CN107886962B - 一种面向ip语音的高安全性隐写方法 - Google Patents

Abstract

本发明公开了一种面向IP语音的高安全性隐写方法，发送方首先读取原始采样语音，进行压缩编码，获得载体语音序列；然后提取载体语音序列的强度序列和幅值序列，将载体语音序列划分到静音区间和非静音区间，并对不同的载体语音区间定义失真代价；接着根据载体语音序列的长度和嵌入率，构建阶梯生成矩阵；最后根据失真代价和生成矩阵将秘密信息嵌入，求取引起载体失真最小的修改向量，并根据计算得到的修改向量对载体语音序列进行修改，得到载密语音序列；接收方接收载密语音序列后，根据阶梯生成矩阵恢复秘密信息序列。本发明在保持稳定的嵌入容量，减少对载体修改时引入的失真量，提高信息隐藏的安全性。

Description

一种面向IP语音的高安全性隐写方法

技术领域

本发明涉及安全通信领域，特别涉及一种面向IP语音的高安全性隐写方法，适用于IP语音中G.711 a-law编码语音。

背景技术

网络应用在为人们生活提供极大便利的同时，也增大了通信内容泄露、个人信息被窃取等风险，人们越来越关注在开放的网络环境下如何进行安全通信、保护个人信息安全等问题。隐写技术作为隐蔽通信的一个重要分支，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，将隐蔽信息隐藏到公开的媒体信息中，使得隐蔽信息在不被感知的情况下进行传输，保持隐蔽信息的不可见性。早期信息隐藏的载体对象主要为图像、文本、音频和视频等静态文件。随着互联网络的不断发展，以IP语音(VoiceoverIP，VoIP)为代表的动态流媒体信息隐藏技术逐渐成为新的研究热点。面向IP语音的信息隐藏有两种思路分别为基于IP语音相关协议隐写和IP语音的载荷语音隐写。针对IP语音的有效载荷进行信息隐藏时，基于最低有效位(LeastSignificantBit，LSB)的隐写，以其低复杂度低和高隐藏容量等优点，成为目前IP语音隐写中应用最多的一种技术。该类方法将有效载荷中造成语音质量失真最小的比特位替换为隐蔽信息，进行秘密信息的传递。

Aoki提出利用G.711μ-law编码器的冗余位进行嵌入，该方法引入较低的语音质量损失，见Aoki,N.:A semi-lossless steganography technique for G.711telephonyspeech.In:Proc.6th Int.Conf.Intelligent Information Hiding and MultimediaSignal(IIH-MSP),pp.15–17(2010)。Wu和Yang提出了基于G.711a-law语音编码的自适应嵌入方案，通过计算语音采样的能量统计特性评估语音采样的信息隐蔽能力，根据载体的隐蔽能力确定嵌入位置和嵌入容量，见Wu,Z.,Yang,W.:G.711-based adaptive speechinformation hiding approach.In:Proc.Int.Conf.Intelligent Computing(ICIC),pp.1139–1144(2006)。Xu和Liu提出一种自适应的信息隐藏方案AVIS，主要包含两部分VAMI和VADDI，VAMI动态选择隐写嵌入位置的具体位置，VADDI动态的改变选择隐写嵌入的载体序列，来增强VoIP隐写传递的安全性，见E.Xu,B.Liu,L.Xu,Z.Wei,B.Zhao,J.Su,AdaptiveVoIP steganography for information hiding within network audio streams,in:Proceedings of the 14th International Conference on Network-Based InformationSystems,Sep.2011,pp.612–617。上述方法均提高了信息隐藏的抗检测性，但是嵌入容量较小，并且没有区分可用载体位之间的差异性。

发明内容

本发明的目的在于提供一种面向IP语音的高安全性隐写方法，能够在保持稳定的嵌入容量，减少对载体修改时引入的失真量，提高信息隐藏的安全性。

实现本发明目的的技术解决方案为：一种面向IP语音的高安全性隐写方法，包括发送方进行秘密信息的嵌入和接收方进行秘密信息的提取两个部分，具体步骤如下：

发送方进行秘密信息的嵌入：

(11)发送方读取原始采样语音，进行压缩编码，获得载体语音序列；

(12)对载体语音序列进行预处理，提取强度序列和幅值序列；

(13)根据强度序列将载体语音序列划分到静音区间和非静音区间；

(14)针对不同类型的载体语音区间采用不同方法定义失真代价；

(15)根据载体语音序列的长度和嵌入率，构建阶梯生成矩阵；

(16)对载体语音序列进行取模2操作，获得最低有效位的载体序列；

(17)获得秘密信息序列；

(18)根据失真代价和生成矩阵将秘密信息嵌入到载体序列中，求取引起载体失真最小的修改向量；

(19)根据计算得到的修改向量对载体语音序列进行修改，完成对秘密信息的隐写，得到载密语音序列；

接收方进行秘密信息的提取：

(21)接收方接收载密语音序列；

(22)对载密语音序列进行取模2操作，获得载密序列：

(23)根据阶梯生成矩阵和载密序列恢复秘密信息序列。

本发明与现有技术相比，其显著优点为：1)本发明通过区分静音区间和非静音区间，在不同区间内采用不同的方法定义失真代价，以区分编码语音中可用嵌入比特位之间的差异性；2)本发明结合提出基于阶梯生成矩阵的矩阵嵌入算法，选择对载体语音引入失真较小的比特位进行修改，降低了语音的失真度，提高了隐蔽通信的不可感知性。

附图说明

图1是本发明整体流程图；

图2是本发明的秘密信息嵌入框架示意图；

图3是本发明的秘密信息提取框架示意图；

图4是本发明方法和LSB各个嵌入率下语音质量的对比图。

具体实施方式

以下结合附图和具体实施例对本发明方案作进一步的描述。

如图1所示，面向IP语音的高安全性隐写法，包括发送方进行秘密信息的嵌入和接收方进行秘密信息的提取两个部分。

如图2所示，发送方进行秘密信息的嵌入时，首先对载体进行预处理、静音检测、失真代价度量、构建阶梯生成矩阵等四个步骤，再利用阶梯生成矩阵嵌入算法，完成秘密信息的嵌入，具体步骤如下：

(1)发送方读取未编码的原始采样语音，使用G.711 a-law编码算法进行压缩编码，获得编码后的载体语音序列X＝(x₁，x₂，x₃，...，x_n)，其中x_i表示第i个采样编码后的十进制值，序列长度为n；

(2)发送方对载体语音序列X进行预处理，从X提取出强度序列T＝(t₁，t₂，t₃，...，t_n)和幅值序列F＝(f₁，f₂，f₃，...，f_n)，其中，t_i,f_i分别表示第i个采样编码后对应的强度值和幅值，n表示采样的个数：

其中，

表示异或操作，＞＞表示二进制移位操作，&表示二进制位与操作；

(3)发送方根据强度序列将载体语音序列划分到静音区间和非静音区间，标志位为P＝{0,1}，当强度序列中强度值小于2的采样个数所占的比例高于θ时，该区间为静音区间P＝1；当强度序列中强度值小于2的采样个数所占的比例低于θ时，该区间为非静音区间P＝0，其中，θ为静音判定阈值，0.5≤θ＜1；

(4)根据静音区间和非静音区间的判定结果，采用不同的方法定义载体区间的失真代价，载体对应的失真代价序列为ρ^T＝(ρ₁，ρ₂，ρ₃，...，ρ_n)，失真代价的定义方法包括：

情况一：P＝1，载体区间为静音区间：

情况二：P＝0，载体区间为非静音区间：

其中，a表示常系数；b表示补偿因子；h表示采样点幅值前后关联的长度；

(5)构建所述的阶梯生成矩阵，根据载体长度n和嵌入率α，计算得到秘密信息的长度k＝nα，k表示嵌入秘密信息的比特数，则生成矩阵G的维数为(n-k)×n；

首先对生成矩阵G的维数进行划分，使N＝(n₁，n₂，n₃，...，n_v),K＝(k₁，k₂，k₃，...，k_v)，v表示分割的区块数，n_i和k_i表示第i部分的区块的维数k_i×(n_i+k_i)，并满足以下条件：

根据上述的分割方式，构造阶梯生成矩阵G：

其中，

为单位对角矩阵，维数为k_i×k_i；当i＝1时，B₁＝B'₁,B'₁维数为k₁×n₁；当1＜i≤v时,

B'_i维数为k_i×n_i，其中元素为1，B”_i维数为

其中元素为随机生成的二进制0、1；

根据构建的生成矩阵G，可以计算得到校验矩阵H，维数为k×n，满足：GH^T＝0；

(6)发送方对载体语音序列X进行取模2操作，获得最低有效位的载体序列C：

其中，n表示载体长度；

(7)发送方获得所述的秘密信息序列为m^T＝(m₁，m₂，m₃，...，m_k)，k为秘密信息序列的长度；

(8)发送方利用失真代价ρ和生成矩阵G进行秘密信息的嵌入，首先将校验矩阵H和载体序列C相乘，并将乘积与秘密信息序列m进行异或操作，得到

其中

然后根据计算得到的，u求取对应的陪集

从陪集中C_H(u)中选取任意序列s，并根据阶梯矩阵的分块方式，划分序列s和载体向量对应的失真代价向量ρ：

其中，n_i和k_i表示对应序列的长度，v表示分割的区块数；

最后采用分步译码的方法，求解所有满足以下条件的可行解集(x_i,e_i,s_i,ρ_i)∈L_i：

其中，x_i为源码字，w(e_i)为向量e_i的汉明权重，w_max表示可行解集L_i内向量e_i的最大汉明重量，d_max表示可行解集L_i内向量e_i最大失真值，d_sum表示可行解集L_i内向量e_i失真总和，其中，

在每一步求解过程中维持一个可行解集L_i，第i步中所有可能的解均由第i-1步解集的元素计算得到，具体的求解过程如下：

当i＝1时，可行解集为(x₁,e₁,s₁,ρ₁)∈L₁，w_max＝2，d_max＝d_b，

其中，

x₁G₁＝e₁ ^T+s₁ ^T，w(e₁)≤2，

当1＜i≤v时，第i步中的初始解(x_i,e_i,s_i,ρ_i)根据第i-1步中的解集(x_i-1,e_i-1,s_i-1,ρ_i-1)∈L_i-1得到：

其中：

当解集L_i中的可行解的数量少于L时，增大可行解集内允许的最大汉明重量和最大失真，维持解集的大小，防止出现无解，即|L_i|≤L时，w_max＝w_max+1，d_max＝d_max+d_b，其中d_b为单步可增加的边界失真，根据实际需求进行调整。

从可行解集L_v中选择最小失真的向量为e_v作为修改向量，满足：

(9)根据最终获得隐写失真最小的修改向量，与载体语音序列进行异或操作，完成对秘密信息的隐写，得到载密语音Y＝(y₁，y₂，y₃，...，y_n)。

如图3所示，接收方进行秘密信息提取时，首先对载密语音进行预处理，再根据阶梯生成矩阵获得对应的校验矩阵，利用校验矩阵从载体语音中提取秘密信息，具体步骤如下：

(1)接收方接收到载密语音序列Y＝(y₁，y₂，y₃，...，y_n)，其中y_i表示第i个载密语音值，载密语音序列长度为n；

(2)接收方对序列中每个元素取模2操作，获得载密序列C：

根据嵌入过程中步骤(5)构造的生成矩阵G，计算得到相应的校验矩阵H，将载密序列与校验矩阵相乘完成对秘密信息的提取：m＝HC。

实施例1

本实施例中，采用ITU-附录P.501中的语音样本集进行测试，该语音样本集涵盖世界各个国家的男声和女声音频采样，单声道，8KHz，16位采样。

设置嵌入率分别为0.2、0.3、0.4、0.5、0.6，针对每一种嵌入率，采用本发明方法进行隐写，采用ITU-TP.862标准提供的客观语音质量评估(PESQ)方法对MOS-LQO值进行了测试和统计，其结果如附图4所示，可以看出本发明的隐写方法处理后的载密语音样本的语音质量更接近与未进行隐写时编解码后的语音样本的语音质量。

Claims (9)

1.一种面向IP语音的高安全性隐写方法，其特征在于，包括发送方进行秘密信息的嵌入和接收方进行秘密信息的提取两个部分，具体步骤如下：

发送方进行秘密信息的嵌入：

(11)发送方读取原始采样语音，进行压缩编码，获得载体语音序列；

(12)对载体语音序列进行预处理，提取强度序列和幅值序列；

(13)根据强度序列将载体语音序列划分到静音区间和非静音区间；

(14)针对不同类型的载体语音区间采用不同方法定义失真代价；

(15)根据载体语音序列的长度和嵌入率，构建阶梯生成矩阵；

(16)对载体语音序列进行取模2操作，获得最低有效位的载体序列；

(17)获得秘密信息序列；

(18)根据失真代价和生成矩阵将秘密信息嵌入到载体序列中，求取引起载体失真最小的修改向量；

(19)根据计算得到的修改向量对载体语音序列进行修改，完成对秘密信息的隐写，得到载密语音序列；

接收方进行秘密信息的提取：

(21)接收方接收载密语音序列；

(22)对载密语音序列进行取模2操作，获得载密序列；

(23)根据阶梯生成矩阵和载密序列恢复秘密信息序列。

2.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(11)中使用G.711a-law编码算法进行压缩编码。

3.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，设(12)中强度序列为T＝(t₁，t₂，t₃，...，t_n)，幅值序列为F＝(f₁，f₂，f₃，...，f_n),n表示采样的个数，t_i,f_i分别表示第i个采样编码后对应的强度值和幅值，则：

其中，

表示异或操作，＞＞表示二进制移位操作，&表示二进制位与操作。

4.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(13)中标志符号为P＝{0,1}，当强度序列中强度值小于2的采样个数所占的比例高于θ时，该区间为静音区间P＝1；当强度序列中强度值小于2的采样个数所占的比例低于θ时，该区间为非静音区间P＝0，其中，θ为静音判定阈值，0.5≤θ＜1。

5.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(14)中载体对应的失真代价序列为ρ^T＝(ρ₁，ρ₂，ρ₃，...，ρ_n)，具体情况为：

情况一：载体区间为静音区间：

情况二：载体区间为非静音区间：

其中，a表示常系数；b表示补偿因子；h表示采样点幅值前后关联的长度，f_i表示第i个采样编码后对应的幅值。

6.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，设载体长度n和嵌入率α，计算得到秘密信息的长度k＝nα，用于表示嵌入秘密信息的比特数，则(15)中生成矩阵G的维数为(n-k)×n，构建生成矩阵的具体方法为；

首先对生成矩阵G的维数进行划分，使N＝(n₁，n₂，n₃，...，n_v),K＝(k₁，k₂，k₃，...，k_v)，v表示分割的区块数，n_i和k_i表示第i部分的区块的维数k_i×(n_i+k_i)，并满足以下条件：

根据上述的分割方式，构造阶梯生成矩阵G：

其中，

为单位对角矩阵，维数为k_i×k_i，当i＝1时，B₁＝B′₁,B′₁维数为k₁×n₁；当1＜i≤v时,

B′_i维数为k_i×n_i，其中元素为1，B″_i维数为

其中元素为随机生成的二进制0、1。

7.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(18)进行秘密信息的嵌入的具体步骤为：

首先根据生成矩阵G计算校验矩阵H，满足：GH^T＝0；

然后将校验矩阵H和载体序列C相乘，将乘积与秘密信息序列m进行异或操作，得到

接着计算u对应的陪集

从陪集中C_H(u)中选取任意序列s，根据阶梯矩阵的分块方式，划分序列s和载体向量对应的失真代价向量ρ：

其中，n_i和k_i表示对应序列的长度，v表示分割的区块数；

采用分步译码的方法，求解所有满足以下条件的可行解集(x_i,e_i,s_i,ρ_i)∈L_i：

其中，x_i为源码字，w(e_i)为向量e_i的汉明权重，w_max表示可行解集L_i内向量e_i的最大汉明重量，d_max表示可行解集L_i内向量e_i最大失真值，d_sum表示可行解集L_i内向量e_i失真总和，

从可行解集L_v中选择最小失真的向量为e_v作为修改向量，满足：

8.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(19)将失真最小的修改向量与载体语音序列进行异或操作，完成对秘密信息的隐写。

9.根据权利要求1所述的面向IP语音的高安全性隐写方法，其特征在于，(23)首先根据生成矩阵G计算校验矩阵H，满足：GH^T＝0；

然后将载密序列与校验矩阵相乘完成对秘密信息的提取：m＝HC，其中m表示秘密信息，C表示载密序列。

Images