掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
語音頻隱寫與隱寫分析 版權信息
- ISBN：9787030677280
- 條形碼：9787030677280 ; 978-7-03-067728-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
語音頻隱寫與隱寫分析 內容簡介
隱寫術作為信息隱藏的重要分支已被廣泛應用于隱蔽通信相關領域，并伴隨著大數據時代來臨，保護用戶數據和行為的隱蔽性愈發重要。隨著多媒體編碼技術和通信技術的發展，現代隱寫技術也從上世紀九十年代起迅速發展，先后出現了以圖像、音頻、視頻和文本等主流網絡傳輸、存儲和編碼格式為隱寫載體的信息隱寫方法及相應的隱寫分析方法，它們構成了當前隱寫與隱寫分析技術的理論與方法體系。本書主要針對語音和音頻編碼格式（簡稱語音頻）載體，系統地介紹了語音頻隱寫技術及其隱寫分析技術。為了方便讀者掌握相關方法的原理，本書按照隱寫方法的嵌入域進行章節編排。以MP3和AAC音頻編碼為代表，用兩章分別介紹了編碼參數域和熵編碼域的隱寫方法及其隱寫分析方法；以ACELP語音編碼為代表，用三章分別介紹了固定碼本域、基音延遲域和線性預測系數域的的隱寫方法及其隱寫分析方法；用一章介紹了其它域的的隱寫方法及其隱寫分析方法。本書應該是當前一本較系統和全面地講述語音和音頻隱寫方法及其隱寫分析方法的著作。
語音頻隱寫與隱寫分析 目錄
目錄
第1章緒言1
1.1語音頻隱寫技術的發展1
1.2語音頻隱寫與分析模型3
1.2.1隱寫系統模型3
1.2.2隱寫分析系統模型4
1.3評價指標5
1.4本書內容安排7
1.5本章小結9
思考題10
第2章語音頻編碼基礎11
2.1語音頻編碼標準概述11
2.2MP3編碼器原理16
2.3AAC編碼器原理19
2.4ACELP編碼器原理22
2.5本章小結25
思考題25
第3章編碼參數域隱寫及其分析26
3.1量化步長修改方法26
3.2碼表索引值替換方法27
3.3窗口類型轉換方法29
3.4MP3Stego算法分析31
3.4.1塊長度part2_3_length的方差統計量31
3.4.2量化步長差分的方差統計量32
3.4.3比特池長度的變異系數33
3.4.4邊信息中main_data_begin值的均值統計量33
3.4.5大值區系數的方差統計量35
3.4.6碼表索引的二階差分量35
3.5UnderMP3Cover算法分析36
3.6本章小結37
思考題38
第4章熵編碼域隱寫及其分析39
4.1基本嵌入方法39
4.2熵碼字替換方法40
4.2.1隱寫嵌入流程及算法框架40
4.2.2碼字映射表的構造41
4.2.3失真函數設計44
4.3碼字符號位修改方法45
4.3.1隱寫嵌入流程及算法框架45
4.3.2系數符號位的選擇46
4.3.3失真函數設計47
4.4Linbits位修改方法50
4.5通用的音頻隱寫分析51
4.5.1馬爾可夫特征集51
4.5.2MDI2特征54
4.5.3共生矩陣特征55
4.5.4基于深度學習的隱寫分析57
4.6本章小結61
思考題62
第5章固定碼本域隱寫及其分析63
5.1三種嵌入域的分析比較63
5.2FCB搜索算法65
5.3Geiser-Vary隱寫算法68
5.4ASOPCC隱寫算法69
5.5AFA隱寫算法69
5.5.1脈沖的*優概率70
5.5.2脈沖相關性70
5.5.3嵌入代價70
5.5.4加性失真函數71
5.6相關的隱寫分析方法71
5.6.1MTP特征和ENR-MIS特征72
5.6.2SPP特征73
5.6.3SCPP特征74
5.6.4SRCNet分析網絡76
5.7本章小結77
思考題77
第6章基音延遲域隱寫及其分析78
6.1基本思想與隱寫算法的發展78
6.2ACB搜索算法79
6.2.1AMR-NB編碼器80
6.2.2AMR-WB編碼器81
6.2.3G.723.1編碼器82
6.2.4G.729a編碼器82
6.3Huang-ACBstego隱寫算法83
6.3.1嵌入算法83
6.3.2提取算法86
6.4Liu-ACBstego隱寫算法86
6.4.1嵌入算法87
6.4.2提取算法89
6.5PDU-AAS隱寫算法89
6.5.1嵌入位置的選擇90
6.5.2嵌入算法92
6.5.3提取算法92
6.6PDAS隱寫算法93
6.6.1算法的框架設計93
6.6.2失真函數的構造方法94
6.6.3嵌入算法96
6.6.4提取算法98
6.7相關的隱寫分析方法98
6.7.1CCN特征98
6.7.2C-MSDPD特征101
6.8本章小結103
思考題103
第7章線性預測系數域隱寫及其分析104
7.1基本思想與隱寫算法的發展104
7.2基于QIM算法的隱寫原理105
7.3CNV-QIM隱寫算法106
7.3.1問題的模型描述107
7.3.2圖的構建107
7.3.3碼字標簽107
7.3.4失真的上界108
7.3.5嵌入過程與提取過程109
7.4NID-QIM隱寫算法109
7.4.1碼本劃分的一般模型109
7.4.2NID碼本劃分算法110
7.4.3多元嵌入方法111
7.4.4嵌入與提取過程112
7.5相關的隱寫分析方法113
7.5.1QCCN隱寫分析算法114
7.5.2RNN-SM隱寫分析算法117
7.6本章小結122
思考題122
第8章其他域隱寫及其分析123
8.1時域低比特位隱寫123
8.2回聲隱藏法125
8.3相位編碼法127
8.4擴頻法128
8.5傳輸協議載體的隱寫方法130
8.6音頻隱寫軟件及分析132
8.7本章小結140
思考題140
參考文獻141
附錄A實驗150
A.1音頻隱寫工具的使用150
A.2時域音頻自適應隱寫153
A.3MP3音頻自適應隱寫155
A.4語音編碼自適應隱寫158
A.5MP3和AAC音頻隱寫分析161
A.6語音隱寫分析164
名詞索引167
第1章緒言1
1.1語音頻隱寫技術的發展1
1.2語音頻隱寫與分析模型3
1.2.1隱寫系統模型3
1.2.2隱寫分析系統模型4
1.3評價指標5
1.4本書內容安排7
1.5本章小結9
思考題10
第2章語音頻編碼基礎11
2.1語音頻編碼標準概述11
2.2MP3編碼器原理16
2.3AAC編碼器原理19
2.4ACELP編碼器原理22
2.5本章小結25
思考題25
第3章編碼參數域隱寫及其分析26
3.1量化步長修改方法26
3.2碼表索引值替換方法27
3.3窗口類型轉換方法29
3.4MP3Stego算法分析31
3.4.1塊長度part2_3_length的方差統計量31
3.4.2量化步長差分的方差統計量32
3.4.3比特池長度的變異系數33
3.4.4邊信息中main_data_begin值的均值統計量33
3.4.5大值區系數的方差統計量35
3.4.6碼表索引的二階差分量35
3.5UnderMP3Cover算法分析36
3.6本章小結37
思考題38
第4章熵編碼域隱寫及其分析39
4.1基本嵌入方法39
4.2熵碼字替換方法40
4.2.1隱寫嵌入流程及算法框架40
4.2.2碼字映射表的構造41
4.2.3失真函數設計44
4.3碼字符號位修改方法45
4.3.1隱寫嵌入流程及算法框架45
4.3.2系數符號位的選擇46
4.3.3失真函數設計47
4.4Linbits位修改方法50
4.5通用的音頻隱寫分析51
4.5.1馬爾可夫特征集51
4.5.2MDI2特征54
4.5.3共生矩陣特征55
4.5.4基于深度學習的隱寫分析57
4.6本章小結61
思考題62
第5章固定碼本域隱寫及其分析63
5.1三種嵌入域的分析比較63
5.2FCB搜索算法65
5.3Geiser-Vary隱寫算法68
5.4ASOPCC隱寫算法69
5.5AFA隱寫算法69
5.5.1脈沖的*優概率70
5.5.2脈沖相關性70
5.5.3嵌入代價70
5.5.4加性失真函數71
5.6相關的隱寫分析方法71
5.6.1MTP特征和ENR-MIS特征72
5.6.2SPP特征73
5.6.3SCPP特征74
5.6.4SRCNet分析網絡76
5.7本章小結77
思考題77
第6章基音延遲域隱寫及其分析78
6.1基本思想與隱寫算法的發展78
6.2ACB搜索算法79
6.2.1AMR-NB編碼器80
6.2.2AMR-WB編碼器81
6.2.3G.723.1編碼器82
6.2.4G.729a編碼器82
6.3Huang-ACBstego隱寫算法83
6.3.1嵌入算法83
6.3.2提取算法86
6.4Liu-ACBstego隱寫算法86
6.4.1嵌入算法87
6.4.2提取算法89
6.5PDU-AAS隱寫算法89
6.5.1嵌入位置的選擇90
6.5.2嵌入算法92
6.5.3提取算法92
6.6PDAS隱寫算法93
6.6.1算法的框架設計93
6.6.2失真函數的構造方法94
6.6.3嵌入算法96
6.6.4提取算法98
6.7相關的隱寫分析方法98
6.7.1CCN特征98
6.7.2C-MSDPD特征101
6.8本章小結103
思考題103
第7章線性預測系數域隱寫及其分析104
7.1基本思想與隱寫算法的發展104
7.2基于QIM算法的隱寫原理105
7.3CNV-QIM隱寫算法106
7.3.1問題的模型描述107
7.3.2圖的構建107
7.3.3碼字標簽107
7.3.4失真的上界108
7.3.5嵌入過程與提取過程109
7.4NID-QIM隱寫算法109
7.4.1碼本劃分的一般模型109
7.4.2NID碼本劃分算法110
7.4.3多元嵌入方法111
7.4.4嵌入與提取過程112
7.5相關的隱寫分析方法113
7.5.1QCCN隱寫分析算法114
7.5.2RNN-SM隱寫分析算法117
7.6本章小結122
思考題122
第8章其他域隱寫及其分析123
8.1時域低比特位隱寫123
8.2回聲隱藏法125
8.3相位編碼法127
8.4擴頻法128
8.5傳輸協議載體的隱寫方法130
8.6音頻隱寫軟件及分析132
8.7本章小結140
思考題140
參考文獻141
附錄A實驗150
A.1音頻隱寫工具的使用150
A.2時域音頻自適應隱寫153
A.3MP3音頻自適應隱寫155
A.4語音編碼自適應隱寫158
A.5MP3和AAC音頻隱寫分析161
A.6語音隱寫分析164
名詞索引167
展開全部
語音頻隱寫與隱寫分析 節選
第1章 緒言 隱寫術 (steganography) 作為信息隱藏 (information hiding) 的重要分支已被廣泛應用于隱蔽通信相關領域，尤其是大數據時代的到來，保護用戶數據和行為的隱私性愈發重要。隨著多媒體編碼技術和通信技術的發展，現代隱寫技術也從 20 世紀 90 年代起迅速發展，先后出現了以圖像、音頻、視頻和文本等主流網絡傳輸、存儲和編碼格式為隱寫載體 (cover) 的信息隱寫方法及相應的隱寫分析(steganalysis) 方法，它們構成了當前隱寫與隱寫分析技術的理論與方法體系。本書主要針對語音 (speech) 和音頻 (audio) 編碼格式 (簡稱“語音頻”)，介紹其隱寫技術與隱寫分析技術。為了方便后面描述相關方法的原理，把握語音頻隱寫與隱寫分析的發展脈絡，本章主要介紹相關技術的發展與趨勢、一般化的對抗模型，以及相關術語和評價指標的定義等。 1.1 語音頻隱寫技術的發展 經過二十多年的研究與發展，多媒體隱寫方法與技術的基礎理論已日趨完備，主要包括可嵌域與基本嵌入方法、*優嵌入理論、隱寫編碼和自適應隱寫等。尤其是在圖像隱寫研究上，已經形成一個較科學和系統的理論體系[1， 2]。同時地，隱寫分析方法也形成了一系列系統性成果[3]。例如，專用隱寫分析、通用隱寫分析、基于深度學習的隱寫分析、定量隱寫分析，以及隱寫軟件分析與隱藏信息提取等。這些方法的基本思想和原理同樣適用于語音頻載體。但是，語音頻編碼與圖像編碼有很大差異，以及聽覺模型與視覺模型的本質不同，這同樣導致它們的隱寫與隱寫分析方法不盡相同。通常地，相比于圖像和視頻格式載體，基于語音頻格式載體的隱寫技術具有如下特點。 (1) 可感知性靈敏。依據人耳聽覺系統 (human auditory system，HAS) 和人眼視覺系統 (human visual system，HVS) 的原理，在同等差異強度條件下，人耳的聽覺敏感性比人眼的視覺敏感性更強。因此，在感知透明性方面，針對語音頻載體的隱寫修改比圖像的更復雜和困難。此外，由于聽覺感知模型與視覺感知模型存在本質的差異，現有的圖像隱寫方法不能直接應用于語音頻隱寫。 (2) 載體可伸縮性強。在實際的隱蔽通信系統中，為了傳遞有效的消息載荷，由于單幅圖像的隱藏容量有限，通常需要使用很多張圖像才能完整傳遞消息，這將增加不同會話處理的開銷，而視頻體積通常較大，需要占用更大的網絡帶寬。語音頻載體能夠有效解決隱藏容量和載體體積之間的矛盾，實現兩者的均衡，具有更高的傳輸效率。并且語音頻編碼器的計算開銷較低，能夠很好適配智能移動終端的處理能力及實時性要求，比如智能手機和平板電腦等。 (3) 隱蔽性高和隱藏空間大。由于語音頻壓縮碼流的碼率較低，特別是低碼率的語音流，量化噪聲能夠較好地掩蔽隱寫信號噪聲，提高隱寫載體的隱蔽性。不同于圖像載體，語音頻載體是一種流式數據，典型實例有語音電話、直播視頻流伴音、FM(frequency modulation) 電臺等，因此從載體大小的角度而言，語音頻載體的隱藏容量是可以無限大的，從而可以適當降低負載率來保證隱寫算法的安全性。同時針對流式數據的隱寫分析是一個需要很大計算能力的復雜難題。 從信號處理的角度來看，隱寫思想的本質是將載密的噪聲信號疊加到載體信號上，并使得處理后的載體信號仍保持感知透明性和統計不可檢測性。利用數字語音頻載體的信號特點，語音頻隱寫研究大致歷經了 4 個發展階段 (圖 1.1)。 圖 1.1 語音頻隱寫的發展 (1) 樸素的語音頻隱寫階段。該階段主要是解決隱寫語音頻的聽覺不可感知和隱藏容量等問題，形成的主要方法包括時域的低有效位隱寫、回聲隱藏、相位編碼隱藏、擴頻隱寫，以及變換域隱寫。這些方法的基本原理大部分都源于數字水印方法，所以隱藏容量較低，并且抗統計分析能力較弱。此外，還有一些方法是利用語音頻文件格式、協議包字段和包時序實現信息隱藏。 (2) 編碼內聯的語音頻隱寫階段。為節省網絡傳輸和存儲的帶寬，語音頻數據一般會被壓縮，因此隱藏信息在語音頻壓縮后仍需要能被正確提取。該階段主要是解決基于編碼內聯的語音頻隱寫方法中可行嵌入域和基本嵌入方式等問題，形成的主要方法包括修改量化步長、碼表索引、窗口類型、線性預測系數碼本矢量、固定碼本索引、自適應碼本索引等編碼參數的隱寫算法，以及修改碼流的熵碼字、符號位和溢出位等編碼系數的隱寫算法。 (3) 自適應的語音頻隱寫階段。該階段主要是解決自適應隱寫框架、失真函數構造和隱寫碼等*優嵌入問題，以提高隱寫方法的抗隱寫分析能力。形成的主要方法包括兼容音頻編碼標準的雙層自適應隱寫框架，以及適用于語音頻各個可嵌域的失真函數構造方法。目前，這些方法都與圖像的*小化失真 (distortion minimizing，DM) 框架是一致的。隱寫碼的應用與圖像類似，包括矩陣編碼 (matrixembedding)、濕紙碼 (wet paper code) 和 STC 碼 (syndrome-trellis codes) 等。 (4) 語音頻隱寫的新階段。隨著移動互聯網的發展，語音頻隱寫面臨著新的機遇與挑戰，催生了一些新的研究方向。例如，適配有損信道的魯棒隱寫技術、針對網絡語音頻流的低時延快速隱寫技術、基于人工智能的隱寫技術，以及隱寫協議設計和容錯的隱寫存儲技術等。這些新技術將促進完善隱寫技術的體系結構。 從上面可以發現，語音頻隱寫技術的發展是伴隨著應用需求、新興技術和隱寫分析技術等有關因素的發展而逐漸發展與完善的。隱寫技術與隱寫分析技術是一對對立統一的矛盾體，兩者相輔相成是既相互促進又相互制約的。 1.2 語音頻隱寫與分析模型 與圖像類似，語音頻的隱寫與隱寫分析對抗模型也是基于著名的“囚犯問題”[4]。如圖 1.2 所示，對抗模型包括 3 個實體和 2 個系統，分別是隱寫者、接收方和隱寫分析者，以及隱寫系統和隱寫分析系統。隱寫者和接收方利用隱寫系統來傳遞信息，隱寫分析者利用隱寫分析系統來發現或者檢測隱寫通信的存在性。 圖 1.2 隱寫與隱寫分析對抗模型 下面分別描述 2 個系統的一般化模型。 1.2.1 隱寫系統模型 一個隱寫系統 So 是由隱寫者的消息嵌入算法和接收方的消息提取算法兩部分組成，即 (1.1) 其中，E 和 D 分別表示嵌入算法集合和提取算法集合。并且對任意，都存在，使得，其中K是隱寫密鑰。 消息嵌入算法 Emb 實現將消息 M 嵌入到語音頻載體 C，并生成新的語音頻載體 S(即隱寫語音頻)，它可以采用函數形式定義，即 (1.2) 對應的消息提取算法 Ext 則實現從隱寫語音頻 S 中恢復出隱藏消息，即 (1.3) 值得注意的是，假定 S 經過公開信道à傳遞后變為 S′，當公開信道是無損信道時，即 S′= S，則提取結果同式 (1.3)；當公開信道是有損信道時，即 S′≠S，則消息提取結果為 (1.4) 當且僅當 M′= M 時，隱寫系統 So 是有效的，也即 ExtK 算法是信道魯棒的。 1.2.2 隱寫分析系統模型 理想的隱寫分析系統 Sa 是利用統計分布特征能夠正確地區分隱寫樣本 S 和正常樣本 C 的分類檢測器 (classifier)，即 (1.5) 但是在實際應用的盲檢測條件下，分析者要設計一個好的檢測器是很困難的，當前隱寫分析系統的主要作用還是評測隱寫算法的安全性。此時，我們可以合理假設分析者能夠獲知隱寫算法，即滿足密碼學中的柯克霍夫原則 (Kerckhoffs’s principle)。因此分析者可以制作任意多的樣本.用于分析和訓練，所采用的隱寫分析模型是基于機器學習 (machine learning) 的分類檢測方法。 圖 1.3 描繪了基于機器學習的隱寫分析一般模型。如圖所示，隱寫分析模型主要包括訓練 (training) 階段和測試 (testing) 階段，首先在訓練階段通過構造訓練集獲得*優的檢測分類器，然后在測試階段利用優化后的檢測分類器對測試集樣本進行檢測，完成對待測樣本的標定。依據柯克霍夫原則，隱寫系統可以提前構造足夠的正常樣本 (cover) 數據集和隱寫樣本 (stego) 數據集，并通過調整訓練集以獲得利于不同條件下的*優檢測器。此外，隱寫分析特征 (steganalysisfeature) 也是決定檢測器性能的*關鍵因素。通常可以設計多個隱寫分析特征和分類器，并利用融合決策來提高隱寫分析系統的檢測正確率。然而，隨著深度學習 (deep learning) 技術的發展，基于深度學習的隱寫分析技術是當前的一個研究熱點。它解決傳統手工式隱寫分析特征設計的難題，將其轉化為對深度學習中網絡結構的設計問題，有效地促進了新一代隱寫分析技術的發展。 圖 1.3 隱寫分析的一般模型 1.3 評價指標 第 1.2 節定義了隱寫系統和隱寫分析系統的一般模型，本節將進一步描述系統的基本性質和一些主要的評價指標。 (1) 不可感知性 (imperceptibility)。不可感知性也稱感知透明性 (perceptual transparency)，是指隱寫后的載體在感知上與原始載體不存在差異，即嵌入失真 (embedding distortion) 是不可感知的。語音頻不可感知性的客觀度量指標有 ITU-T P.862 語音質量感觀評價 (perceptual evaluation of speech quality，PESQ) 和 ITU-R BS.1387-1 音頻質量感觀評價 (perceptual evaluation of audio quality，PEAQ) 等。PESQ 算法和 PEAQ 算法對參考信號和測試信號進行對比分析得出語音頻質量的客觀差異等級 (objective difference grade，ODG)，ODG 值越大則嵌入失真越小、不可感知性越好。 (2) 安全性 (security)。安全性即統計不可檢測性 (statistical undetectability)，是指隱寫算法能夠抵抗隱寫分析攻擊。安全性的度量指標一般使用混淆矩陣 (confusion matrix)[5] 來定義，這里使用檢測正確率 PACC 或錯誤率 Pe，即 (1.6) 其中，PFA 和 PMD 分別指虛警率即假陽性率 (false positive rate，FPR) 和漏警率即假陰性率 (false negative rate，FNR)。一般可以取。它們也可作為隱寫分析系統的性能評價指標。進一步地，可以以 (PFA， 1-PMD)為坐標點繪制接收者操作特征曲線 (receiver operating characteristic curve，ROC曲線)，并計算 ROC 曲線下方的面積 AUC 值。AUC 值越大表示分類器的檢測正確率越高，檢測性能越好。 (3) 隱蔽性 (covertness)。隱蔽性通常泛指不可感知性和安全性，它是隱寫系統的基本要求。從這里也可以看出，隱寫系統比密碼系統的安全需求層級更高，密碼是保護數據的機密性，而隱寫需要保護數據的隱蔽性，即保護通信行為不被檢測。 (4) 隱藏容量 (embedding capacity)。隱藏容量即負載 (payload)，指隱藏消息的長度，通常采用相對負載率 (relative payload ratio，RPR) 來度量。由于受不同嵌入域和嵌入方式的影響，為了使用一致的表達方式，這里使用直觀的數據大小比來定義，即 (1.7)
書友推薦
- >
經典常談
- >
山海經
- >
小考拉的故事-套裝共3冊
- >
推拿
- >
朝聞道
- >
姑媽的寶刀
- >
月亮虎
- >
史學評論
本類暢銷
