CN103986721B - 一种面向ip语音的最低有效位分级隐写方法 - Google Patents
一种面向ip语音的最低有效位分级隐写方法 Download PDFInfo
- Publication number
- CN103986721B CN103986721B CN201410227422.2A CN201410227422A CN103986721B CN 103986721 B CN103986721 B CN 103986721B CN 201410227422 A CN201410227422 A CN 201410227422A CN 103986721 B CN103986721 B CN 103986721B
- Authority
- CN
- China
- Prior art keywords
- lsb
- level
- secret information
- voice
- grading
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 239000013598 vector Substances 0.000 claims description 24
- 239000000969 carrier Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 101100379081 Emericella variicolor andC gene Proteins 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241001589086 Bellapiscis medius Species 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种面向IP语音的最低有效位分级隐写方法，属于安全通信领域，适用于以IP语音(Voice over IP,VoIP)为载体的隐蔽通信，其目的是降低隐写过程对载体语音质量的影响从而提高隐蔽通信的不可感知性。本发明包括(1)LSB分级步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明能够充分且有效地利用各LSB的冗余性，通过对LSB进行分级，使得在嵌入过程中可优先选取冗余性高的LSB位，从而尽最大可能减少了嵌入操作对载体语音质量的影响。此外，本发明中的最低有效位分级隐写方法，与语音流具体采用的语音编码无关，因而，适用于所有参数编码语音，具有很好的普适性。
Description
技术领域
本发明涉及安全通信领域，特别涉及一种面向IP语音的LSB(最低有效位)分级隐写方法，适用于以IP语音(Voice over IP,VoIP)为载体的隐蔽通信。
背景技术
随着网络和计算机技术的飞速发展，越来越多的网络应用已逐渐深入人心，人们的生产、工作和生活已经越来越离不开互联网。然而，在网络给人们带来便利的同时也存在通信内容的泄露，个人信息被窃取等风险。因此，人们开始普遍关注如何进行安全通信，保护信息安全等问题。隐写(Steganography)技术是近几年来受到广泛关注的一项隐蔽通信技术，它是利用人类感觉器官的不敏感性(感觉冗余)以及多媒体数字信号本身存在的冗余(数据特性冗余)，在不影响载体质量及正常通信的前提下，将隐秘信息隐藏在可公开的媒体信息中，使得隐秘信息不被察觉地传输。与传统的加密技术相比，隐写技术隐藏了信息的存在性，使得隐蔽通信不易被察觉，从而提高了隐秘信息的安全性。
从现有的文献来看，目前的隐写已不仅仅局限于图像，文本，音频等静态媒体，越来越多的学者开始热衷于基于动态流媒体的隐写技术研究，最为代表性的即为基于IP语音(Voice over IP,VoIP)的隐写及隐蔽通信技术研究。主流的研究思路是以编码后的语音流作为载体，利用其冗余性实现隐秘信息的隐藏。基于最低有效位(Least Significant Bit,LSB)的隐写，以其低复杂度和高隐藏容量等优点，成为目前在IP语音中应用最多的一种技术。但是如何提高其安全性(包括不可感知性和不可检测性)仍然是一个富有挑战性的课题。迄今为止，已有许多研究者对此进行了研究。在抵抗检测攻击方面，Dittmann等人首先主张在LSB隐藏前进行加密处理以消除隐秘信息间的相关性，并提出了基于Twofish和Tiger加密技术的隐写方案，见C.Kratzer,J.Dittmann,T.Vogel,et al.Design andevaluation of steganography for voice-over-IP,Proceedings of the 19th IEEEInternational Symposium on Circuits and Systems,May,2006,pp.2397-2340。尽管这一方案有效地提高了安全性，但是不难看出，这种传统加密方式将会给VoIP系统带来很大的通信延迟，而这种延迟给语音质量带来的损害，将使得隐蔽通信陷入另一个易于“暴露”的极端。为此，Tian等人提出用m序列代替Twofish和Tiger对隐秘信息进行加密，在消除隐秘信息间的相关性的同时，维护IP语音的实时性，见H.Tian,K.Zhou,H.Jiang,et al.An m-sequence based steganography model for voice over IP.Proceedings of the 44thIEEE International Conference on Communications,June,2009,pp.1-5。在维护IP语音的不可感知性方面，Huang等引入了LSB Matching算法来降低载体的改变量，见Y.Huang,B.Xiao,H.Xiao.Implementation of covert communication based on steganography,Proceedings of the 4th International Conference on Intelligent InformationHiding and Multimedia Signal Processing,August,2008,pp.1512-1515.但是该方法将隐藏容量降低到了传统LSB方法的一半。Liu等人则是将语音帧的LSB转换成多进制(如二进制，三进制及五进制)序列，以多进制的方式执行嵌入操作，这种方式不仅提高了隐藏容量，而且减少了对语音质量的影响，见J.Liu,et al.Least-significant-digitsteganography in low bitrate speech.Proceedings of the 47th IEEEInternational Conference on Communications,June,2012,pp.1-5。Tian等主张在隐藏过程中引入隐写编码，来缓解隐藏容量和载体改变量间的矛盾，有效地提高了隐写的不可感知性，见H.Tian,H.Jiang,K.Zhou,D.Feng Transparency-orientated encodingstrategies for voice-over-IP steganography.The Computer Journal,2012,55(6):702-716.
尽管上述方法在提高隐写安全性方面取得了显著成果，但是它们却都忽略了不同LSB之间的差异性，将其同等对待。然而，对于参数编码的语音流而言，同一语音帧中的每个比特对重构语音的语音质量的影响并非同等的。因此，在隐写过程中，可以充分挖掘LSB间的差异性，优先选取冗余度高的LSB执行嵌入，可大大降低隐写操作对载体语音质量的影响，从而可极大提高隐蔽通信的不可感知性。
发明内容
本发明的主要目的在于针对IP语音的特点，在充分挖掘最低有效位隐藏特性的差异基础上，提出一种面向IP语音的最低有效位(Least Significant Bit,LSB)分级隐写方法，其目的是降低隐写过程对载体语音质量的影响从而提高隐蔽通信的不可感知性。
本发明采用如下技术方案：
一种面向IP语音的最低有效位分级隐写方法，其特征在于：发送方与接收方事先约定每语音帧嵌入隐秘信息M的长度LM，具体步骤如下：
(1)LSB分级步骤：对语音帧进行逐比特置反测试，并采用ITU-T P.862标准提供的语音质量评估方法得出每比特的MOS-LQO值，根据MOS-LQO值进行LSB的选择和分级，得到r个可隐藏级别，记为C＝{C1,C2,…,Cr}；第i级共包含Li个LSB，表示为
(2)嵌入隐秘信息步骤：发送方根据LM，结合步骤(1)得到的r个可隐藏级别，计算嵌入过程所需载体的权重向量W，并依据该权重向量W以语音帧为单位将隐秘信息M分段替换到载体LSB的各个可隐藏级别中，完成隐秘信息的嵌入操作；
(3)提取隐秘信息步骤：根据约定的每语音帧嵌入隐秘信息M的长度LM和步骤(1)得到r个可隐藏级别，计算载体的权重向量W；并根据权重向量W从载体LSB的各个可隐藏级别中依次提取隐秘信息，完成隐秘信息的提取操作。
优选的，事先设定阈值H和阈值T，所述LSB分级步骤包括如下过程：
(1.1)LSB的选择：将语音帧的各比特置反后得到的MOS-LQO值按从高到低排序，选取MOS-LQO值大于阈值H的所有比特构成LSB序列，记为B＝{b1,b2,…,bn}，n为LSB的总数目，执行过程(1.2)；
(1.2)预分级过程：将集合B中的第一个元素分配到子集B1，其余元素则分配到子集B2中，即B1＝{b1}，B2＝{b2,...,bn}，执行过程(1.3)；
(1.3)细化分级过程：计算集合B1中所有元素的平均MOS-LQO值并记为G1，并对集合B2中的每个元素依次计算绝对值ai＝│si–G1│，2≤i≤│B2│+1,│B2│为集合B2中元素的个数，si为集合B2中的元素bi所对应的MOS-LQO值，并做如下判断：
若ai<T，则集合B2中的元素bi属于子集B1，将元素bi从集合B2移到集合B1同时将元素bi从集合B2中移除，若ai≥T，则将元素bi视为临界点，并将元素bi暂时分配到集合B1；之后，判断集合B2是否为空集，若是，则对语音帧的LSB分级结束，执行过程(1.5)，否则，集合B1分配结束，执行过程(1.4)；
(1.4)对过程(1.3)中的集合B2继续分级，即B＝B2，执行过程(1.2)；
(1.5)重新分配临界点：对过程(1.3)中所提及的所有临界点进行重新分配；将当前临界点Q的MOS-LQO值与下一级的平均MOS-LQO值之差的绝对值记为p，若p>T,则将当前临界点分配到下一级LSB的可隐藏级别中，若p≤T，则当前临界点仍归于当前LSB的可隐藏级别中。
优选的，所述LSB分级步骤中，H＞3.5；阈值T影响最终的级别数，T越大，级别数越少，反之，级别数越多。
优选的，所述LSB分级步骤在线下完成，其分级结果为发送方和接收方所共知。
优选的，所述嵌入隐秘信息步骤包括如下过程：
(2.1)计算权重向量W：记权重向量W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数，wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
其中，LC表示语音帧中所采用的载体LSB总个数；α＝LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值，Li为第i个可隐藏级别中LSB的个数。
(2.2)根据权重向量W中非零元素的个数k，将隐秘信息M分成k组，即M＝{M1,M2,…,Mk},li为每组隐秘信息的长度且1≤i≤k，其计算式为li＝Li*wi；
隐秘信息的嵌入过程表达式为：
其中，为随机生成的选择因子的集合，vi＝0或1，1≤i≤Lk，且C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，其中符号表示替换操作。
优选的，在步骤(2.2)中，当1＜k≤r时：
第1级到第k-1级用隐秘信息按序替换对应级别中的LSB，表达式为所述的
第k级，当vi＝0时，对应级别中的第i个LSB ck,i保持不变，当vi＝1时，将对应级别中的第i个LSB ck,i用第k个隐秘信息分组中的第t个比特mk,t替换，其中变量表达式为所述的
当k≠r时，第k+1级到第r级所包含的LSB不做修改，表达式为所述的
优选的，在步骤(2.2)中，当k＝1时，只将隐秘信息嵌入到第一个级别；当vi＝0时，第一个级别中对应的第i个LSB ck,i保持不变；当vi＝1时，将第一个级别中对应的第i个LSBck,i用第一个隐秘信息分组中的第t个比特mk,t替换，其中变量表达式为所述的
第k+1级到第r级所包含的LSB不做修改，表达式为所述的
优选的，所述嵌入隐秘信息步骤中，优先选取可隐藏级别高的LSB分组执行嵌入即计算权重向量W的过程中，可隐藏级别越高的分组的权重取值越大；在权重系数小于1的同级别中则根据权重系数随机生成的选择因子指导隐秘信息的嵌入。
优选的，所述选择因子采用伪随机的方式生成，该随机序列的种子可作为密钥，生成方法和密钥为发送方和接收方所共知。
优选的，所述提取隐秘信息步骤包括如下：
(3.1)接收方根据分级结果，和事先约定的每帧嵌入隐秘信息M的长度LM，确定权重向量W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数；wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
其中，LC表示语音帧中所采用的载体LSB总个数；α＝LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值；
(3.2)根据步骤(3.1)所得的权重向量W，计算W中非零元素的个数k，k为隐秘信息的分组数；隐秘信息M的提取过程可形式化表示为：
式中,li为每个可隐藏级别中嵌入隐秘信息的长度且1≤i≤k，其计算式为li＝Li*wi,；Li为第i个可隐藏级别中LSB的个数；C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，r为可隐藏级别的总数， 为利用与发送方相同随机序列生成方法和相同的密钥随机生成的选择因子的集合,vq＝0或1，1≤q≤Lk且
优选的，在步骤(3.2)中，当1<k≤r时：
第1级到第k-1级隐秘信息可以从对应级别的LSB直接提取，表达式为所述的
第k级，当vi＝0时，对应的第i个LSB c′k,i不包含有隐秘信息，当vi＝1时，则可从第i个LSB c′k,i中提取隐秘信息，表达式为所述的
当k＝1时，只需在第一个级别中提取隐秘信息：
第k级，当vi＝0时，对应的第i个LSB c′k,i不包含有隐秘信息，当vi＝1时，则可从对应的第i个LSB c′k,i中提取隐秘信息，表达式为所述的
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：不可感知性是实现隐蔽通信的重要前提之一。本发明能够充分且有效地利用各LSB的冗余性，通过对LSB进行分级，使得在嵌入过程中可优先选取冗余性高的位，从而尽最大可能减少了嵌入操作对载体语音质量的影响。此外，本发明中的最低有效位(LSB)分级隐写方法，与语音流具体采用的语音编码无关，因而，适用于所有参数编码语音，具有很好的普适性。
附图说明
图1为本发明的流程示意图；
图2为ITU-T G.729a编码语音帧的最低有效位及其MOS-LQO值；
图3为ITU-T G.729a编码语音帧的LSB分级结果；
图4为第一级可隐藏等级中，隐藏容量为x的所有组合的LSB替换的MOS-LQO值；
图5为第二级可隐藏等级中，隐藏容量为x的所有组合的LSB替换的MOS-LQO值；
图6为第三级可隐藏等级中，隐藏容量为x的所有组合的LSB替换的MOS-LQO值；
图7为相同隐藏容量，载体为{第1级}和{第1级和第2级}的LSB替换的MOS-LQO值；
图8为相同隐藏容量，载体为{第1级}，{第1级和第2级}，{第1级和第3级}，{第2级和第3级}，{第1级，第2级和第3级}的LSB替换的MOS-LQO值；
图9为本发明的一种面向IP语音的LSB分级隐写方法与现有的LSB替换方法的性能比较。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明适用于所有采用参数编码的IP语音，以下将以广泛使用的ITU G.729a语音编码为例，并结合附图对本发明进一步说明。
本发明的处理流程如附图1所示，包括LSB分级步骤，嵌入隐秘信息步骤和提取隐秘信息步骤，事先约定：阈值H＝3.5，阈值T＝0.1。
1.LSB分级步骤包括如下过程：
1.1将ITU G.729a语音帧的各比特置反并测试MOS-LQO值，依MOS-LQO值对各比特从高到低排序。选取MOS-LQO值大于阈值H＝3.5的所有比特构成LSB序列。附图2所示的是ITU-T G.729a编码语音帧的LSB及其对应的MOS-LQO值。为便于描述，将排序后的LSB集合记为B＝{b1,b2,…,bn}，n＝40。
1.2预分级：对集合B进行初始分级，即B1＝{b1}，B2＝{b2,…,bn}。
1.3细化分级：计算集合B1中所有元素的平均MOS-LQO值记为G1，并对集合B2中的每个元素依次计算ai＝│si–G1│，其中，2≤i≤│B2│+1,│B2│为集合B2中元素的个数，si为集合B2中的元素bi所对应的MOS-LQO值，G1为集合B1中所有元素的平均MOS-LQO值；若ai<T，则集合B2中的元素bi属于子集B1，将元素bi从集合B2移到集合B1同时将元素bi从集合B2中移除；若ai≥T,则将元素bi视为临界点，并将元素bi暂时分配到集合B1；此时，若集合B2为空集，则对语音帧的LSB分级结束，执行过程1.5，否则，集合B1分配结束，执行过程1.4。
1.4对过程1.3中的集合B2继续分级，即B＝B2，执行过程1.2。
1.5重新分配临界点：完成LSB分级之后，需对过程1.3中所提及的所有临界点进行重新分配；计算当前临界点的MOS-LQO值与下一级的平均MOS-LQO值之差的绝对值p；若p>T,将当前临界点分配到下一级LSB隐藏等级中，若p≤T，将当前临界点仍归于当前LSB隐藏等级中。
根据以上所述步骤，ITU G.729a语音帧的LSB可分为四个可隐藏等级，如附图3所示。第一级为最优的可隐藏级别，包含7个LSB；第二级次之，包含5个LSB；第三级包含10个LSB；第四级包含18个LSB。
2.嵌入隐秘信息步骤包括如下过程：
2.1发送方首先根据每帧嵌入隐秘信息M的长度LM，结合LSB分级步骤得到r个可隐藏级别(ITU G.729a语音帧中，r＝4)，计算嵌入过程所需载体的权重向量W。W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数；wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
例如，当r＝4，LM＝16,则W＝{1,1,0.4,0}。
2.2根据W中非零元素的个数k，将隐秘信息M分成k组。隐秘信息的嵌入过程表达式为：
其中，为随机生成的选择因子的集合，vi＝0或1，1≤i≤Lk，且C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，其中符号表示替换操作。
延续上面的例子，对于k＝3，则M相应的分为三组，即M＝{M1,M2,M3}, 且l1＝7,l2＝5,l3＝4。对于第1组和第2组隐秘信息，根据表达式可按序替换对应级别中的LSB。对于第3组隐秘信息，首先随机生成选择因子集合vi＝0或1(1≤i≤Lk)，且当vi＝0时，对应级别中的第i个LSB ck,i保持不变，当vi＝1时，将对应级别中的第i个LSB ck,i用第k个隐秘信息分组中的第t个比特mk,t替换，其中变量
随机序列生成算法有许多种，本实施例采用Mersenne Twister(MT)算法，该算法是目前最优秀的随机数生成算法之一，它的周期可达到219937-1，并且具有卓越的计算效率，见M.Matsumoto,T.Nishimura.Mersenne Twister:A623-dimensionally equidistributeduniform pseudorandom number generator,ACM Transactions on Modeling andComputer Simulations:Special Issue on Uniform Random Number Generation,1998,8(1):3-30。
假设随机生成的选择因子集合V＝{1,0,0,1,1,0,0,1,0,0}，根据表达式则将第3组中的4比特隐秘信息依次替换第三个可隐藏级别中第1，4，5，8个LSB。根据表达式可知第4级所包含的LSB不做修改。
3.提取隐秘信息步骤包括如下过程：
3.1接收方根据分级结果和事先约定的每帧嵌入隐秘信息M的长度LM，确定权重向量W。W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数；wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
其中，LC表示语音帧中所采用的载体LSB总个数；α＝LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值。
延续上面的例子，W＝{1,1,0.4,0}。
确定权重向量W中非零元素的个数k，隐秘信息M的提取过程可形式化表示为：
式中,li(1≤i≤k)为每个可隐藏级别中嵌入隐秘信息的长度，其计算式为li＝Li*wi,；Li为第i个可隐藏级别中LSB的个数；C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，r为可隐藏级别的总数， 为利用与发送方相同随机序列生成方法和相同的密钥随机生成的选择因子的集合,vq＝0或1，1≤q≤Lk且延续上面的例子，此时k＝3，则：
第1组到第2组隐秘信息可以从对应级别的LSB直接提取，参照表达式
对于第k组，则先利用与发送方相同随机序列生成方法和相同的密钥随机生成选择因子集合V，如V＝{1,0,0,1,1,0,0,1,0,0}，当vi＝0时，对应的第i个LSB c′k,i不包含有隐秘信息，当vi＝1时，则可从对应的第i个LSB c′k,i中提取隐秘信息；然后根据表达式将第三个可隐藏级别中第1，4，5，8个LSB提取出来，得到第三组隐秘信息。将所有三组隐秘信息组合，即可得到隐藏到该帧的所有隐秘信息M。
为了对本发明进行评估，申请人测试了每个可隐藏等级的隐藏性能。即对各可隐藏等级分别进行LSB替换测试：以第i级的k位LSB为载体，测试隐藏容量为x比特/帧的所有组合的LSB替换(1≤i≤4，x＝2,3,4,...,k，k表示第i级的所有LSB位数)。对第一级，第二级，第三级的LSB替换测试结果，如附图4，附图5和附图6所示。从图中可看出，1)在不同级别选取相同载体数进行LSB替换所得的平均MOS-LQO值不同；隐藏级别越低的其平均MOS-LQO值越低，说明了经过分级之后，不同级别的可隐藏性能不一样，选取不同级别的LSB作为载体进行的LSB替换所得的语音质量也不同，验证了本发明中对LSB分级的必要性；2)在同级别中，对于隐藏容量相同的所有组合的LSB替换，它们的平均MOS-LQO值相差极小。这也是可以在同级别中，对于给定隐藏容量可以随机选择相同数目的载体LSB的原因。
为了验证隐藏等级高的LSB性能优于隐藏级别低的LSB性能，申请人做了如下测试：在相同隐藏容量的前提下，分别从{第一级}，{第一级，第二级}，{第一级，第二级，第三级}这三组中随机选择载体进行LSB替换。以上三组LSB替换的实验结果如附图7和附图8所示。从附图7，附图8可看出，在具有相同隐藏容量选择不同可隐藏等级的载体的情况下：选择第一级的LSB作为载体的平均MOS-LQO值会高于从第一级和第二级中随机选择的LSB作为载体的平均MOS-LQO值，而从第一，二，三级随机选择的LSB作为载体一组的平均MOS-LQO值则最低。这说明了分别对以上三组载体进行LSB替换后的载密语音的语音质量是依次降低的，因此，进一步验证了本发明对LSB分级的可提高隐写过程的不可感知性，增强隐蔽通信的安全性。
为了验证本发明中基于LSB分级的隐写方法的有效性，申请人将基于LSB分级的隐写方法与以下四种方法进行比较：1)选择Su分析所得的固定码书参数作为载体进行LSB替换，见Yamin Su,Yongfeng Huang,et al.Steganography-oriented noisy resistancemodel of G.729a,Proceedings of IMACS Multi-conference on ComputationalEngineering in Systems Applications,vol.1,4-6Oct.2006,pp.11-15；2)选择前三级中所有较优的LSB作为载体进行随机的LSB替换(共15比特，记m＝15)；3)选择前三级的所有LSB作为载体进行随机的LSB替换(共22比特，记m＝22)；4)选择语音帧的所有LSB作为载体进行随机的LSB替换(共40比特，记m＝40)。以上五组实验中隐藏容量分别从1比特/帧到15比特/帧的平均MOS-LQO值比较结果，如附图9所示。根据附图9容易得知，在相同隐藏容量的前提下，本发明的基于LSB分级的隐写方法的平均MOS-LQO值明显优于其他4组，这说明了本发明的基于LSB分级的隐写方法对载体语音质量的失真影响较小，嵌入隐秘信息后其语音质量良好，即具有较高的不可感知性(透明性)。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (11)
1.一种面向IP语音的最低有效位分级隐写方法，其特征在于：发送方与接收方事先约定每语音帧嵌入隐秘信息M的长度LM，具体步骤如下：
(1)LSB分级步骤：对语音帧进行逐比特置反测试，并采用ITU-T P.862标准提供的语音质量评估方法得出每比特的MOS-LQO值，根据MOS-LQO值进行LSB的选择和分级，得到r个可隐藏级别，记为C＝{C1,C2,…,Cr}；第i级共包含Li个LSB，表示为
(2)嵌入隐秘信息步骤：发送方根据LM，结合步骤(1)得到的r个可隐藏级别，计算嵌入过程所需载体的权重向量W，并依据该权重向量W以语音帧为单位将隐秘信息M分段替换到载体LSB的各个可隐藏级别中，完成隐秘信息的嵌入操作；
(3)提取隐秘信息步骤：根据约定的每语音帧嵌入隐秘信息M的长度LM和步骤(1)得到r个可隐藏级别，计算载体的权重向量W；并根据权重向量W从载体LSB的各个可隐藏级别中依次提取隐秘信息，完成隐秘信息的提取操作。
2.如权利要求1所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：事先设定阈值H和阈值T，所述LSB分级步骤包括如下过程：
(1.1)LSB的选择：将语音帧的各比特置反后得到的MOS-LQO值按从高到低排序，选取MOS-LQO值大于阈值H的所有比特构成LSB序列，记为B＝{b1,b2,…,bn}，n为LSB的总数目，执行过程(1.2)；
(1.2)预分级过程：将集合B中的第一个元素分配到子集B1，其余元素则分配到子集B2中，即B1＝{b1}，B2＝{b2,...,bn}，执行过程(1.3)；
(1.3)细化分级过程：计算集合B1中所有元素的平均MOS-LQO值并记为G1，并对集合B2中的每个元素依次计算绝对值ai＝│si–G1│，2≤i≤│B2│+1,│B2│为集合B2中元素的个数，si为集合B2中元素bi所对应的MOS-LQO值，并做如 下判断：
若ai<T，则集合B2中的元素bi属于子集B1，将元素bi从集合B2移到集合B1同时将元素bi从集合B2中移除，若ai≥T，则将元素bi视为临界点，并将元素bi暂时分配到集合B1；之后，判断集合B2是否为空集，若是，则对语音帧的LSB分级结束，执行过程(1.5)，否则，集合B1分配结束，执行过程(1.4)；
(1.4)对过程(1.3)中的集合B2继续分级，即B＝B2，执行过程(1.2)；
(1.5)重新分配临界点：对过程(1.3)中所提及的所有临界点进行重新分配；将当前临界点Q的MOS-LQO值与下一级的平均MOS-LQO值之差的绝对值记为p，若p>T,则将当前临界点分配到下一级LSB的可隐藏级别中，若p≤T，则当前临界点仍归于当前LSB的可隐藏级别中。
3.如权利要求2所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述LSB分级步骤中，H＞3.5；阈值T影响最终的级别数，T越大，级别数越少，反之，级别数越多。
4.如权利要求2所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述LSB分级步骤在线下完成，其分级结果为发送方和接收方所共知。
5.如权利要求1所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述嵌入隐秘信息步骤包括如下过程：
(2.1)计算权重向量W：记权重向量W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数，wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
其中，LC表示语音帧中所采用的载体LSB总个数；α＝LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值，Li为第i个可隐藏级别中LSB的个数 ；
(2.2)根据权重向量W中非零元素的个数k，将隐秘信息M分成k组，即M＝{M1,M2,…,Mk},li为每组隐秘信息的长度且1≤i≤k，其计算式为li＝Li*wi；
隐秘信息的嵌入过程表达式为：
其中，为随机生成的选择因子的集合，vi＝0或1，1≤i≤Lk，且C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，其中符号表示替换操作。
6.如权利要求5所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：在步骤(2.2)中，当1＜k≤r时：
第1级到第k-1级用隐秘信息按序替换对应级别中的LSB，表达式为所述的
第k级，当vi＝0时，对应级别中的第i个LSB ck,i保持不变，当vi＝1时，将对应级别中的第i个LSB ck,i用第k个隐秘信息分组中的第t个比特mk,t替换， 其中变量表达式为所述的
当k≠r时，第k+1级到第r级所包含的LSB不做修改，表达式为所述的
7.如权利要求5所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：在步骤(2.2)中，当k＝1时，只将隐秘信息嵌入到第一个级别；当vi＝0时，第一个级别中对应的第i个LSB ck,i保持不变；当vi＝1时，将第一个级别中对应的第i个LSB ck,i用第一个隐秘信息分组中的第t个比特mk,t替换，其中变量表达式为所述的
第k+1级到第r级所包含的LSB不做修改，表达式为所述的
8.如权利要求5所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述嵌入隐秘信息步骤中，优先选取可隐藏级别高的LSB分组执行嵌入即计算权重向量W的过程中，可隐藏级别越高的分组的权重取值越大；在权重系数小于1的同级别中则根据权重系数随机生成的选择因子指导隐秘信息的嵌入。
9.如权利要求5所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述选择因子采用伪随机的方式生成，该随机序列的种子可作为密钥，生成方法和密钥为发送方和接收方所共知。
10.如权利要求1所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：所述提取隐秘信息步骤包括如下：
(3.1)接收方根据分级结果，和事先约定的每帧嵌入隐秘信息M的长度LM，确定权重向量W＝{wi∈[0,1]|i＝1,2,…,r}，其中，r为可隐藏级别的总数；wi为第i个可隐藏级别的权重系数，定义为该可隐藏级别在隐藏过程中需选择的LSB数与该可隐藏级别中总LSB数之比，其计算方式可表述为：
上式中，x的计算方式如下：
其中，LC表示语音帧中所采用的载体LSB总个数；α＝LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值；
(3.2)根据步骤(3.1)所得的权重向量W，计算W中非零元素的个数k，k为隐秘信息的分组数；隐秘信息M的提取过程可形式化表示为：
式中,li为每个可隐藏级别中嵌入隐秘信息的长度且1≤i≤k，其计算式为li＝Li*wi,；Li为第i个可隐藏级别中LSB的个数；C′＝{C′1,C′2,…,C′r}表示嵌入隐秘信息后的载密信息集合，r为可隐藏级别的总数， 为利用与发送方相同随机序列生成方法和相同的密钥随机生成的选择因子的集合,vq＝0或1，1≤q≤Lk且
11.如权利要求10所述的一种面向IP语音的最低有效位分级隐写方法，其特征在于：在步骤(3.2)中，当1<k≤r时：
第1级到第k-1级隐秘信息可以从对应级别的LSB直接提取，表达式为所述的
第k级，当vi＝0时，对应的第i个LSB c′k,i不包含有隐秘信息，当vi＝1时，则可从第i个LSB c′k,i中提取隐秘信息，表达式为所述的
当k＝1时，只需在第一个级别中提取隐秘信息：
第k级，当vi＝0时，对应的第i个LSB c′k,i不包含有隐秘信息，当vi＝1时，则可从对应的第i个LSB c′k,i中提取隐秘信息，表达式为所述的
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410227422.2A CN103986721B (zh) | 2014-05-27 | 2014-05-27 | 一种面向ip语音的最低有效位分级隐写方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410227422.2A CN103986721B (zh) | 2014-05-27 | 2014-05-27 | 一种面向ip语音的最低有效位分级隐写方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103986721A CN103986721A (zh) | 2014-08-13 |
| CN103986721B true CN103986721B (zh) | 2017-02-22 |
Family
ID=51278546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410227422.2A Active CN103986721B (zh) | 2014-05-27 | 2014-05-27 | 一种面向ip语音的最低有效位分级隐写方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103986721B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111294367A (zh) * | 2020-05-14 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 音频信号后处理方法和装置、存储介质及电子设备 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104269175B (zh) * | 2014-08-28 | 2017-04-05 | 华侨大学 | 一种基于最佳相似度匹配的ip语音隐写方法 |
| CN105847250B (zh) * | 2016-03-22 | 2019-02-01 | 甘肃农业大学 | VoIP流媒体多维度信息隐写实时检测方法 |
| CN107993669B (zh) * | 2017-11-20 | 2021-04-16 | 西南交通大学 | 基于修改最低有效位数权重的语音内容认证和篡改恢复方法 |
| CN110457874A (zh) * | 2019-08-02 | 2019-11-15 | 中国工商银行股份有限公司 | 一种信息写入方法、信息读取方法及装置 |
| CN115242414A (zh) * | 2021-04-15 | 2022-10-25 | 华晨宝马汽车有限公司 | 基于工业实时数据的隐写方法、系统、介质及程序 |
| CN117614740B (zh) * | 2024-01-18 | 2024-04-16 | 华侨大学 | 一种基于多级矢量联合优化的ip语音隐写方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387147A (zh) * | 2011-10-24 | 2012-03-21 | 南开大学 | 高嵌入效率数字隐写方法—扩展型矩阵编码 |
| CN102522089A (zh) * | 2011-12-02 | 2012-06-27 | 华中科技大学 | 用于g.723.1语音编码器的信息嵌入和提取方法 |
-
2014
- 2014-05-27 CN CN201410227422.2A patent/CN103986721B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387147A (zh) * | 2011-10-24 | 2012-03-21 | 南开大学 | 高嵌入效率数字隐写方法—扩展型矩阵编码 |
| CN102522089A (zh) * | 2011-12-02 | 2012-06-27 | 华中科技大学 | 用于g.723.1语音编码器的信息嵌入和提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《一种基于G.729a语音的信息隐蔽方法》;郭舒婷，田晖;《华侨大学学报》;20140520;第35卷(第3期);全文 * |
| 《一种基于码字分布特性的G.729A压缩语音流隐写分析方法》;李松斌，孙东红，袁键，黄永峰;《电子学报》;20120430;第40卷(第4期);全文 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111294367A (zh) * | 2020-05-14 | 2020-06-16 | 腾讯科技（深圳）有限公司 | 音频信号后处理方法和装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103986721A (zh) | 2014-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103986721B (zh) | 一种面向ip语音的最低有效位分级隐写方法 | |
| CN106162195B (zh) | 一种基于单深度帧内模式的3d‑hevc深度视频信息隐藏方法 | |
| Huang et al. | Progressive watermarking techniques using genetic algorithms | |
| CN107886962B (zh) | 一种面向ip语音的高安全性隐写方法 | |
| CN104581176B (zh) | 无帧内误差漂移的h.264/avc压缩域鲁棒视频水印嵌入及提取方法 | |
| Miao et al. | An approach of covert communication based on the adaptive steganography scheme on voice over IP | |
| Yang et al. | A sudoku matrix-based method of pitch period steganography in low-rate speech coding | |
| CN104091597B (zh) | 一种基于速率调制的ip语音隐写方法 | |
| CN105260981A (zh) | 基于分组置换的最优匹配图像隐写方法 | |
| CN104269175B (zh) | 一种基于最佳相似度匹配的ip语音隐写方法 | |
| Bazyar et al. | A new method to increase the capacity of audio steganography based on the LSB algorithm | |
| Chen et al. | Reversible data hiding in JPEG images under multi-distortion metric | |
| CN102522089B (zh) | 用于g.723.1语音编码器的信息嵌入和提取方法 | |
| Agradriya et al. | Audio watermarking technique based on Arnold transform | |
| Mingguang et al. | A wav-audio steganography algorithm based on amplitude modifying | |
| Liu et al. | A Secret Image Sharing with Deep-steganography and Two-stage Authentication Based on Matrix Encoding. | |
| Sabokdast et al. | A steganographic method for images with modulus function and modified LSB replacement based on PVD | |
| CN104599226B (zh) | 一种大容量隐写方法 | |
| Kumar et al. | A new data hiding method using adaptive quantization & dynamic bit plane based AMBTC | |
| Malik et al. | A high capacity data hiding scheme using modified AMBTC compression technique. | |
| Wu et al. | Adaptive speech information hiding method based on K-means | |
| Liu et al. | Adaptive audio steganography scheme based on wavelet packet energy | |
| TVS et al. | A novel hybrid audio steganography for imperceptible data hiding | |
| Zhijun et al. | An implementation of speech steganography for iLBC by using fixed codebook | |
| Xu et al. | Deniable steganography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |