CN101676992A - 一种针对回声隐写的隐写分析方法 - Google Patents
一种针对回声隐写的隐写分析方法 Download PDFInfo
- Publication number
- CN101676992A CN101676992A CN200810196982A CN200810196982A CN101676992A CN 101676992 A CN101676992 A CN 101676992A CN 200810196982 A CN200810196982 A CN 200810196982A CN 200810196982 A CN200810196982 A CN 200810196982A CN 101676992 A CN101676992 A CN 101676992A
- Authority
- CN
- China
- Prior art keywords
- peak value
- audio file
- frame
- frame signal
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明提供一种针对回声隐写的隐写分析方法：提取隐写样本音频文件和干净样本音频文件的峰值特征作为支持向量机的特征值，提取待测音频文件的峰值特征输入支持向量机；支持向量机根据特征值生成训练模型，训练待测音频文件的峰值特征，判断待测音频文件是否含有隐写信息；所述提取峰值特征包括短窗截取分析步骤，峰值出现频率分析步骤，峰值特征构造步骤。这种技术方案具有高效性，检测结果正确率高，虚警率和漏检率低；并且能够适用于对多种类型的音频文件测试，性能稳健；实施简便，运行复杂性低，资源开销小。
Description
技术领域
本发明属于信息隐藏检测领域，特别是涉及一种针对回声隐写的隐写分析方法。
背景技术
近年来，隐写术和数字水印技术的研究得到较大的发展。许多隐秘术和数字水印软件能够从网上直接下载，使普通人利用这些技术实现“隐蔽”通讯成为可能。这种现象客观上要求隐写分析技术的进步，以便检测和阻止不法信息隐藏在看似无异动普通载体(图像、音频和视频等)中传递。
在众多的音频信息隐藏方法中，回声隐藏以其隐藏算法简单，算法不易产生噪声，隐藏效果好，对同步的要求不高等优点而被广泛应用。因此，对回声信息隐藏进行有效、准确而又可靠的检测，对于保护信息安全、防止隐秘通信有着十分重要的意义。
目前公开报道的回声隐写分析的方法很少，比较典型的有：Hamza Ozer等人在2003年提出了一种基于音频质量和分类器的音频隐写分析方法。对19种音频质量的指标度量进行了考察，按照加性噪声模型，对待测音频进行了小波去噪得到的估计的原始音频，计算待测音频与小波去噪后的音频的各项指标的改变量，发现不含秘密数据的音频载体与包含秘密数据的音频隐写体的各项指标的改变是不同的。但检测准确性直接决定了音频数据库中对音频质量指标的训练结果，使其可靠性和准确性受限而且算法实现的计算量很大。Oktay Altun等人提出了基于形态学失真的隐写分析方法，对加性高斯白噪声进行了检测，并指出了二次回声隐写会引起过零率的较大改变，但作者并未指出具体的分析方法和实验结果。因此，如何实现高质量的回声隐写检测分析是本技术领域亟待解决的技术问题。
发明内容
本发明目的在于针对现有技术的不足，提出一种针对音频载体的回声隐写的隐写检测方法，能够对秘密信息嵌入，实现高质量的检测。
本发明的技术方案为：提取隐写样本音频文件和干净样本音频文件的峰值特征作为支持向量机的特征值，提取待测音频文件的峰值特征输入支持向量机；支持向量机根据特征值生成训练模型，训练待测音频文件的峰值特征，判断待测音频文件是否含有隐写信息；所述提取峰值特征包括以下步骤，
短窗截取分析步骤，用于对音频文件进行分帧处理，得到的每个帧信号包含样点数相同；
峰值出现频率分析步骤，即计算每帧信号的功率倒谱，根据功率倒谱分析帧信号的峰值出现情况；
峰值特征构造步骤，包括为音频文件创建数组，数组元素与帧信号的半帧样点对应；根据音频文件内所有帧信号的峰值出现情况确定数组元素的值，所述确定数组元素的值具体方式为，遍历音频文件内所有帧信号的半帧，若其中某帧信号内某样点相应的功率倒谱出现峰值，则与该样点所对应数组元素的值加1，否则不变；数组元素的值确定后，求取数组的中心矩作为该音频信号的峰值特征。
而且，所述峰值特征构造步骤中，对音频文件的相应数组求取2～9阶共8个中心距。
而且，所述短窗截取分析步骤中，按256个样点的标准进行分帧处理，得到的帧信号帧长为256。
而且，每帧信号的功率倒谱根据公式En[i]＝{IFFT[log|FFT(sn[i])|2]}2求取，其中sn[i]表示待测音频文件x[k]分帧处理得到的帧信号，x[k]长度为I，其中1≤k≤I，sn[i]的帧长为N，1≤i≤N，
而且所述分析帧信号的峰值出现情况的具体方式为，从第一个样点开始向右遍历帧信号内所有样点，若一个样点的功率倒谱值比相邻点大一个阀值，则该点被认为是峰值。
而且，所述阀值的取值方式为，
其中1≤i≤N/2。
本发明提供了一种针对音频回声隐写的盲的主动分析检测方式，具有检测的高效性，检测结果正确率高，虚警率和漏检率低。本发明能够适用于对多种类型的音频文件测试，性能稳健；实施简便，运行复杂性低，资源开销小。
附图说明
图1为本发明的特征值输入示意图；
图2为本发明的待测音频文件分析示意图；
图3为本发明实施例的峰值特征提取流程图。
具体实施方式
本发明提供的分析技术方案框架参见图1和图2：提取隐写样本音频文件和干净样本音频文件的峰值特征作为支持向量机的特征值，提取待测音频文件的峰值特征输入支持向量机；支持向量机根据特征值生成训练模型，训练待测音频文件的峰值特征，判断待测音频文件是否含有隐写信息。支持向量机简称SVM，是现有分类器的一种，本发明选用支持向量机进行分类操作，而分类标准采用音频文件的峰值特征构成的特征值向量。本发明注意到，如果音频文件中含有回声隐写信息，就会产生延迟，在峰值表现上会不同于干净的音频文件。因此本发明提出，提取隐写样本音频文件和干净样本音频文件的峰值特征作为支持向量机的特征值，隐写样本音频文件和干净样本音频文件的数量一般相当。支持向量机以峰值频率为训练向量特征，即可根据待测音频文件的峰值特征得到待测音频文件是否含有隐写信息的结论。为了保证准确率，隐写样本音频文件和干净样本音频文件的数量都应当有数千个，将多个隐写样本音频文件和干净样本音频文件的峰值特征输入支持向量机，就可生成训练模型。
无论是对隐写样本音频文件和干净样本音频文件，还是待测音频文件，采用统一的峰值特征提取方式，才能够方便进行分类判断。参见附图3，本发明的关键在于独特的峰值特征提取方式，包括以下步骤，
(1)短窗截取分析步骤，用于对音频文件进行分帧处理，得到的每个帧信号包含样点数相同；
为了便于理解，该步骤可以用符号表示：音频文件x[k]分帧处理得到帧信号sn[i]，x[k]长度为I，其中1≤k≤I，sn[i]的帧长为N，1≤i≤N，
为了避免漏检，分帧不宜过长，本发明实施例的N取值为256，意即每个帧信号应当包括256个样点。
(2)峰值出现频率分析步骤，即计算每帧信号的功率倒谱，根据功率倒谱分析帧信号的峰值出现情况；
帧信号的功率倒谱En[i]＝{IFFT[log|FFT(sn[i])|2]}2，直接根据现有技术，首先对sn[i]进行FFT变换，取FFT幅值的平方，然后对其求log值，最后计算IFFT变换，并对得到的值取模再求平方，即为信号sn[i]的功率倒谱。
分析帧信号的峰值出现情况的具体方式可以为，从第一个样点开始向右遍历帧信号内所有样点，若一个样点的功率倒谱值比相邻点大一个阀值，则该点被认为是峰值；或者反向从右向左同理进行遍历操作。
选取合适的阈值，可以快速准确的寻找到峰值，本发明提供了进一步技术方案：阀值
其中1≤i≤N/2。这是因为FFT具有对称性，故只考察前N/2个样点即可，即En[1：N/2]的峰值情况。具体实施时也可考虑帧信号内全部样点，但效率比较低。
(3)包括为音频文件创建数组，数组元素与帧信号的半帧样点对应；根据音频文件内所有帧信号的峰值出现情况确定数组元素的值，所述确定数组元素的值具体方式为，遍历音频文件内所有帧信号的半帧，若其中某帧信号内某样点相应的功率倒谱出现峰值，则与该样点所对应数组元素的值加1，否则不变；数组元素值确定后，求取数组的中心矩作为该音频信号的峰值特征。
因为进行功率倒谱后的帧信号具有对称性，创建数组时也只需考察半帧样点，若考察全帧样点，则结果相同而处理过程复杂。本发明实施例创建数组P，数组元素的个数为N/2＝128，若帧信号内某样点对应功率倒谱处出现峰值，则相应数组元素的值加1，否则不变。最后求取数组P的2～9阶中心矩。这8个中心距即可表现该帧信号的峰值特征。具体实施时，在2～12阶中心距中任意选取多个也是可行的，也应当在本发明所要求的保护范围之内。如果确定数组元素的值标记采用其他方式，例如若帧信号内某样点对应功率倒谱处出现峰值，则相应数组元素的值加2，最终仍然得到统计峰值频率的效果，属于等同替代方案。本发明的技术方案可以采用计算机技术实现自动化处理，例如创建数组P时，可以通过软件编程进行如下操作：设定P[i]，1≤i≤128；若sn[i]是峰值，则P[i]＝P[i]+1；若sn[i]不是峰值，P[i]不变。
Claims (6)
1.一种针对回声隐写的隐写分析方法，其特征在于：提取隐写样本音频文件和干净样本音频文件的峰值特征作为支持向量机的特征值，提取待测音频文件的峰值特征输入支持向量机；支持向量机根据特征值生成训练模型，训练待测音频文件的峰值特征，判断待测音频文件是否含有隐写信息；所述提取峰值特征包括以下步骤，
短窗截取分析步骤，用于对音频文件进行分帧处理，得到的每个帧信号包含样点数相同；
峰值出现频率分析步骤，即计算每帧信号的功率倒谱，根据功率倒谱分析帧信号的峰值出现情况；
峰值特征构造步骤，包括为音频文件创建数组，数组元素与帧信号的半帧样点对应；根据音频文件内所有帧信号的峰值出现情况确定数组元素的值，所述确定数组元素的值具体方式为，遍历音频文件内所有帧信号的半帧，若其中某帧信号内某样点相应的功率倒谱出现峰值，则与该样点所对应数组元素的值加1，否则不变；数组元素的值确定后，求取数组的中心矩作为该音频信号的峰值特征。
2.根据权利要求1所述的隐写分析方法，其特征在于：所述峰值特征构造步骤中，对音频文件的相应数组求取2～9阶共8个中心距。
3.根据权利要求1所述的隐写分析方法，其特征在于：所述短窗截取分析步骤中，按256个样点的标准进行分帧处理，得到的帧信号帧长为256。
4.根据权利要求1或2或3所述的隐写分析方法，其特征在于：每个帧信号的功率倒谱根据公式Eni]＝{IFFT[log|FFT(sn[i]|2]}2求取，其中sn[i]表示音频文件x[k]分帧处理得到的帧信号，x[k]长度为I，其中1≤k≤I，sn[i]的帧长为N，
5.根据权利要求4所述的隐写分析方法，其特征在于：所述分析帧信号的峰值出现情况的具体方式为，从第一个样点开始向右遍历帧信号内所有样点，若一个样点的功率倒谱值比相邻点大一个阀值，则该点被认为是峰值。
6.根据权利要求5所述的隐写分析方法，其特征在于：所述阀值的取值方式为，
其中1≤i≤N/2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810196982A CN101676992A (zh) | 2008-09-17 | 2008-09-17 | 一种针对回声隐写的隐写分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810196982A CN101676992A (zh) | 2008-09-17 | 2008-09-17 | 一种针对回声隐写的隐写分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101676992A true CN101676992A (zh) | 2010-03-24 |
Family
ID=42029531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200810196982A Pending CN101676992A (zh) | 2008-09-17 | 2008-09-17 | 一种针对回声隐写的隐写分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101676992A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063907A (zh) * | 2010-10-12 | 2011-05-18 | 武汉大学 | 一种针对音频扩频隐写的隐写分析方法 |
| CN102142255A (zh) * | 2010-07-08 | 2011-08-03 | 北京三信时代信息公司 | 一种在音频信号中嵌入及提取数字水印的方法 |
| CN102509551A (zh) * | 2011-11-23 | 2012-06-20 | 北京邮电大学 | 基于倒谱和差分方差的音频隐写分析算法 |
-
2008
- 2008-09-17 CN CN200810196982A patent/CN101676992A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102142255A (zh) * | 2010-07-08 | 2011-08-03 | 北京三信时代信息公司 | 一种在音频信号中嵌入及提取数字水印的方法 |
| CN102142255B (zh) * | 2010-07-08 | 2012-10-03 | 北京三信时代信息公司 | 一种在音频信号中嵌入及提取数字水印的方法 |
| CN102063907A (zh) * | 2010-10-12 | 2011-05-18 | 武汉大学 | 一种针对音频扩频隐写的隐写分析方法 |
| CN102063907B (zh) * | 2010-10-12 | 2012-07-04 | 武汉大学 | 一种针对音频扩频隐写的隐写分析方法 |
| CN102509551A (zh) * | 2011-11-23 | 2012-06-20 | 北京邮电大学 | 基于倒谱和差分方差的音频隐写分析算法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103927297B (zh) | 基于证据理论的中文微博可信度评估方法 | |
| Chen et al. | Identification of pulse periods in near‐fault ground motions using the HHT method | |
| CN110110738A (zh) | 一种基于多特征融合的雷达辐射源识别方法 | |
| CN102723079B (zh) | 基于稀疏表示的音乐和弦自动识别方法 | |
| Xu et al. | Rail defect detection method based on recurrent neural network | |
| CN105868266A (zh) | 一种基于聚类模型的高维数据流离群点检测方法 | |
| Lin et al. | An automatic detection algorithm for extracting the representative frequency of cetacean tonal sounds | |
| CN102770856A (zh) | 用于精确波形测量的域识别和分离 | |
| d’Auria et al. | Polarization analysis in the discrete wavelet domain: an application to volcano seismology | |
| CN103279744A (zh) | 基于多尺度三模式纹理特征的仿造指纹检测方法和系统 | |
| CN110493262A (zh) | 一种改进分类的网络攻击检测方法及系统 | |
| Ou et al. | Discrimination of frequency-modulated Baleen whale downsweep calls with overlapping frequencies | |
| CN107576380A (zh) | 一种面向φ‑otdr技术的三维振动信号分类方法 | |
| Wang et al. | The removal method of the blasting vibration signal trend item and noise | |
| CN105283916A (zh) | 电子水印嵌入装置、电子水印嵌入方法及电子水印嵌入程序 | |
| Gamboa-Medina et al. | Feature extraction in pressure signals for leak detection in water networks | |
| CN109920447B (zh) | 基于自适应滤波器振幅相位特征提取的录音欺诈检测方法 | |
| CN103294811A (zh) | 考虑特征可靠性的视频分类器构造方法 | |
| CN101676992A (zh) | 一种针对回声隐写的隐写分析方法 | |
| Yi et al. | Scenefake: An initial dataset and benchmarks for scene fake audio detection | |
| CN103236265A (zh) | 一种针对MP3Stegz的隐写检测方法 | |
| Li et al. | A Reliable Strategy for Improving Automatic First‐Arrival Picking of High‐Noise Three‐Component Microseismic Data | |
| CN107870359B (zh) | 微地震事件识别方法及装置 | |
| CN104091104B (zh) | 多格式音频感知哈希认证的特征值提取及认证方法 | |
| Xia et al. | Modal parameter identification based on hilbert vibration decomposition in vibration stability of bridge structures |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Open date: 20100324 |