CN103985389B

CN103985389B - 一种针对amr音频文件的隐写分析方法

Info

Publication number: CN103985389B
Application number: CN201410240018.9A
Authority: CN
Inventors: 任延珍; 蔡婷婷; 熊浩; 范梦迪
Original assignee: Wuhan University WHU
Current assignee: Wuhan University WHU
Priority date: 2014-05-30
Filing date: 2014-05-30
Publication date: 2017-03-01
Anticipated expiration: 2034-05-30
Also published as: CN103985389A

Abstract

本发明公开了一种针对AMR音频文件的隐写分析方法，本发明深入挖掘了AMR编码过程中的固定码本搜索原理以及嵌入算法原理，发现现有基于轨道脉冲位置调制的AMR隐写算法必然会破坏固定码本搜索的脉冲固有特征，导致同轨道中第一个脉冲位置和第二个脉冲位置之间具有较强的相关性；本发明可应用于所有基于脉冲位置调制的隐藏算法以及AMR‑NB、AMR‑WB不同编码模式，G729、G723.1等一类基于ACELP技术编码的压缩语音隐写分析，具有广泛地通用性和较高的检测正确率。

Description

一种针对AMR音频文件的隐写分析方法

技术领域

本发明涉及数字音频信息隐藏领域，尤其涉及一种基于AMR音频轨道脉冲位置调制隐写的通用隐写分析方法。

背景技术

公知，随着移动互联网音频应用业务的飞速发展，各种压缩音频文件在internet中被分享和传播，数字化语音在通信系统中所占的比重越来越大。作为3GPP组织指定的第三代移动终端主流语音编码标准，自适应多速率语音编码AMR的应用非常广泛。其开源c编解码源码[1]，可对16bit量化无压缩的PCM语音信号，如网络公开的WAV数据库[2][3]以及采用录音软件如cooledit[4]录制的PCM音频，进行不同模式下的编解码，以适应不同的网络传输带宽。各种手机终端系统，如iPhone，Samsung，Nokia等，以及一些主流的移动终端通信软件，如QQ，WeChat，都支持AMR语音格式。与此同时，面向压缩音频格式的隐写算法和工具也逐渐涌现，基于脉冲位置调制的AMR隐写算法具有嵌入容量高和隐蔽性良好的特性，因此给语音内容的安全通信带来隐患，同时给音频隐写分析也带来了新的挑战。

隐写分析技术(Steganalysis)是信息隐藏的对抗技术，通过对载体固有统计特性和隐写引起载体特性细微改变的分析，检测数字图像、音频、视频等载体信息中是否存在隐秘信息和隐秘通信的行为，从而达到对载密信息的破坏、检测、甚至提取秘密信息的目的。随着隐写算法的不断发展，近年来针对压缩音频的隐写分析算法也不断出现，但主要集中在Mp3和AAC音频压缩格式的隐写分析算法，目前还没有针对AMR压缩音频隐写分析的公开文献发表。

现有AMR隐藏算法都是基于其编码过程中固定码本搜索采用的深度优先树搜索方式是不彻底的搜索，导致选出的码本矢量是次优的，意味着固定码本参数存在很大的冗余度，还有其它可选空间，因此可以通过控制固定码本搜索策略，将秘密信息嵌入到每个轨道的最后一个脉冲位置中，并建立脉冲位置与隐藏信息之间的映射关系，实现秘密信息的嵌入和提取。2008年Geiser B[5]率先提出针对AMR-NB 12.2kbit/s的隐写方法，限制每个轨道的第二个脉冲位置由同轨道第一个脉冲位置和秘密信息共同决定，嵌入容量高的同时计算复杂度低。2013年Miao[6]等人基于文献[5]的嵌入原理，提出一种面向AMR-WB自适应次优脉冲组合限制的隐写算法，其应用范围广，同样适用于AMR-NB。这类嵌入算法嵌入容量大，可在AMR-NB12.2kbit/s模式下最大嵌入3kbps的秘密信息，同时不带来明显的听觉质量的降低。因此针对AMR音频的隐写分析技术研究具有非常重要和迫切的需求。

参考文献：

[1](2010).ANSI-C code for the floating-point Adaptive Multi-Rate(AMR)speech codec[OnLine].Available:http://www.3gpp.org/DynaReport/26104.htm

[2](2010,June).Mandatory speech codec speech processing functions,Adaptive Multi-Rate(AMR)speech codec test sequences[OnLine].Available:http://www.3gpp.org/DynaReport/26074.htm

[3](2007,Oct).CMU audio databases[OnLine].Available:http://www.speech.cs.cmu.edu/databases/

[4](2012,Mar).Adobe Audition CS6[OnLine].Available:http://www.adobe.com/cfusion/tdrc/index.cfm？product＝audition&loc＝cn

[5]Geiser B,Vary P.High rate data hiding in ACELP speech codecs[C]//Acoustics,Speech and Signal Processing,2008.ICASSP 2008.IEEE InternationalConference on.IEEE,2008:4005-4008.

[6]Miao H,Huang L,Chen Z,et al.A new scheme for covert communicationvia 3G encoded speech[J].Computers&Electrical Engineering,2012,38(6):1490-1501.

发明内容

本发明为了解决上述的技术问题，提出了一种针对AMR音频文件的隐写分析方法。

本发明的技术方案是：一种针对AMR音频文件的隐写分析方法，包括如下步骤：

步骤1.构建一个AMR自适应多速率语音编码音频样本库；随机选择一部分音频样本作为训练样本集，其余音频样本为待测样本集；

步骤2.训练过程，包括如下步骤：

步骤2.1，输入训练样本集，对包括隐写音频和非隐写音频的训练样本集中所有的训练音频进行解码，然后计算同轨道脉冲位置相同概率SPP；

步骤2.2，通过分类器对训练样本集中的所有训练音频的同轨道脉冲位置相同概率特征矢量SPP进行训练得到分类model；

步骤3.预测过程，包括以下步骤：

步骤3.1，解码待测样本集音频的帧，计算待测音频的同轨道脉冲位置相同概率SPP；

步骤3.2，根据训练得到的分类model对待测音频的同轨道脉冲位置相同概率SPP进行预测，判断是否为隐写音频；

其中，同轨道脉冲位置相同概率SPP，具体实现方式如下：

①.对于一个AMR压缩音频的比特流，假定其包含的子帧总数为N_f，每个子帧中脉冲数量为N_p，每个子帧中轨道数量为N_t，每个轨道中脉冲的数量为N_{p_t}，解码AMR音频的每个子帧，提取其非零脉冲位置参数；

②.若整段音频信号中同一轨道两个非零脉冲位置同时出现的概率PCP，则轨道t的PCP矩阵计算如下：

其中，0≤t≤N_t-1；i,j为轨道t中可选脉冲位置，1≤i,j≤N_p；f为子帧序号，1≤f≤N_f；i_a为轨道t中第一个非零脉冲的位置，i_b为轨道t中第二个非零脉冲的位置，P是一个子帧中同一轨道两个非零脉冲位置同时出现的概率

③.若整段音频信号中同轨道脉冲位置相同概率为SPP，则轨道t中每个脉冲位置i的SPP值计算如下式：

SPP_t(i)＝PCP_t(i,i)

同轨道脉冲位置相同概率SPP＝{SPP_t(i)|1≤i≤N_p,i≠First_Pos(t),0≤t≤N_t-1}，其中，1≤i≤N_p，First_Pos(t)为轨道t的第一个可选脉冲位置，

本发明的有益效果是：

1、通用性强；本发明的隐写分析方法把编码过程中的固定码本搜索原理和脉冲位置调制嵌入原理相结合，从根本上反映了基于脉冲位置隐写的实质，对依ACELP技术编码的压缩语音基于脉冲位置调制的隐写方法都可适用，因此具有广泛的通用性；本发明中虽然是采用AMR-NB标准的音频来作分析的，但也可应用在AMR-WB、G729、G723.1等音频标准之上。

2、检测率高；本发明通过对大量不同来源的AMR音频样本的测试，采用现有基于轨道脉冲位置调制的AMR隐写算法，在不同嵌入率、不同编码模式、不同嵌入参数情况下的检测性能进行了综合实验评估；实验结果表明，本发明所提特征对基于脉冲位置调制的隐写算法有很好的检测性能，在嵌入率为30％以上时，载密音频的检测正确率高于85％，对载体音频的检测正确率高于90％，针对网络AMR音频的检测正确率为83.8％，因此具备良好的隐写检测性能。

附图说明

图1是本发明的流程图；

图2是本发明的特征提取流程图。

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。

本发明提供的一种AMR音频隐写分析方法，针对AMR音频隐写的特点，从固定码本的搜索原理入手，提出基于脉冲位置相同概率的AMR隐写分析算法。算法的检测通过模式分类的方法实现，包括训练过程和预测过程。训练过程包括对训练样本集中所有音频提取特征并采用分类器训练得到分类model；预测过程包括对待测音频用同样方式提取特征，用训练好的model对特征进行判断，根据预测结果判定该音频是否为隐写音频。

本发明中的核心技术是如何寻找到载体音频和载密音频的明显区分特征。因此，在发明内容陈述之前，首先对AMR编码原理及已有的嵌入算法原理进行介绍。AMR编码器算法是一种基于代数码本线性预测(ACELP：Algebraic Coded Exited Linear Prediction)的混合编码算法。固定码本搜索是AMR编码过程中的关键环节，在脉冲轨道中选择最优的少数几个非零脉冲位置来实现压缩编码。AMR中的固定码本结构是基于交错正负脉冲(Interleaved Single-Pulse Permutation,ISPP)设计的，不同的编码速率模式具有不同的脉冲分布。以AMR-NB 12.2kbit/s模式下为例，该模式的脉冲分布如表1所示。编码器将8kHz采样率信号以20ms为一帧进行编码，每帧分为4个5ms子帧，每个子帧有40个采样点，即40个脉冲位置。固定码本矢量在每个子帧中进行搜索，根据表1将40脉冲点分为5个轨道，在每个轨道中选择2个非零脉冲位置进行编码，每个子帧共编码10个非零脉冲位置。

表1 AMR-NB 12.2kbit/s模式下固定码本矢量中非零脉冲分布

在AMR编码过程中，固定码本搜索对于每个脉冲位置的选择原则是保证合成语音与原始语音的加权均方误差最小。从理论上讲，如果使用全局搜索算法，则获得的码本应保持在整个参考帧内最优，但在实际编码过程中为了保证编码算法的计算效率，往往使用快速搜索算法代替全局搜索算法以提高搜索速度，这就使得最终得到的码本通常是次优的而非最优。

而现有AMR隐藏算法则是基于该思路，改变固定码本的搜索策略，以其它次优码本代替搜索到的码本矢量实现秘密信息的嵌入。首先通过深度优先搜索树构建一个目标码本矢量，然后限制每个轨道最后一个非零脉冲位置的可选范围，使其与同轨道其它脉冲位置以及秘密信息之间建立一种映射关系完成秘密信息的嵌入。

这类隐藏算法破坏了固定码本搜索的脉冲分布特性，使得同轨道中的非零脉冲位置之间具有较强的相关性。通过对大量载密和载体音频样本的实验发现，隐写音频同一轨道中两个脉冲位置相同的概率明显高于其原始音频(载体音频)中脉冲位置相同的概率。如表2，表3所示，原始音频和隐写音频均采用AMR-NB 12.2kbit/s模式编码，表格中每个浮点值代表轨道1中两个脉冲位置在整段音频信号中同时出现的概率PCP值，横轴表示轨道1中第一个非零脉冲可选位置，纵轴表示轨道1中第二个非零脉冲可选位置。从表中可以看出，隐写音频中的PCP分布明显比原始音频均匀，尤其表现在对角线上。原始音频的PCP分布对角线值明显小于隐写音频，其数值基本为0.008左右，而隐写音频的则为0.015左右，与周围其他位置的PCP值接近。

表2是本发明实施例AMR-NB 12.2kbit/s编码模式下，载体音频轨道1的PCP统计值

脉冲位置	0	5	10	15	20	25	30	35
									0	0.021841	0.021704	0.021738	0.022031	0.021945	0.020724	0.022168	0.020965
5	0.025296	0.007149	0.015260	0.014590	0.016308	0.014882	0.013885	0.014057
									10	0.022735	0.015672	0.006616	0.014263	0.013799	0.015397	0.014899	0.014280
15	0.019504	0.015964	0.014761	0.006307	0.014057	0.013507	0.014744	0.014590
									20	0.021395	0.014194	0.015174	0.014882	0.006564	0.015105	0.014023	0.015655
25	0.021670	0.015122	0.014315	0.015311	0.015002	0.006805	0.014160	0.014401
									30	0.021120	0.015844	0.014487	0.013438	0.014727	0.014040	0.007630	0.015913
35	0.021515	0.015208	0.015861	0.015982	0.014229	0.015672	0.015741	0.009177

表3是本发明实施例AMR-NB 12.2kbit/s编码模式下，隐写音频轨道1的PCP统计值

脉冲位置	0	5	10	15	20	25	30	35
									0	0.024471	0.020398	0.017374	0.017064	0.017975	0.018078	0.020484	0.020690
5	0.019934	0.016325	0.015724	0.013215	0.015569	0.014452	0.015140	0.015707
									10	0.022460	0.014246	0.015225	0.015243	0.013026	0.014968	0.012854	0.013507
15	0.017786	0.015363	0.014349	0.015329	0.015432	0.013610	0.014160	0.012854
									20	0.019401	0.014246	0.016291	0.014315	0.014951	0.014916	0.012253	0.013679
25	0.018267	0.014349	0.014985	0.016274	0.012802	0.014074	0.013593	0.013181
									30	0.019144	0.016239	0.013473	0.013713	0.015002	0.012768	0.014727	0.015552
35	0.019350	0.015518	0.013644	0.013266	0.013490	0.015277	0.013576	0.014676

而原始音频和隐写音频重压缩校准之后的PCP分布都与重压缩之前的原始音频PCP分布一致，说明AMR编码过程中固定码本搜索有抑制2个脉冲选择同一个位置的倾向。这也是本专利中AMR隐写分析方法的思想来源。因此，本发明提出基于脉冲位置相同概率特征SPP，利用分类器算法实现隐写检测。

本发明的隐写分析方法采用模式识别的分类机制，分为训练和预测两大部分。训练部分如附图1中S2步骤所示，包括对训练音频构成的训练样本集(即所有音频样本，包括cover和stego)进行特征提取，之后对所选定特征用分类器进行训练，得到分类model，分类器可采用现有技术实现；预测过程如如附图1中S3步骤所示所示，对待测样本(即待测音频)进行同样的特征提取，用分类model对特征进行预测检验得到最终结果。实施例的训练和预测都用到了特征提取，特征提取部分如附图2所示，对于待测音频进行解码后计算其同轨道脉冲位置相同概率SPP。预测部分用分类model对提取的特征做分类判决，结果指示是隐写音频还是非隐写音频。下面分别对隐写分析的训练部分和预测部分的做详细描述。

如图1所示，一种针对AMR音频文件的隐写分析方法，其特征在于，包括如下步骤：

步骤2.训练过程，包括如下步骤：

步骤2.2，通过分类器对训练样本集中的所有训练音频的同轨道脉冲位置相同概率SPP进行训练得到分类model；

步骤3.预测过程，包括以下步骤：

其中，同轨道脉冲位置相同概率特征SPP，具体实现方式如下：

③.若整段音频信号中同轨道脉冲位置相同概率SPP，则轨道t中每个脉冲位置i(1≤i≤N_p)的SPP值计算如下式，即该轨道中第一、第二脉冲位置相同的概率：

SPP_t(i)＝PCP_t(i,i)

同轨道脉冲位置相同概率SPP＝{SPP_t(i)|1≤i≤N_p,i≠First_Pos(t),0≤t≤N_t-1}，其中 First_Pos(t)为轨道t的第一个可选脉冲位置。

采用本发明提出的针对AMR的隐写分析方法，对已有的两种基于轨道脉冲位置调制的AMR隐写算法，在不同嵌入率、不同编码模式、不同嵌入参数情况下的检测性能进行了综合实验评估；

实验过程如下：

实验设置

音频测试序列：实验采用了两种类型的音频数据库。所有音频样本片段的时长约为30s左右，包括数字语音和不同语言的音乐，如英语、汉语、日语、韩语，类型涵盖爵士、摇滚、民谣等。

音频数据库DB1：包括网络下载和手机录制AMR压缩音频。其中有1570段来自网上下载，2000段来源于不同手机录制的AMR音频片段，编码模式12.2kbit/s，共计3570段AMR音频样本。

音频数据库DB2：自制音频。来自于网络公开WAV数据库和以及自己通过cooledit录制的PCM音频，共计2303段，8kHz采样，16bit量化无压缩，单声道，对每段WAV采用3GPP公开的floating-point AMR编码器源码进行编码，编码速率模式分别选择12.2kbit/s和10.2kbit/s，共得到编码AMR样本4606段。

隐藏算法：实验针对现有文献中所提出的基于固定码本搜索的脉冲位置隐写方法，实现了Geiser B和Miao两种方法。以伪随机生成序列的方式在DB2音频库2303段WAV音频编码过程中嵌入秘密信息。最终得到隐写样本集如下：

隐写样本库Stego1：采用Geiser B方法,在AMR 12.2kbit/s编码模式下，对DB2样本库的样本分别生成相对嵌入率为20％、30％、40％、60％、80％和100％的样本，共计2303*6＝13818段隐写AMR样本。

隐写样本库Stego2：采用Miao隐藏算法，设置控制每个子帧嵌入比特数因子η分别为1,2或4。对于每个η值，在12.2kbit/s编码模式下，对DB2样本库的样本分别生成相对嵌入率为20％、30％、40％、60％、80％和100％的载密音频样本；在10.2kbit/s编码模式下，对DB2样本库的样本分别生成相对嵌入率为25％、37.5％、50％、75％和100％的载密音频样本，所得样本总数为2303*3*6+2303*3*5＝75999段。

训练和分类：实验分两部分进行，AMR编码速率分别为12.2kbit/s和10.2kbit/s。

对待测cover(载体)和stego(隐写)音频按帧解码，提取出脉冲位置参数，计算每个音频样本的SPP特征值。对12.2kbit/s编码模式的样本，提出的特征维数为35维，随机选择50％的cover音频、30％嵌入率为20％以及20％嵌入率为40％的stego音频(Miao嵌入方法中η＝1,4)进行训练，其余样本用来预测。对10.2kbit/s编码模式的样本，提取的特征维数为36维，用50％的cover音频、35％嵌入率为25％以及15％嵌入率为50％的stego音频进行训练，剩余样本用来测试。实验选择LIBSVM分类器，核函数采用RBF。

实验结果

AMR编码模式为12.2kbit/s和10.2kbit/s的实验结果分别如表4和表5所示。实验数据的性能指标用TPR，TNR表示，其中，TPR表示将stego样本正确判断为隐写样本的概率，TNR表示将cover样本正确判断为载体样本的概率，MBC为该嵌入模式情况下的最大嵌入容量，单位为kbps，相对嵌入率为实际嵌入bit数占文件可嵌入最大bit数的比例。表4和表5中嵌入率为0％的情况为载体音频，其中网络AMR是指对数据库DB1的3570段AMR样本的隐写检测的TNR值；η为Miao方法中嵌入比特数控制参数。由于Geiser B方法只能实现对AMR-NB12.2kbit/s模式的嵌入，因此在表5中仅有Miao方法在取不同η值的检测结果。

表4编码模式为12.2kbit/s的隐写分析检测结果

表5编码模式为10.2kbit/s的隐写分析检测结果

以上实验结果表明，在AMR-NB 12.2kbit/s编码模式下，本发明提出的方法针对通过3GPPAMR编码器制作的载体音频的TNR为94.14％；而针对网络AMR音频的TNR为83.8％，因此，该方法对载体音频有很好的分类判定性能。针对不同嵌入率的载密音频的检测，本发明对Geiser B隐藏算法的检测性能优于针对Miao的检测性能，对Geiser B隐藏算法，在相对嵌入率为30％及以上时TPR可以达到86％；对Miao隐藏算法，在相对嵌入率为40％及以上时TPR可以达到87％，因此具备良好的隐写分类性能。在AMR-NB 10.2kbit/s编码模式下，本文方法针对cover音频的TPR为90.18％；对隐写音频，本发明在相对嵌入率为37.5％及以上时,TPR高于83％，因此具备良好的AMR隐写分类性能。

Claims

1.一种针对AMR音频文件的隐写分析方法，其特征在于，包括如下步骤：

步骤2.训练过程，包括如下步骤：

步骤3.预测过程，包括以下步骤：

步骤3.2，根据训练得到的分类model对待测音频的同轨道脉冲位置相同概率特征SPP进行预测，判断是否为隐写音频；

其中，同轨道脉冲位置相同概率SPP，具体实现方式如下：

{PCP}_{t} (i, j) = \frac{Σ_{f = 1}^{N_{f}} P (i_{a} = i, i_{b} = j)}{N_{f}}

其中，0≤t≤N_t-1；i,j为轨道t中可选脉冲位置，1≤i,j≤N_p；f为子帧序号，1≤f≤N_f；i_a为轨道t中第一个非零脉冲的位置，i_b为轨道t中第二个非零脉冲的位置，P是一个子帧中同一轨道两个非零脉冲位置同时出现的概率；

SPP_t(i)＝PCP_t(i,i)

同轨道脉冲位置相同概率SPP＝{SPP_t(i)|1≤i≤N_p,i≠First_Pos(t),0≤t≤N_t-1}，其中，1≤i≤N_p，First_Pos(t)为轨道t的第一个可选脉冲位置。