CN103345927A - 一种检测与定位音频时域篡改的处理方法 - Google Patents

Abstract

本发明公开了一种检测与定位音频时域篡改的处理方法，包括下述步骤：S1、将待检测音频信号进行小波分解后各个子带分别进行重构得到多个小波重构子带；S2、取每个小波包重构子带的候选判决点；S3、排除候选判决点中处在奇异点群中奇异点；S4、将步骤S3中剩下的各个子带的候选判决点则判决为音频文件的篡改位置，对各个子带的音频文件的篡改位置做一个或运算，最终确定音频文件的篡改位置。本发明不需要任何额外预先嵌入取证信息的情况下，针对数字音频在时域上发生的诸如裁剪、插入和拼接等直接篡改操作，能够有效地检测篡改并定位出具体篡改位置的方法。

Description

一种检测与定位音频时域篡改的处理方法

技术领域

本发明涉及音频处理的技术领域，特别涉及一种检测与定位音频时域篡改的处理方法。

背景技术

数字音频被动式盲取证是多媒体信息安全方向的重要分支，数字音频被动式盲取证算法作为一种音频数据的取证方法，无需像音频数字水印和音频数字签名那样借助预先嵌入的信息作为取证的依据，而是通过分析数字音频的内部特征来检测音频数据是否经过篡改，在许多实际场合（特别是司法取证方面）能够提高强大的技术支持。

S.Gupta等人在文章Current developments and future trends in audioauthentication（音频认证的当前发展情况与未来发展趋势）中介绍了目前数字音频被动式盲取证技术的发展情况，文中介绍的技术包括录音环境的检测，录音设备的检测，音频重压缩的检测，音频的篡改检测，以及音频的重采样检测等，并介绍了数字音频被动式盲取证技术未来需要主客观相结合的更加智能的发展趋势。

R.Yang等人在文章Exposing MP3Audio Forgeries Using Frame Offsets（运用帧偏移揭示MP3音频的篡改）中介绍了利用帧偏移效应提出了一种专门针对MP3格式的时域篡改检测算法，这种技术通过分析MP3格式音频的MDCT系数的非零个数，总结出了篡改后的MP3音频由于发生了帧偏移而使得MDCT系数的非零个数增加的规律，从而能够检测MP3音频的裁剪、拼接等篡改操作。

上述针对利用MP3压缩格式的帧偏移效应检测时域篡改的算法，这种技术利用了MP3格式音频的压缩特性，但是这也使得这种算法只能局限与压缩格式的音频篡改检测，对于未压缩格式直接发生在时域上的篡改无法适用。

X.Pan等人在文章Detecting splicing in digital audios using localnoise level estimation（运用局部噪声级估计检测数字音频的拼接）中介绍了利用局部噪声级估计的方法提出了一种检测和定位数字音频时域拼接的被动式盲取证方法，这种方法可以概括为：检测音频信号中局部噪声级的不同来达到检测篡改的目的。

上述针对利用局部噪声级估计的检测和定位数字音频时域拼接的被动式盲取证方法，这种方法在实现上有一定复杂性，而且这种方法并不适用于数字音频的裁剪操作和来自同一音频的拼接操作。

D.P.Nicolalde等人在文章Evaluating digital audio authenticitywith spectral distances and ENF phase change（运用谱距和电网频率相变评估数字音频的真实性）中介绍了通过提取和分析音频中的电网频率，提出了一些检测和定位时域音频篡改的算法，这种方法可以概括为：提取数字音频记录时保留下来的电网频率信息，与供电单位存储的电网频率进行比对，检测其中的不同部分以达到检测和定位篡改的目的。

上述针对通过提取和分析音频中的电网频率的检测和定位时域音频篡改的算法，这种方法需要供电单位有同步的电网频率记录，需要一定的存储空间，而且这种基于电网频率的算法在针对并未连接到电网的独立供电子系统是无法发挥作用。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种可以检测数字音频在时域上的裁剪、插入和拼接等操作的篡改方法，并且可以准确定位出数字音频发生篡改的具体位置。

为了达到上述发明目的，本发明采用以下技术方案：

本发明的检测与定位音频时域篡改的处理方法，包括下述步骤：

S1、将待检测音频信号进行小波分解后各个子带分别进行重构得到多个小波重构子带；

S2、取每个小波包重构子带的候选判决点；

S3、排除候选判决点中处在奇异点群中奇异点；

S4、将步骤S3中剩下的各个子带的候选判决点则判决为音频文件的篡改位置，对各个子带的音频文件的篡改位置做一个或运算，最终确定音频文件的篡改位置。

优选的，步骤S1具体为：

S11、利用matlab软件读取音频数据；

S12、利用小波包分解算法，将数字音频数据分解成多个小波子带数据；

S13、利用小波包重构算法，将各个子带分别进行重构得到多个小波重构子带。

优选的，步骤S2中，具体为：

S21、对于每个小波重构子带，做绝对值处理；

S22、从大到小求出绝对值处理后子带中的局部峰值与该子带均值的比值PMR；

S23、选出PMR大于设定的第一个参数N的局部峰值作为裁剪奇异点的候选判决点Fi；

S24、如果PMR>k*N，k为一个设定的第二个参数，则该子带的N取PMR/2；

S25、通过上述处理后，得到每个小波包重构子带的候选判决点。

优选的，步骤S3中具体为：

逐一取出候选判决点Fi，若Fi附近以Fi为原点的[-n1,-n2]和[n1,n2]的范围内存在大于P*Fi的数据点，其中n1为设定的第三个参数，n2为设定的第四个参数，P为设定的第五个参数，则认为Fi是处于奇异点群中奇异点，为音频本身产生的，由此排除Fi的候选地位。

优选的，改变参数N的根据是同一子带的奇异点的PMR应当处于同一数量级上。

本发明相对于现有技术具有如下的优点及效果：

1、本发明可以在不需要任何额外预先嵌入取证信息的情况下，针对数字音频在时域上发生的诸如裁剪、插入和拼接等直接篡改操作，能够有效地检测篡改并定位出具体篡改位置的方法，这一点目前在国际上都还没有很好的方法可以做到。

2、与国内外现有技术相比，本发明对于音频压缩格式，电网记录频率和具体篡改手段等额外因素的依赖性更小，具有更大的使用范围，能够很好的运用于数字音频取证领域。

3、本发明专利不仅适用于数字语音音频，而且还适用于其他各种内容的音频，比如音乐等内容的音频，即本发明专利对音频内容的不依赖于数字音频的内容。

4、本发明具有很好的理论与大量实验结果支撑，在操作上仅仅利用小波重构子带上所设计的5个参数，具有简单便捷，容易实现的特点。

5、本发明专利首创性的把小波奇异性分析引入音频被动式认证领域，并进一步将小波包分解并重构上的奇异性分析运用于音频的被动式取证。

附图说明

图1是本发明的流程图；

图2是本发明实施例中不同采样率下篡改检测正确率的曲线图；

图3（a）-图3（D）是本发明实施例定位多处裁剪的示意图，其中图3（a）为原始信号；图3（b）为剪裁信号；图3(c)为小波重构子带；图3(d)为检测结果。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，为实施例检测与定位音频时域篡改的处理方法，具体包括如下步骤：

步骤1、将待检测音频信号进行小波分解后各个子带分别进行重构得到多个小波重构子带。

步骤2、对于每个小波重构子带，先做绝对值处理，再从大到小求出绝对值处理后子带中的局部峰值与该子带均值的比值PMR，选出PMR大于设定的第一参数N的局部峰值作为裁剪奇异点的候选判决点Fi，如果PMR>k*N（k为设定的第二个参数），则该子带的N取PMR/2。

步骤3、排除候选判决点中处在奇异点群中奇异点：逐一取出候选判决点Fi，若Fi附近以Fi为原点的[-n1,-n2]和[n1,n2]的范围内存在大于P*Fi的数据点，其中n1为设定的第三个参数，n2为设定的第四个参数，P为设定的第五个参数，则认为Fi是处于奇异点群中奇异点，为音频本身产生的，由此排除Fi的候选地位。

步骤4、第3步中剩下的各个子带的候选判决点则判决为音频文件的篡改位置，对各个子带的音频文件的篡改位置做一个或运算，最终确定音频文件的篡改位置。

第二步的改变参数N的根据是同一子带的奇异点的PMR应当处于同一数量级上，由于事先并不知道某一子带的PMR数量级，所以通过此法自适应的调整阈值N，从而可以大大的减少运算量而基本不影响判别结果。

下面结合具体的处理方式来进行说明，本实施例音频数据处理方法在小波包奇异性分析的基础上设计了5个参数来消除数字音频内部奇异点的干扰，从而形成了检测定位时域篡改的具体方法，即在不需要任何额外预先嵌入取证信息的情况下，针对数字音频在时域上发生的诸如裁剪、插入和拼接等直接篡改操作，能够有效地检测篡改并定位出具体篡改位置的方法。与现有技术相比，对于音频压缩格式，电网记录频率和具体篡改手段等因素的依赖性更小，具有较大的使用范围，能够很好的运用于数字音频取证领域。

为了说明本实施例的取证实施方式，选取一个经过多处篡改的数字音频的检测和定位的例子，用以说明所提出的算法的工作方式。由于数字经常会在取证中作为证据出现，因此在这里取一个由数字组成的音频文件做测试。具体实施方式如下所述：

如图3(a)所示，原始音频是由1到9共9个数字组成的，篡改音频将原始音频的数字2，5，6和8裁剪掉，如图3(b)所示，图3(c)是某个小波重构子带的波形，图3(d)是本发明实施例对应检测的结果，图中“1”的位置标示着音频篡改的具体位置。

图3(a)-图3（d）定位多处裁剪的例子：四个数字从一连串的数字中被删除，如图图3（a）和图3（b）所示，图3图（c）是其中一个小波重构子带的波形，图3（d）是本发明实施例最后的检测结果，其中“1”对应篡改的位置。其它诸如插入、替换和拼接等篡改方式的检测与定位原理和流程与裁剪篡改方式的相同。

为了展示本发明实施例的效果，从互联网上收集了8kHz，11.025kHz，16kHz，22.05kHz，24kHz，32kHz和44.1kHz共7种采样率的数字语音音频文件，每种音频文件都分割成500个，而且每个音频文件的都是长度5s和单声道的。对每一个语音音频文件首先在篡改和不篡改之间随机做一个选择，如果选择了篡改，再在裁剪和插入两种方式中随机做一个选择，最后利用本发明实施例对每个处理后的语音音频文件进行检测是否经过了篡改，如果是经过篡改的，定位出具体的篡改位置。对于8kHz，11.025kHz两种采样率的数字语音音频信号进行5层小波包分解奇异性分析，对于其他5种采样率则采用4层小波包分解奇异性分析就足够了。

在本发明实施例验证过程中，以N_fa表示数字语音音频处理过程中选择进行了篡改的音频数量，N_oa表示未进行篡改的音频数量。检测未篡改音频的正确率和检测定位篡改音频的正确率分别表示为AR_o和AR_f。此外，还用虚警率来衡量将未篡改音频判断为篡改音频的比例，用漏检率来衡量篡改音频被认为是未篡改音频的比例。分别记虚警率和漏检率为f_p和f_n。总体检测的正确率AR可以由公式（1）或（2）计算得到。

$\mathrm{AR}=(1-\frac{f_p\×N_{\mathrm{oa}}+f_n\×N_{\mathrm{fa}}}{500})\×100\%---\left(1\right)$

$\mathrm{AR}=\frac{{\mathrm{AR}}_o\×N_{\mathrm{oa}}+{\mathrm{AR}}_f\×N_{\mathrm{fa}}}{500}\×100\%---\left(2\right)$

在本发明实施例验证过程中，对于每种采样率，轮流的测试500个语音音频文件的每一个，首先检测音频是否经过篡改，如果经过篡改，则定位出具体的篡改位置，最终的测试效果如表1所示。

表1音频篡改检测结果

采样率	ARo	fp	ARf	fn	AR
						8kHz	70.54%	29.46%	67.03%	32.97%	68.60%
11.025kHz	73.81%	26.19%	71.37%	28.63%	72.60%
						16kHz	81.53%	18.47%	72.51%	27.49%	77.00%
22.05kHz	86.64%	13.36%	76.28%	23.72%	81.40%
						24kHz	84.47%	15.53%	83.90%	16.10%	84.20%
32kHz	86.89%	13.11%	82.42%	17.58%	84.60%
						44.1kHz	86.26%	13.74%	89.50%	10.50%	87.80%

从表1的测试结果可以看出，针对不同的采样率，原始音频检测正确率，篡改音频检测定位正确率和总体正确率的最好结果分别是86.89%，89.50%和87.80%。表1中大部分检测的正确率都超过了70%，这反映了本发明实施例可以很好的检测并定位数字语音音频的篡改操作。

从测试结果表1和图2中还可以发现，随着采样率的升高，篡改检测的正确率也随之提升，而且当采样率升高到一定的程度时，未篡改音频检测的正确率AR_o有趋于稳定的趋势，而篡改检测的正确率AR_f仍旧有不断上升的趋势，这一点可以通过图2明显的看出。检测的正确率之所以会随着采样率的升高而提升，这是因为对于语音音频这类信号而言，其主要能量集中的带宽是比较固定的，大概在0.2到3.4kHz左右，所以采样率越高的语音音频文件，则其归一化带宽越窄，由此利用小波包分析得到的高频小波包重构子带其能量值就会越小，能量值越小的小波包重构子带就越能反映音频信号的“异动”，即能够比较明显的突现篡改造成的孤立奇异点，从而使篡改定位的正确率提高。对于采样率较低的音频信号，其归一化带宽比较窄（这也是进行小波包5层分解的主要原因），小波包分解并重构后得到的子带能量值比较高，容易出现大值的固有奇异点对检测判决结果造成一定的影响，由此导致篡改定位的正确率较低。即使在最低采样率8kHz下，本发明实施例仍能达到接近70%的正确率，说明本发明实施例对于对抗数字语音音频在时域上的直接篡改发挥一个较好的作用。

检测不同内容音频时域篡改的原理是相似的，因此本发明实施例也是可以对其他内容的音频文件进行检测定位，比如音乐音频文件。但是由于音乐音频信号的带宽与语音音频信号有所区别，所以所设计的各参数大小以及小波包分解的层数将有所变化，将本发明实施例运用于采样率为44.1kHz的数字音乐音频文件（CD光碟经常采用的采样率），检测和定位篡改的正确率可以达到83.4%。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种检测与定位音频时域篡改的处理方法，其特征在于，包括下述步骤：

S1、将待检测音频信号进行小波分解后各个子带分别进行重构得到多个小波重构子带；

S2、取每个小波包重构子带的候选判决点；

S3、排除候选判决点中处在奇异点群中奇异点；

S4、将步骤S3中剩下的各个子带的候选判决点则判决为音频文件的篡改位置，对各个子带的音频文件的篡改位置做一个或运算，最终确定音频文件的篡改位置。

2.根据权利要求1所述的检测与定位音频时域篡改的处理方法，其特征在于，步骤S1具体为：

S11、利用matlab软件读取音频数据；

S12、利用小波包分解算法，将数字音频数据分解成多个小波子带数据；

S13、利用小波包重构算法，将各个子带分别进行重构得到多个小波重构子带。

3.根据权利要求1所述的检测与定位音频时域篡改的处理方法，其特征在于，步骤S2中，具体为：

S21、对于每个小波重构子带，做绝对值处理；

S22、从大到小求出绝对值处理后子带中的局部峰值与该子带均值的比值PMR；

S23、选出PMR大于设定的第一个参数N的局部峰值作为裁剪奇异点的候选判决点Fi；

S24、如果PMR>k*N，k为一个设定的第二个参数，则该子带的N取PMR/2；

S25、通过上述处理后，得到每个小波包重构子带的候选判决点。

4.根据权利要求1所述的检测与定位音频时域篡改的处理方法，其特征在于，步骤S3中具体为：

逐一取出候选判决点Fi，若Fi附近以Fi为原点的[-n1,-n2]和[n1,n2]的范围内存在大于P*Fi的数据点，其中n1为设定的第三个参数，n2为设定的第四个参数，P为设定的第五个参数，则认为Fi是处于奇异点群中奇异点，为音频本身产生的，由此排除Fi的候选地位。

5.根据权利要求1所述的检测与定位音频时域篡改的处理方法，其特征在于，改变参数N的根据是同一子带的奇异点的PMR应当处于同一数量级上。

Images