79(15):9735-55.
- Li Y, et al. A decentralized music copyright operation management system based on blockchain technology. Procedia Computer Science. 2021 Jan 1;187:458-63.
- Frattolillo F. Blockchain and smart contracts for digital copyright protection. Future Internet. 2024 May 14;16(5):169.
- Darwish SM, Abu-Deif MM, Elkaffas SM. Blockchain for video watermarking: An enhanced copyright protection approach for video forensics based on perceptual hash function. PloS one. 2024 Oct 22;19(10):e0308451.
- Pandian PS, et al. Blockchain-Assisted Video Integrity Verification Using ResNeXt and LSTM-Based Deepfake Detection. International Journal of Basic and Applied Sciences. 2025;14:802-7.
- Qureshi A, Megias Jimenez D. Blockchain-based multimedia content protection: Review and open challenges. Applied Sciences. 2020 Dec 22;11(1):1.
- Zheng J, et al. A novel video copyright protection scheme based on blockchain and double watermarking. Security and communication networks. 2021;2021(1):6493306.
- Liu Y, Zhang J, Wu S, Pathan MS. Research on digital copyright protection based on the hyperledger fabric blockchain network technology. PeerJ Computer Science. 2021 Sep 17;7:e709.
- Moolikagedara K, Nguyen M, Yan WQ, Li XJ. Video Blockchain: A decentralized approach for secure and sustainable networks with distributed video footage from vehicle-mounted cameras in smart cities. Electronics. 2023 Aug 27;12(17):3621.
- Riaz A, et al. S2H-securing smart homes: A blockchain-based preservation approach. Internet of Things. 2025 Mar 1;30:101523.
- Adeniyi JK, et al. A blockchain-based smart healthcare system for data protection. IScience. 2025 Apr 18;28(4).
- Alamsyah A, Setiawan IP. Enhancing privacy and traceability of public health insurance claim system using blockchain technology. Frontiers in Blockchain. 2025 Feb 11;8:1474434.
- Xu S, Yang X, Xie Z. The future of misinformation control: integrating advanced algorithms and Blockchain for effective Deepfake detection. Peer-to-Peer Networking and Applications. 2025 Jul;18(4):244.
- Asaithambi S, et al. A secure and trustworthy blockchain-assisted edge computing architecture for industrial internet of things. Scientific Reports. 2025 May 2;15(1):15410.
- AbdElkareem N, Selim, M. & Shalaby, A. Blockchain-Based Computationally Efficient Procedure for Multimedia Security Utilizing Bit Plane Slicing and Wavelet Transform. Arab J Sci Eng 50, 19135–19151 (2025).
- Abreu H, Pereira V, Barata J. Blockchain-based digital product passport: design principles and demonstration. International Journal of Production Research. 2025 Aug 18;63(16):5863-82.
- Sychowiec J, Zieliński Z. A Blockchain-Based Framework for Secure Data Stream Dissemination in Federated IoT Environments. Electronics. 2025 May 20;14(10):2067.
- Zhao K, Bao Z, Zhang Y, Lei H. BECAAC: A blockchain and edge computing-assisted access control scheme for medical data sharing. IEEE Internet of Things Journal. 2025 Jun 5.
- Ilyas B, Kumar A, Ali SM, Lei H. Blockchain-enabled IoT access control model for sharing electronic healthcare data. Multimedia Tools and Applications. 2025 Mar;84(10):8127-48.
- Rani D, et al. A secure digital evidence preservation system for an iot-enabled smart environment using ipfs, blockchain, and smart contracts. Peer-to-Peer Networking and Applications. 2025 Mar;18(2):5.
- Ahmed O, Kamabe H. Proposing blockchain based framework to mitigate VUCA realm problems for automobile life cycle. Frontiers in Blockchain. 2025 Jun 27;8:1607271.
- Dutta J, Barman S. Smart contract and blockchain-based secured approach for storing and sharing electronic health records. Multimedia Tools and Applications. 2025 May;84(16):16883-907.
- Diba BS, et al. From centralization to decentralization: Blockchain’s role in transforming social media platforms. IEEE Access. 2025 Apr 16.
- Kulkarni MD, Awate A, Shahade M, Nandwalkar B. ExamGuard: Smart contracts for secure online test. Information Systems. 2025 Feb 1;128:102485.
- Ohize HO, et al. Blockchain for securing electronic voting systems: a survey of architectures, trends, solutions, and challenges. Cluster Computing. 2025 Apr;28(2):132.
- Xiong R, et al. Leveraging consortium blockchain for secure cross-domain data sharing in supply chain networks. IEEE Transactions on Services Computing. 2025 Feb 20.