hpstream算法

㈠ 有哪些视频加密算法

全部加密
使用标准加密算法（比如DES3）加密整个视频流，其中，P是原始的多媒体数据，p0是经过压缩或不压缩的数据，C是使用加密算法加密过的数据，K是加密密钥。解密过程与加密过程相对陈，这种加密方法将视频比特流视作传统的文本数据，没有利用视频压缩后数据的特殊结构。这种方法显然计算量巨大，很难保证视频的实时传输

选择性加密
选择性加密是基于信源特征的视频加密方法的主要发展方向。其加密模型如下图所示。选择性加密可分为加班的选择性加密算法、仅加密头部信息的方法和SECMPEG比特流方法。

Zigzag置乱算法
Zigzag置乱算法的基本思想是使用一个随机的置乱序列来代替Zigzag扫描顺序，来将各个8*8块的DCT系数映射成一个1*64矢量。
Zigzag置乱算法速度很快，不影响视频的实时传输。但是经过加密的视频压缩后码流大下显着增加。因为运用非Zigzag顺序将8*8块映射到1*64矢量，将会极大减少连续零的个数，从而减少压缩率。视频流大小经过加密后增加可达46%。考虑到MPEG视频数据量的巨大，这种大小增量是很难容忍的。

改变Huffiman码表算法
改变Huffiman码表的视频加密算法原理是：对于熵编码采用Huffiman编码的视频标准，将通用Huffiman码表修改后使用，修改后的特殊Huffiman码表作为密钥。非接收方无此特殊码表，就无法正确解密视频信息。该算法完全不增加计算量。适用于使用Huffiman编码的各种视频和图像压缩编码标准和算法。其缺点是安全性较差。

纯置乱算法
纯置乱算法简单的置乱字节流。置乱密码序列的基数是根据密级和应用需求动态可变的。比如我们可以用64个数的置乱序列或一个长的I帧的1/8的置乱序列。这种算法的问题在于它对已知明文攻击非常脆弱。一旦通过比较密文和已知原始帧数据，获取了随机置乱序列，所有的帧将很容易被破解。为了找出随机置乱序列，我们需要已知随机序列长度倍数大小的明文。然而注意到MPEG数据流的单一性和帧大小在同一个数量级上，因此，基于香农理论，如果已知一个I帧数据足以破译整个随机序列。

如果你要是加密视频的话最简单的方法其实是下载一个视频加密软件就可以了，比如超级加密3000、金钻视频加密专家都可以加密视频的。

㈡ 用Java 8 增加的 Stream API 能实现哪些优雅的算法

Java 8引入了全新的Stream API。这里的Stream和I/O流不同，它更像具有Iterable的集合类，但行为和集合类又有所不同。

Stream API引入的目的在于弥补Java函数式编程的缺陷。对于很多支持函数式编程的语言，map()、rece()基本上都内置到语言的标准库中了，不过，Java 8的Stream API总体来讲仍然是非常完善和强大，足以用很少的代码完成许多复杂的功能。

创建一个Stream有很多方法，最简单的方法是把一个Collection变成Stream。我们来看最基本的几个操作：
public static void main(String[] args) {
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
Stream<Integer> stream = numbers.stream();
stream.filter((x) -> {
return x % 2 == 0;
}).map((x) -> {
return x * x;
}).forEach(System.out::println);
}

集合类新增的stream()方法用于把一个集合变成Stream，然后，通过filter()、map()等实现Stream的变换。Stream还有一个forEach()来完成每个元素的迭代。

为什么不在集合类实现这些操作，而是定义了全新的Stream API？Oracle官方给出了几个重要原因：

一是集合类持有的所有元素都是存储在内存中的，非常巨大的集合类会占用大量的内存，而Stream的元素却是在访问的时候才被计算出来，这种“延迟计算”的特性有点类似Clojure的lazy-seq，占用内存很少。

二是集合类的迭代逻辑是调用者负责，通常是for循环，而Stream的迭代是隐含在对Stream的各种操作中，例如map()。

要理解“延迟计算”，不妨创建一个无穷大小的Stream。

如果要表示自然数集合，显然用集合类是不可能实现的，因为自然数有无穷多个。但是Stream可以做到。

自然数集合的规则非常简单，每个元素都是前一个元素的值+1，因此，自然数发生器用代码实现如下：
class NaturalSupplier implements Supplier<Long> {

long value = 0;

public Long get() {
this.value = this.value + 1;
return this.value;
}
}

反复调用get()，将得到一个无穷数列，利用这个Supplier，可以创建一个无穷的Stream：
public static void main(String[] args) {
Stream<Long> natural = Stream.generate(new NaturalSupplier());
natural.map((x) -> {
return x * x;
}).limit(10).forEach(System.out::println);
}

对这个Stream做任何map()、filter()等操作都是完全可以的，这说明Stream API对Stream进行转换并生成一个新的Stream并非实时计算，而是做了延迟计算。

当然，对这个无穷的Stream不能直接调用forEach()，这样会无限打印下去。但是我们可以利用limit()变换，把这个无穷Stream变换为有限的Stream。

利用Stream API，可以设计更加简单的数据接口。例如，生成斐波那契数列，完全可以用一个无穷流表示（受限Java的long型大小，可以改为BigInteger）：
class FibonacciSupplier implements Supplier<Long> {

long a = 0;
long b = 1;

@Override
public Long get() {
long x = a + b;
a = b;
b = x;
return a;
}
}

public class FibonacciStream {

public static void main(String[] args) {
Stream<Long> fibonacci = Stream.generate(new FibonacciSupplier());
fibonacci.limit(10).forEach(System.out::println);
}
}

如果想取得数列的前10项，用limit(10)，如果想取得数列的第20~30项，用：
List<Long> list = fibonacci.skip(20).limit(10).collect(Collectors.toList());

最后通过collect()方法把Stream变为List。该List存储的所有元素就已经是计算出的确定的元素了。

用Stream表示Fibonacci数列，其接口比任何其他接口定义都要来得简单灵活并且高效。