本研究は、プライベートブロックチェーン、スマートコントラクト、知覚ハッシュ技術を統合した分散型のビデオ著作権保護フレームワークを提示します。目的は、分散環境において安全な所有権登録、不変の記録管理、そして効率的な類似性に基づくビデオコンテンツ検証を可能にすることです。
この記事について
サマリー
要約
インターネット上での動画コンテンツ共有の人気の高まりにより、著作権侵害、海賊版、所有権争いへの懸念が高まっています。従来の中央集権的な著作権管理方法は透明性の問題、操作されやすく、信頼できる第三者への依存に直面しています。したがって、本研究はハイパーレッジャーファブリック、スマートコントラクト、知覚ハッシュに基づく分散型ビデオ著作権保護システムを提示します。まず、動画からフレームを抽出し、平均ハッシュ(aHash)、差分ハッシュ(dHash)、知覚ハッシュ(pHash)、ウェーブレットハッシュ(wHash)アルゴリズムを用いて知覚指紋を作成します。ハッシュや所有権情報はブロックチェーン上に保存され、マルチメディア資産は台帳の外に保管されます。著作権チェックはハミング距離に基づくフレームレベルの類似度比較を用いて行われます。提案されたフレームワークは、フレーム挿入、削除、トリミング、リサイズ、回転、フィルタリング、トランスコーディングなど、さまざまな時間的、空間的、圧縮的な操作でテストされました。実験はこのような変化に対して高い堅牢性を示しつつ、同時に不正な改変も検出しました。したがって、この技術は分散型ブロックチェーンフレームワークを用いて著作権問題に対して実用的な解決策を提供できます。
概要
デジタルマルチメディア技術の進歩は、動画の制作、配信、消費の方法を変えました。動画ストリーミング、ソーシャルネットワーク、インターネットベースのコンテンツ共有システムにより、世界中の視聴者に迅速かつ簡単に動画を配信できます。技術の進歩によりデジタル動画コンテンツの制作やオンラインビジネスの成長に創造的な可能性が広がる一方で、これらの進歩はコンテンツクリエイターが著作権侵害、海賊版、所有権の問題に直面しやすくしています。動画は簡単にコピー、編集、再エンコード、再配布が可能であり、今日のマルチメディア世界では知的財産の保護がますます困難になっています 2,3.
現在の著作権管理システムは、コンテンツの登録、所有権の検証、ライセンス契約の管理、紛争処理のために中央の権限に依存しています。広く採用されているにもかかわらず、これらの管理システムはいくつかの重大な制約を抱えやすいです。第一に、中央集権化は著作権管理システムをサイバー攻撃やデータ操作、ダウンタイムのリスクにさらします。さらに、著作権所有権は信頼できる第三者によって保管されており、監査や長期的な信頼性維持の観点から必ずしも望ましいとは限りません。デジタルマルチメディアコンテンツの増加により、従来の検証プロセスは効率が低下し、時間がかかり非現実的になりがちです。
ブロックチェーン技術は、分散環境における信頼と透明性の問題を解決できる解決策の一つと考えられています。暗号技術と合意メカニズムを通じた不変の台帳を用いるブロックチェーンは、中央の権威がプロセスを管理することなく安全な記録管理を可能にします。記録がブロックチェーンに追加されると、それらは不変かつ変更不可能となり、より高いトレーサビリティと説明責任を提供します8。そのため、DRM、知的財産、マルチメディア所有保証9などの分野でブロックチェーン応用の研究に多くの取り組みがなされています。既存のブロックチェーンプラットフォームの中でも、Hyperledger Fabricは許可されたアーキテクチャ、モジュール構造、スマートコントラクトのサポート、プライバシー、高速処理などの特徴で大きな注目を集めています。パブリックチェーンとは対照的に、Hyperledger Fabricの許可されたアーキテクチャは著作権保護システムに理想的です。
しかし、マルチメディアコンテンツの著作権状況を特定する唯一の手段としてブロックチェーンを使用することには一定の制限があります。まず、従来の暗号ハッシュ関数(例えばSHA-256)は、ビデオ12にわずかな変更を加えても全く異なるハッシュ結果を生み出します。暗号学的には望ましい特性ですが、著作権で保護されたマルチメディアコンテンツの類似または修正版の視覚認識を妨げます。したがって、マルチメディア著作権検証は、画像や動画の知覚的類似性を検出できるコンテンツ認識型アルゴリズムに基づく必要があります。
マルチメディアコンテンツにおける著作権問題に対処する最も有望な方法の一つは、知覚ハッシュ14を使うことです。暗号ハッシュとは異なり、知覚ハッシュは画像や映像のフレーム15の視覚的特性を符号化する指紋を生成します。したがって、ファイルが通常の処理(圧縮、フィルタリング、リスケーリング、ノイズ追加など)を経て変更されていても、ハッシュは比較的変わらないままです。現在使われている知覚ハッシュには4種類あります:平均ハッシュ、差分ハッシュ、知覚ハッシュ、そしてウェーブレットハッシュ17,18です。
マルチメディアデータの著作権保護技術とブロックチェーン技術の利用を調査した多くの研究が行われています。これまでの研究では、所有権登録、デジタル透かし、証拠の分散保存と管理、分散型権利管理、マルチメディアコンテンツの安全な保存などにブロックチェーン技術が活用されています。ハイパーレジャーファブリックは過去の研究で活用され、スマートコントラクトや許可されたコンセンサスプロトコルを通じた著作権登録、権利管理、取引監査を可能にするために活用されています(21,22)。同様に、知覚ハッシュやウォーターマーク手法は、重複や操作されたマルチメディアコンテンツを検出するために提案されています。これらの有望な取り組みはブロックチェーン技術を活用した著作権管理を可能にするものの、いくつかのギャップが依然として存在します。まず、多くの従来のフレームワークは主に所有権登録に重点を置いていましたが、内容の検証機能がありません。第二に、多くの作品は単一のハッシュ化や透かし印手法に依存しており、その結果、映像操作攻撃に対してより脆弱になっています25,26。表1は、既存のシステムが一般的に所有権登録をサポートしているものの、分散型所有管理とマルチハッシュコンテンツ検証を組み合わせることは稀であることを示しています。
動画編集技術の進歩により、著作権侵害を防ぐために効率的な動画所有権確認の必要性が高まっています。現在の技術では、フレームレートを追加、削除、置き換え、変更することで動画を時間的に操作するさまざまな方法が提供されています。同様に、空間操作のオプションにはフレームサイズ変更、スケーリング、フィルタリング、圧縮、トランスコーディング、動画の幾何学的変更などがあります。これらの操作により、動画の見た目を変えないにもかかわらず、著作権者の特定が難しくなります。効率的なシステムは、許容される操作、所有権、著作権侵害を誠実性29をもって区別できる必要があります。
効率的なビデオ著作権管理の課題に対処するため、本論文はHyperledger Fabric、スマートコントラクト、知覚ハッシュを活用した分散型モデルを提案します。提案されたフレームワークはハッシュ技術を用いて知覚指紋を生成し、ビデオフレーム30,31を抽出します。知覚指紋を生成するために、aHash、dHash、pHash、wHashの4つの異なるハッシュ技術が用いられます。所有権情報、タイムスタンプ、ハッシュは許可されたブロックチェーンベースの台帳に記録されます。スケーラビリティを高めるために、CouchDBはブロックチェーンと組み合わせてマルチメディアコンテンツをオフチェーンに保存しています。
提案されたフレームワークは、ハミング距離解析を用いてフレームレベルの類似性を検証し、動画の改変、重複、違法使用を検出します。複数の知覚ハッシュ技術とブロックチェーンベースの聴覚性を組み合わせることで、コンテンツレベルの認証と改ざん防止の所有権管理の両方を実現しています。単一の検証方法に依存していた従来のシステムとは異なり、提案されたフレームワークは複数の知覚記述子を用いて、時間的、空間的、圧縮的なビデオ操作の範囲に耐えます。
研究で提示されている主な貢献は以下の通りです:(1) Hyperledger Fabricフレームワークを用いた動画の安全な著作権登録および検証プロセスのための分散化アプローチ;(2) aHash、dHash、pHash、wHashなどの複数の知覚ハッシュアルゴリズムが、編集後でも類似した動画を認識できる複数のビデオ指紋を作成するために使われます。(3) Hyperledger FabricとCouchDBの両方を用いた分散データベースモデルが開発され、データの整合性とトレーサビリティを損なうことなくスケーラビリティの問題に対処します。(4) ハミング距離の計算を含む包括的な検証プロセスが、フレームやピクセルに関する動画の操作を決定するために策定されます。(5) 提案された方法が修正された動画を検出する能力を示す実験が行われます。
したがって、ブロックチェーンベースの所有権と複数のハッシュアルゴリズムを統合することで、提案されたフレームワークは分散型ビデオ著作権保護の実現可能なアプローチを提供します。
プロトコル
本研究にはヒト参加者、ヒト被験者、動物被験者、臨床標本は含まれていません。したがって、機関倫理の承認やインフォームド・コンセントは必要ありませんでした。
教材とソフトウェア
フレームワークの展開に使用された環境は、Hyperledger Fabric バージョン 2.4.8、CouchDB、Docker Containers、Minifab デプロイメント、FFmpeg マルチメディア処理アプリケーション、そして Go プログラミング言語でした。Hyperledger Fabricは分散型台帳管理とスマートコントラクト実行のサービスを提供し、CouchDBはオフチェーンストレージを通じて著作権情報を効率的に保存・取得しました。FFmpegは動画の前処理やフレーム抽出に使われ、知覚ハッシュアルゴリズムはGoプログラミング言語の画像ハッシュライブラリを通じて適用されました。すべての工具とその説明の一覧は 材料表に示されています。
フレームワークアーキテクチャ
提案されたフレームワークは、許可されたブロックチェーンであるHyperledger Fabric内で知覚ハッシュアルゴリズムを用い、動画著作権保護と所有権検証における分散型アプローチを可能にします。このフレームワークは、ビデオ前処理、知覚ハッシュ生成、ブロックチェーンベースの著作権登録、類似性に基づく検証の5つの主要なコンポーネントで構成されています。このフレームワークでは、Hyperledger Fabricが信頼層として機能し、不変の所有権記録を提供し、CouchDBはオフチェーンストレージを提供します。提案された枠組みの全体的なアーキテクチャは 図1に示されています。
著作権検証システムのモデル
調査対象システムの詳細なワークフローは 図2に示されています。まずビデオ取得から始まり、その後FFmpegを使った一定間隔でフレーム抽出が行われます。抽出されたフレームはHyperledger Fabricの実装環境内で処理され、所有権登録、証明書管理、ピア通信、トランザクション検証などの操作が含まれます。抽出されたフレームに知覚ハッシュを適用し、その後ハミング距離計算を行って類似度を評価します。ハミング距離が閾値未満の場合、そのフレームは正物とみなされ、登録された内容と類似しています。それ以外の場合は、修正された内容として扱われます。
ビデオ取得、前処理、知覚ハッシュの作成
実験で使用されたビデオサンプルは480p解像度のMP4ファイルで、平均約26秒の長さでした。評価データセットには15のビデオサンプルが含まれており、オリジナルのリファレンスビデオといくつかの修正版が含まれています。これらの変更には、フレームレートの変更、フレームの挿入・削除・置換、トリミング、スケーリング、回転、オーバーレイ効果などの歪みの適用など、一般的な編集作業が含まれていました。このデータセットには、圧縮、ノイズ、テキストやステッカーの追加、グリッチ効果なども含まれていました。すべての動画はMP4形式で480p解像度で、同じ前処理と指紋生成の手順がかけられました。システムのレジリエンスをテストするために設計されたこのデータセットは、侵害や操作に関わる幅広い現実世界シナリオをカバーしています。著作権の検出や確認を受ける前に、動画ファイルはFFmpegで前処理されていました。ビデオファイルから1秒ごとにフレームを抽出し、計算コストを抑えた視覚コンテンツの形で凝縮された内容の要約が得られました。次に、これらのフレームはグレースケールに変換され、照明条件、エンコード、圧縮の違いによるピクセル強度の変化を最小限に抑えるよう正規化されました。
4つの知覚ハッシュ関数が用いられ、平均ハッシュ(aHash)、差分ハッシュ(dHash)、知覚ハッシュ(pHash)、ウェーブレットハッシュ(wHash)という形でビデオコンテンツの指紋を生成しました。
ハッシュ生成では、まずフレームをグレースケールに変換し、8x8ピクセルにリサイズしてaHashとdHashを計算しました。aHashでは、各ピクセルを平均グレースケール値と比較することで64ビットの指紋が生成されました。dHashアルゴリズムも似たようなことをしていて、64ビットの指紋を作り出しましたが、隣接する水平ピクセルの強度の違いを調べていました。pHashでは、フレームを32×32ピクセルにリサイズし、その後離散コサイン変換を計算しました。64ビットの知覚指紋を生成するためには、低周波の8x8 DCT係数のみが使用されました。wHashについては、フレームは再び32×32ピクセルにリサイズされましたが、今回はハールウェーブレット変換で処理されました。抽出された最低周波数のウェーブレット係数から64ビットのハッシュが生成されました。これらすべてのパラメータ設定は、計算効率と強度のバランスを良くして、典型的なビデオ調整を処理できるように設計されています。
効率的なハッシュ関数計算を行うために、これらの画像は正規化され、サイズ変更されました。平均ハッシュ法は、ピクセル強度を画像の平均値と比較することで機能します。差分ハッシュも同様の動作をしますが、隣接するピクセルの強度を比較することで局所的な勾配に焦点を当てます。知覚ハッシュはDCTから得られるフーリエ特徴を利用し、ウェーブレットハッシュはウェーブレット変換の結果に依存して特徴を抽出します。
ブロックチェーンベースの著作権登録と検証
得られた知覚指紋、所有メタデータ、タイムスタンプ、取引詳細は、スマートコントラクトであるvitChainを通じてHyperledger Fabricブロックチェーンに入力されます。ブロックチェーンの実装には、2つの組織、2つのピア、2つの順序付きノード、2つの証明書機関(CA)ノード、そしてCouchDBの状態データベースが含まれ、すべてが自動チャネルを通じて連結されています。許可されたブロックチェーンフレームワークは、著作権情報の安全な処理、制限されたアクセス、改ざん防止の保存を促進します。
著作権登録手続きは、コンテンツ所有者がユーザーインターフェースを通じて動画をアップロードした時点で開始されます。ユーザーが著作権登録のために動画を提出すると、アプリケーション層はHyperledger Fabric SDKを通じてvitChainスマートコントラクトを呼び出します。この登録には、固有のトランザクションID、所有者情報、ビデオID、タイムスタンプ、そして4種類の知覚ハッシュ値(aHash、dHash、pHash、wHash)が含まれます。また、コンテンツに関するメタデータもあります。アプリは取引提案を支持するピアに送信します。これらのピアはスマートコントラクトのロジックを実行し、取引がエンドースメントポリシーに準拠していることを確認します。検証が成功すると、取引は注文サービスに移されます。ここで検証済みの取引はブロックにまとめられ、台帳に組み込まれるためにピアノードに送られます。その間、関連するメタデータはCouchDBに入ります。取引IDを通じてブロックチェーンの記録に接続し、簡単に検索でき、オンチェーンとオフチェーンの両方のデータが一貫性を保っています。
前処理と知覚ハッシュ計算の後、フィンガープリントと関連するメタデータはスマートコントラクトで実行されるトランザクションとして組み立てられます。取引検証は、指定されたエンドースメントポリシーに従って参加ピアによって実施されます。承認されると、取引は分散型台帳上のブロックに含めるためにオーダーサービスに渡されます。信頼性の高い運用のために、登録および検証プロセスに基本的なエラー処理を含めました。取引が行われる前に、アプリは必須のメタデータ、所有権情報、知覚ハッシュをチェックして問題を回避します。トランザクションがエンドースメントルールを満たさなかったり、パラメータが無効であれば、ピアノードはそれらを即座に拒否します。通信の失敗や処理エラーなどの問題が発生した場合、システムはそれらをログに記録し、管理者アラートを送信します。これにより、システム内での小さな処理エラーの伝播を防ぐことができます。著作権チェックでは、無効なメタデータや破損したハッシュ値を含む動画は検証プロセスから除外されます。指紋認証に失敗した動画も同様に検証プロセスから除外されます。全体として、これらのステップはデータをクリーンに保ち、フレームワークの信頼性を強化しています。著作権で保護された動画の所有権情報は変更不可能となり、後で取得可能となります。
検証
検証プロセスは、同様の前処理と指紋計算のステップを経て、その後ハミング距離に基づく類似度測定を用いてブロックチェーン内の指紋と保存された指紋との比較を行います。類似度の測定に基づき、スマートコントラクトは提出された動画の著作権情報を決定します。インタラクションワークフローは 図3に示されています。
類似性に基づく著作権検証
著作権検証プロセスでは、クエリ動画から得られた知覚指紋と、ブロックチェーンシステムに以前に保存された指紋を比較します。登録時に用いられた前処理およびハッシュ値生成プロセスは、検証段階でも一貫性を維持するために繰り返されます。類似度はハミング距離を用いて測定されます。これは2つのハッシュ値間のビット差の数を数えます。ハミング距離が小さいほど両動画の類似性が高まり、ハミング距離が高いほど内容操作が行われていることを示します。クエリ動画が登録済み動画と一致しているかを確認するために、彼らの知覚ハッシュ値間のハミング距離を用いました。予備実験に基づき、一般的なビデオ処理操作への堅牢性と不正な改変に対する感度の適切なバランスを提供するために、ハミング距離の閾値20が選ばれました。ハミング距離が20以下の動画は同じ著作権コンテンツを表すとみなされました。もしもっと多ければ、大きな変化が示されるでしょう。この20は圧縮、フィルタリング、トランスコーディング、フレームレートの変化など一般的な動画編集を処理するために選ばれましたが、それでも不正な変更は拾います。収集されたすべてのフレーム指紋に対して類似性の測定を行い、それを集約して著作権検証の結論を導きます。登録された内容から逸脱した動画は追加の審査のためにフラグが立てられます。
展開環境
テストベッド環境はDockerコンテナとMinifabオーケストレーションツールを用いて作成されました。Hyperledger Fabricバージョン2.4.8を基盤としたブロックチェーンネットワークが展開され、CouchDBはスマートコントラクトデータの状態データベースおよびストレージ層として使われました。vitChainスマートコントラクトはGoで実装され、Hyperledger Fabricのチェーンコードライフサイクルを使って展開されました。展開パラメータは 表2にまとめられています。このネットワークは、コンテンツクリエイターとビデオグラファーという2つの参加組織で構成されていました。取引の完全性を確保し、無許可の著作権登録や改変を防ぐために、複数の組織による承認方針が導入され、取引を台帳にコミットする前に両組織の承認が必要となりました。具体的には、推薦ポリシーはANDルールに従い、AN(「ContentCreatorMSP.peer」「VideographerMSP.peer」)で表現されました。
結果
提案された分散型著作権保護モデルの有効性を評価するために、マルチメディアの送信、編集、著作権侵害の際に頻繁に発生する様々なビデオ操作攻撃に対して検証します。評価の主な要因は、(i) 著作権や改ざん検出における知覚ハッシュアルゴリズムの信頼性、(ii) Hyperledger Fabricブロックチェーンネットワークの性能です。類似度スコアは、平均ハッシュ(aHash)、差分ハッシュ(dHash)、知覚ハッシュ(pHash)、ウェーブレットハッシュ(wHash)を計算し、それらをブロックチェーンに記録されたビデオ指紋と比較することで生成されました。
ビデオ操作攻撃における類似性分析
モデルの堅牢性は、時間的、空間的、幾何学的、圧縮、フィルタリング、敵対的操作など複数の攻撃を用いて動画に適用して評価されました。この研究の類似度値は、各ビデオ操作シナリオごとに個別の実験から得られました。各タイプの操作は1回ずつ適用され、代表的なテストケースが作成され、その類似度スコアが分析のために記録されました。目的は、提案されたフレームワークが様々な現実的な攻撃条件下で著作権関連の変更をどれだけ正確に検出できるかを検証することでした。したがって、報告された値は繰り返し試行の平均値ではなく、個々のテストケースの結果を示しています。
4つの知覚ハッシュアルゴリズムを用いた類似度スコアは 表3に示されています。提案されたモデルは、ほとんどのコンテンツ保存攻撃に対して比較的高い類似性を実現しつつ、動画の大きな構造変化にも敏感です(表3)。
時間的変換下でのパフォーマンス
フレーム挿入、フレーム削除、フレーム置換、フレームレート変換などの時間的変換は、主にビデオの時間的連続性に影響を与えつつ、空間的特徴はほぼそのまま維持します。実験により、フレーム挿入およびフレーム置換はテストされたすべての指紋識別アルゴリズムと80%以上の類似性を達成しました(図4)。したがって、知覚指紋は時間の変化にもかかわらず動画の視覚的特徴を保持しました。
フレーム削除は、フレーム内に情報がないため類似度の価値がわずかに低下しました。それでも、指紋は十分に類似しており、著作権侵害の検出に十分な性能を提供しました。フレームレートの変動は類似度指標に有意な影響を与えず、ほとんどのテストサンプルで97%を超える値を得ました。これは、フレームレート変換がフレームの特徴を大きく変えないためです。
空間的および幾何学的変換の影響
幾何学的および空間的変換は映像フレーム内の視覚構造に直接影響を与え、知覚ハッシュ技術にとっては比較的困難です。局所的に改ざんされた領域は、視覚的修正が局所的であり、全体的な知覚ハッシュに大きな変化を与えなかったため、類似度の低下はわずかにしかありませんでした。
トリミング操作により、視覚素材の一部が除去されるため、類似度の変動が大きくなりました。回転変換が最も大きな類似度の低下をもたらし、知覚ハッシュ技術全体で約48%から66%の範囲に及びました。これは理解できます。なぜなら回転は知覚ハッシュに重要な役割を果たす空間構造を変えるからです。画像のスケーリングは類似度スコアにほとんど影響を与えず、値は96%を超えたままだった。図5は、幾何学的変換を含むビデオ回転下で得られた類似度の結果をまとめています。
圧縮、フィルタリング、ノイズに対する堅牢性
圧縮とトランスコーディングは、マルチメディアの保存や配布における日常的な作業です。実験解析により、MPEG圧縮、トランスコーディング、再エンコードを経ても類似度は一貫して98%以上であったことが示されました。この発見から、知覚指紋は圧縮誤差や量子化ノイズにもかかわらず、視覚内容の大部分を保持していることが推測できます。また、ノイズの追加やフィルタリングに関する実験も行われています。どんなに騒音が大きくても、その類似度は常に98%から99%の間でした。さらに、ガウスフィルタリング、メディアンフィルタリング、ローパスフィルタリングにより類似性の変化は最小限に抑えられ、映像の全体的な構造情報が保持されました。
複雑かつ敵対的な修正の検出
提案されたモデルは、動画フレームにテキストやステッカーを追加したり、動画クリップを統合したり、共謀改変攻撃などの攻撃を特定するためにも調査されました。このような修正は、著作権で保護された資料に対して無断の変更を行う際に一貫性を保つために使われます。テキストをビデオフレームに追加した後の類似度分析の結果は下図 6 に示されており、 図7 は統合されたビデオクリップの類似度分析結果を示しています。
知覚ハッシュアルゴリズムの性能比較
4つの知覚ハッシュアルゴリズムそれぞれに、実験テストで観察された特定の特性がありました。知覚ハッシュ(pHash)は圧縮、フィルタリング、トランスコーディングに非常に堅牢でありながら、構造的操作にも敏感であることが証明されました。ウェーブレットハッシュ(wHash)は、テキストやオブジェクトの追加などのローカル操作で良好に動作しました。
差分ハッシュ(dHash)は勾配に関連する構造操作を検出できますが、回転に対してより感度がありました。平均ハッシュ(aHash)は、全体の強度を変えないグローバルな操作に適用すると安定していましたが、幾何学的操作が行われると安定性が低下しました。総じて、pHashとwHashはテストされたアルゴリズムの中で最良の結果を生み出しました。
ブロックチェーン技術のパフォーマンス評価
コンテンツ検証の性能に加え、ブロックチェーンシステムのスケーラビリティや性能も考慮されました。実験の結果、ファイルアップロードに必要な時間はファイルサイズやネットワークサイズに比例して線形に増加することが判明しました。これはピア間の同期が必要なためです。
同様に、マイニングやブロック作成の時間はピアの数に比例して線形に増加しました。この結果は、ピア数が増えるにつれてトランザクションの実行が難しくなり、より多くの通信が必要になるため予測されました。しかし、著者たちが観察した時間は著作権登録の適用領域としては十分現実的でした。
ブロックへのアクセス操作は、ネットワークサイズがある特定の値を超えるまで大きな変動は見られませんでした。また、ハイブリッドストレージアーキテクチャの影響も見られます。この構成では、所有権のメタデータ、取引情報、知覚ハッシュ値はブロックチェーン上に保存され、CouchDBはマルチメディアデータを扱います。これにより分散台帳への追加額が減り、ブロックチェーンストレージの成長を抑制できます。著者らはブロックチェーンのみの設計と具体的な比較を行っていませんが、実験によりこのシステムは異なるネットワーク環境間での取引処理と取得において依然として良好な性能を発揮していることが示されています。 図8–11は 、研究者によるさまざまなネットワーク構成におけるブロックチェーン性能評価をまとめたものです。
全体として、実験結果は知覚ハッシュとブロックチェーン技術を組み合わせた提案システムの効率的なパフォーマンスを示しています。提案されたフレームワークは、コンテンツ保存操作に耐性を持ちながら、構造変更攻撃にも敏感です。さらに、Hyperledger Fabricネットワーク上の著作権登録と検証も可能です。
データの利用可能性:
本研究で使用されたデータとコードはZenodoリポジトリにアップロードされており、以下の https://doi.org/10.5281/zenodo.20665324 からアクセス可能です。これには抽出されたフレームデータセット、知覚ハッシュ、ハミング距離計算、ブロックチェーンベンチマーキングテスト、スマートコントラクトコード、デプロイファイル、そして著作権登録および検証の実験で使用されるその他のメタデータが含まれます。
図1:提案された分散型ビデオ著作権保護フレームワークのアーキテクチャ。 図は提案されたフレームワークの全体構造を示しており、ビデオ前処理、知覚ハッシュ生成、ブロックチェーン登録、所有権検証、CouchDBストレージなどが含まれます。 この図の拡大版はこちらをクリックしてご覧ください。
図2:ビデオ著作権保護および検証ワークフローのための提案されたシステムモデル。 このワークフローは、提案されたフレームワーク内での動画取得、フレーム抽出、知覚ハッシュ生成、ブロックチェーン登録、類似性検証、著作権判断プロセスを示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図3:ビデオ著作権登録および検証のためのシーケンス図。 シーケンス図は、著作権登録および検証中のコンテンツ所有者、アプリケーション層、知覚ハッシュモジュール、スマートコントラクト、ピアノード、注文サービス、ブロックチェーン台帳、CouchDB間の相互作用を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図4:複数のフレーム編集操作による類似性解析。 図は、フレーム挿入、削除、置換、フレームレート修正など複数の時間的ビデオ操作シナリオにおける提案されたフレームワークの累積類似度性能を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図5:ビデオ回転下での類似解析。 図は動画の回転が類似度スコアに与える影響を示しています。これは、動画が適度にローテーションされても提案されたフレームワークの効果を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図6:ビデオにテキストを追加する。 これは、テキストをビデオフレームに挿入した後の類似性の結果を示しています。提案されたフレームワークがコンテンツの変更を特定しながら所有権を検証する能力を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図7:動画内の合成セグメント。 これは、さまざまなソースからの断片をマージすることで生成される映像類似度の分析を表しています。 この図の拡大版はこちらをクリックしてご覧ください。
図8:CouchDBのオフチェーンストレージ上でピア数が異なるファイルアップロードの実行時間解析。 この図は、提案されたフレームワークが異なるファイルサイズやネットワーク構成に応じてオフチェーンストレージにビデオメタデータをアップロードするのに必要な時間を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図9:ブロックチェーンネットワーク上でピア数が異なるファイルサイズのブロックマイニングにおける実行時間解析(秒単位)。 この図は、Hyperledger Fabricネットワークにおける異なるネットワーク構成におけるブロックマイニング操作のパフォーマンスを示しています。この実験は、ファイルサイズとピアノード構成がシステム性能に与える影響を示しています。 この図の拡大版はこちらをクリックしてご覧ください。
図10:ブロックチェーンネットワーク上のピア数が異なるファイルサイズのブロック作成における実行時間解析(秒単位)。 下図は、異なるネットワーク構成でネットワーク内でブロックを作成するのにかかる時間を示しています。これにより、フレームワークの運用能力やスケーラビリティを分析できます。 この図の拡大版はこちらをクリックしてご覧ください。
図11:ブロックチェーンネットワーク上のピア数が異なるファイルサイズのブロックアクセスにおける実行時間解析(秒単位)。この図は、異なるファイルサイズやピアノード構成でブロックチェーンシステムから情報を取得するのにかかる時間を示しています。これは、提案されたフレームワークが著作権の検証や所有権の取得に効果的に活用できることを示しています。 この図の拡大版はこちらをクリックしてご覧ください。
| S. いいえ。 | 著者 | 応用 | ブロックチェーン | セキュリティ | 保護 | スケーラビリティ | 著作権保護 | オフチェーンストレージ | 完全性 | 分散型 |
| 1 | リウら13 | ブロックチェーン技術を用いたデジタル著作権保護 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 2 | 鄭ら12 | 透かし付きのブロックチェーンベースのビデオ著作権保護 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 3 | クレシら11 | マルチメディア著作権管理フレームワーク | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 4 | ダルウィッシュら9 | ビデオの透かしと著作権確認 | ✓ | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ |
| 5 | Li ら 7 | 分散型音楽著作権運営管理システム | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 6 | パンディアンら10 | ブロックチェーンベースのビデオ整合性検証 | ✓ | ✓ | ✗ | ✗ | ✓ | ✗ | ✓ | ✓ |
| 7 | 郭少少ら | オンライン教育のマルチメディア資源のためのデジタル著作権管理 | ✓ | ✗ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 8 | Moolikagedara ほか14 | ブロックチェーンベースの所有権およびトレーサビリティシステム | ✓ | ✓ | ✗ | ✗ | ✓ | ✓ | ✗ | ✓ |
| 9 | マダパティとプラダン5 | イーサリアムベースの動画著作権保護フレームワーク | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 10 | フラットリロら8 | スマートコントラクト対応のデジタル著作権保護 | ✓ | ✓ | ✗ | ✓ | ✓ | ✓ | ✗ | ✓ |
| 11 | 提案された枠組み | 複数の知覚ハッシュ(aHash、dHash、pHash、wHash)を用いたハイパーレッジFabricベースのビデオ著作権保護 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
表1:既存のブロックチェーンベースの著作権保護システムの比較。この表では、現在のブロックチェーンベースの著作権保護手法と提案されたフレームワークを、ブロックチェーン利用、スマートコントラクト、知覚ハッシュ、スケーラビリティ、著作権保護、所有権セキュリティ、完全性チェック、分散化などの主要要素で比較しています。
| パラメータ | 構成 |
| ブロックチェーンプラットフォーム | ハイパーレジャー Fabric 2.4.8 |
| ネットワークタイプ | 許可されたブロックチェーン |
| 組織の数 | 2 |
| ピアノードの数 | 2 |
| オーダーノードの数 | 2 |
| 認証局 | 2 |
| 通信チャネル | オートチャンネル |
| スマートコントラクト名 | vitChain |
| スマートコントラクト言語 | 行け |
| 州データベース | CouchDB |
| デプロイメントツール | ミニファブ |
| コンテナプラットフォーム | Docker |
| 合意メカニズム | いかだ注文サービス |
| メタデータ保存 | CouchDB |
| 所有権保管 | ブロックチェーン台帳 |
表2:Hyperledger Fabricのデプロイメント設定パラメータ。 表には、Hyperledger Fabricブロックチェーンネットワークの展開設定の詳細が記載されており、組織、ピア、注文サービス、認証機関、通信チャネル、コンセンサスメカニズム、スマートコントラクト、実験に使用されるストレージなどが含まれます。
| S.No | ビデオアタック | pHash(%) | wHash(%) | dHash(%) | aHash(%) |
| 1 | フレーム挿入攻撃 | 82.81 | 84.33 | 81.31 | 86.42 |
| 2 | フレーム削除攻撃(スペース左) | 82.69 | 81.78 | 80.17 | 81.07 |
| 3 | フレーム削除攻撃(スペースが削除された) | 75.37 | 78.68 | 76.19 | 79.69 |
| 4 | フレーム置換攻撃 | 84.86 | 82.6 | 84.19 | 81.07 |
| 5 | リージョン改ざん攻撃 | 99.4 | 98.59 | 99.46 | 99.76 |
| 6 | MPEG圧縮攻撃 | 99.64 | 99.61 | 99.1 | 99.64 |
| 7 | ノイズアし加法攻撃(25%) | 99.52 | 99.58 | 98.8 | 99.7 |
| 8 | ノイズアし加法攻撃(50%) | 99.64 | 99.4 | 98.68 | 99.52 |
| 9 | ノイズアし加法攻撃(75%) | 99.52 | 99.31 | 98.14 | 99.22 |
| 10 | クロッピング攻撃 | 69.71 | 54.81 | 69.11 | 57.27 |
| 11 | 回転攻撃(30°) | 54.21 | 60.61 | 57.09 | 65.56 |
| 12 | 回転攻撃(60°) | 48.56 | 53.97 | 51.38 | 57.57 |
| 13 | スケーリングアタック | 98.56 | 99.28 | 96.81 | 97.48 |
| 14 | 平行 + フリップ(左右) | 52.88 | 63.46 | 51.2 | 68.63 |
| 15 | 翻訳+反転(上下) | 50 | 45.34 | 60.7 | 42.73 |
| 16 | 中央値フィルタリング(25) | 98.92 | 99.1 | 98.02 | 99.7 |
| 17 | 中央値フィルタリング(50) | 98.08 | 98.17 | 97.3 | 99.28 |
| 18 | ローパスフィルタリング | 97.84 | 99.13 | 96.03 | 96.63 |
| 19 | ガウスブラー(σ = 5) | 99.76 | 98.68 | 98.68 | 99.76 |
| 20 | ガウスブラー(σ = 10) | 99.76 | 97.6 | 97.78 | 99.4 |
| 21 | 再録音(ビデオカメラ)攻撃 | 98.68 | 98.83 | 91.95 | 93.51 |
| 22 | フォーマット変換(MPEG-4エンコーダ) | 99.16 | 99.19 | 98.14 | 99.4 |
| 23 | フォーマット変換(H.264 QSVエンコーダ) | 99.76 | 99.79 | 99.1 | 99.82 |
| 24 | フォーマット変換(Libvpx-VP9エンコーダ) | 99.76 | 99.7 | 99.04 | 99.76 |
| 25 | テンポラルアタック(15fps) | 97.48 | 98.26 | 98.02 | 99.4 |
| 26 | 時間攻撃(24fps) | 99.16 | 99.16 | 98.38 | 99.82 |
| 27 | 共謀攻撃 | 99.76 | 99.28 | 98.74 | 99.58 |
| 28 | トランスコーディング攻撃 | 99.76 | 99.7 | 99.04 | 99.76 |
| 29 | ビットレート変更攻撃 | 99.52 | 99.7 | 99.4 | 99.76 |
表3:異なる攻撃下でのオリジナル動画と改変動画の類似性分析。 この表は、フレーム挿入、削除、置換、回転、圧縮、スケーリング、ノイズ追加、テキスト追加、ビデオマージなど、さまざまなビデオ操作の下で生成される類似度スコアを示しています。
ディスカッション
提案されたフレームワークが示すように、ブロックチェーンと知覚ハッシュを統合することで、分散型の形で動画を著作権侵害から効果的に守ることができます。第一に、不変の所有権登録と知覚ハッシュを組み合わせることで、著作権管理システムの主要な条件である安全な所有権登録と著作権素材の識別の両方を満たします。次に、Hyperledger Fabricを使用することでアクセス制御、透明な取引処理、改ざん防止記録管理が可能になります。
さまざまな知覚ハッシュ関数は、単一の知覚ハッシュ関数では不可能な検出タイプを可能にする追加の利点を提供します。AHashはグローバル強度特性を検出し、局所的な勾配変化や構造変動により重点を置くdHashよりも計算負荷が低いです。一方、pHashは周波数領域情報を使い、圧縮やフィルタリング操作に対してより堅牢である一方、wHashはテキストやステッカーの追加などの局所的な変化の検出に優れています。したがって、これらすべてのハッシュ関数の組み合わせにより、それぞれのハッシュ関数の制限により検出を見逃す可能性は非常に低くなります。実験結果は、さまざまな種類の修正に対する感度がアルゴリズムごとに異なることを示しており、マルチハッシュの概念をビデオ操作検出に適用することの有用性を示しています。
Hyperledger FabricとCouchDBの利用により、ブロックチェーン上に保存されるデータ量が減り、メタデータ管理が大幅に効率化されます。テストの結果、フレームワークは実際にうまく機能することが示されていますが、ハイブリッドストレージとフルオンチェーンストレージの比較をしっかりとした定量比較を行う必要があります。これは今後の研究で検討されるべきです。
他の多くのブロックチェーン著作権ソリューションが著作権所有権登録にのみ集中しているのに対し、導入されたアプローチは所有権とコンテンツレベルの検証の両方を含みます。このような機能は、著作権問題の解決に非常に役立ちます。単なる所有権記録だけでは、編集または再配布された動画が著作権で保護された素材に関連しているかどうかを判断するには不十分だからです。
それでも、いくつかの制限は存在します。このテストは特定の特徴と条件のビデオで実施されました。さらに、回転などの幾何学的操作は、知覚ハッシュを用いたメディア検証において依然として問題があります。将来的には、追加のマルチメディアデータセットでシステムをテストし、指紋の回転不変化や人工知能アルゴリズムを用いて著作権侵害を自動的に特定する可能性を検討する予定です。
監査ログと著作権監視は提案された枠組みのアーキテクチャ要素として組み込まれました。しかし、本研究ではその効果は独立して評価されていません。今後の研究では、大規模なマルチメディア環境における紛争解決、異常検出、自動著作権監視におけるこれらの役割を調査する予定です。
本研究では、Hyperledger Fabricブロックチェーン技術と複数の知覚ハッシュ技術を統合し、安全な所有権登録およびコンテンツベースの著作権検証を支援する分散型のビデオ著作権保護フレームワークを提示しました。提案されたフレームワークは、aHash、dHash、pHash、wHashのアルゴリズムとスマートコントラクト対応のブロックチェーンサービスを組み合わせ、透明で改ざんに強く検証可能な著作権管理システムを確立します。
実験的評価により、このフレームワークは時間的、空間的、圧縮に基づく幅広い映像編集において著作権検証を効果的にサポートできることが示されました。複数の知覚ハッシュ技術の使用により、一般的なマルチメディア処理操作に対する堅牢性が向上し、不正なコンテンツ変更を検出する能力も維持されました。さらに、Hyperledger FabricとCouchDBの統合により、データの整合性とトレーサビリティを維持しつつ効率的なメタデータ管理を可能にするハイブリッドストレージアーキテクチャが実現しました。
これらの発見から、提案されたシステムは分散型管理とコンテンツレベルの認証の原則を効果的に融合させ、従来の中央集権的著作権保護システムのいくつかの欠点を克服していることが明らかです。さらに、提示されたシステムは透明な監査可能性、不変の所有権、内容の類似性に基づく検証プロセスを提供します。
結論として、この研究はブロックチェーンと知覚ハッシュの統合が次世代の動画著作権保護の解決策をもたらす可能性があることを示しています。今後の研究では、より大規模で多様なビデオデータベースにおける提案フレームワークの性能のより包括的な評価や、高度な指紋識別メカニズムの開発が含まれる予定です。
開示事項
著者には利益相反を主張するものはありません。
謝辞
著者らは、本研究実施に必要な計算設備と研究支援を提供してくれたインド・アマラヴァティのVIT-AP大学に感謝の意を表します。著者らはまた、提案されたフレームワークの開発と評価においてコンピュータサイエンス・エンジニアリング学科から受けた支援にも感謝しています。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| CouchDB | Apache Software Foundation | https://couchdb.apache.org | NoSQL database used for off-chain storage of video metadata and multimedia content. |
| Docker | Docker Inc. | https://www.docker.com | Containerization platform used to deploy blockchain nodes, CouchDB instances, and supporting services. |
| FFmpeg | FFmpeg Developers | https://ffmpeg.org | Multimedia processing framework used for video decoding, frame extraction, and preprocessing. |
| Go Programming Language | Google LLC | Version 1.20+; https://go.dev | Programming language used to develop the vitChain smart contract (chaincode). |
| Google Drive | Google LLC | https://drive.google.com | Storage platform used for hosting and retrieving experimental video datasets. |
| Hyperledger Fabric | Hyperledger Foundation | Version 2.4.8; https://hyperledger-fabric.readthedocs.io | Permissioned blockchain platform used for decentralized copyright registration, transaction validation, and ledger management. |
| ImageHash Library | Loupax | https://github.com/loupax/imagehash | Library used to generate perceptual hash values for video-frame authentication. |
| Minifab | IBM / Hyperledger Community | https://github.com/hyperledger-labs/minifab | Lightweight deployment and orchestration tool used to configure and manage the Hyperledger Fabric network. |
| Ubuntu Linux | Canonical Ltd. | Ubuntu 22.04 LTS | Operating system used for blockchain deployment and experimental evaluation. |
| Visual Studio Code | Microsoft Corporation | https://code.visualstudio.com | Integrated development environment used for source code development and debugging. |
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.