专利名称：一种针对音频扩频隐写的隐写分析方法
技术领域：
本发明涉及信息隐藏检测技术领域，尤其涉及一种针对音频扩频隐写的隐写分析 方法。
背景技术：
在音频信息隐藏中，基于扩频通信思想的隐藏算法因其鲁棒性强，对噪声具有很 好的免疫力而受到广泛的关注。因此，对扩频隐写进行有效、准确而又可靠的检测，对于保 护信息安全、防止隐秘通信有着十分重要的意义。近年来，关于扩频隐写的隐写分析方法也相继报道。Fraid(参见文献1)提出了基 于小波系数高阶统计量和支持向量机的检测算法。针对feMegO、0OutGueSS和Jsteg的实 验结果表明了所选择统计量的有效性。在Fraid研究的基础上，McBride (参见文献2)提 出基于高维几何分类器的检测方法。Hamza (参见文献幻提出了一种基于音频质量和分类 器的音频隐写分析方法，但检测的准确性直接决定于音频数据库中对音频质量指标的训练 结果，使其可靠性和精确性受限而且算法实现的计算量很大。Altun (参见文献4)提出了基 于形态学失真的隐写分析方法，并对加性高斯白噪声进行了检测。SulIivan(参见文献5) 通过考察图像像素间的相关性，使用优化的假设检验方法实现扩频隐写分析。Harmsen(参 见文献6)建立了通用的加性噪声隐写分析模型，但是仅仅利用直方图特征函数质心进行 有无秘密数据的判断，其准确率不太理想。文献 1 :Hany Farid. Detecting Hidden Messages Using Higher-Order Statistical Models, in Proceedings of the IEEE International Conference on Image Processing,2002，Vol 2，pp.905 908.文献 2 :McBride B T，Peterson G L，Gustafson S C. A new blind method for detecting novel steganography. Digital Investigation,2005 (2) :50-70.文献 3 Hamza 0，Ismail A，Bulent S et al. Steganalysis of audio based on audio quality metrics, in Proceedings of SPIE on Security and Watermarking of Multimedia Contents，2003，pp.55-66.文献 4:Altun 0，Sharma G，Celik M，Bocko M. Morphological steganalysis of audio signals and the principle of diminishing marginal distortions, in Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing,2005，pp. 21-24.文献5 :K. Sullivan,U. Madhow, S. Chandrasekaran，B. S. Manjunath. Steganalysis of spread spectrum data hiding exploiting cover memory, in Proc. IST/SPIE 17th Annu. Symp. Electronic Imaging Science Technology,2005, pp. 38-46.文 献 6 :J. J. Harmsen，W. A. Pearlman. Steganalysis of additive noise modelable information hiding, in Proc.SPIE， Electronic Imaging Security and Watermarking of Multimedia Contents，January 2003，pp.131-142.
发明内容
针对上述存在的技术问题，本发明的目的是提供一种针对音频扩频隐写的隐写分 析方法，能够对秘密信息嵌入，实现高质量的检测，其正确率高，具有广泛的适用性。为达到上述目的，本发明采用如下的技术方案特征值提取步骤包括以下步骤①设载体音频文件用X[i]表示，隐写音频用Y[i]表示，对隐写音频再进行扩频隐 写，得到的第二次隐写音频用z[i]表示，其中1 < i < I，I为信号长度；对载体音频和隐写音频以及第二次隐写音频进行分帧处理，帧长为N，载体音频的 帧信号用^[i]表示，隐写音频的帧信号用yn[i]，第二次隐写音频的帧信号用表示， 其中，1 < i^}i,l<n<ll/N]；②根据步骤①得到的帧信号，随机选择m帧进行分析，对每帧信号进行一级离散 小波变换，然后提取第一级细节子带，其中1 <m< \_I/N\ ；载体信号的小波系数用DXn[i]表示，隐写音频的小波系数用DYn[i]表示，第二次 隐写音频的小波系数用表示，其中1彡i彡CL，CL为小波子带的长度，1彡η彡m;③根据步骤②得到的帧信号的小波细节子带系数，分别采用高斯混合模型对其训 练建模；通过最大期望值算法计算得到高斯混合模型的分量参数均值，协方差，权重；④根据步骤③计算得到的混合高斯模型参数计算载体音频帧信号概率分布 PDx(η)与隐写音频帧信号概率分布PDy(η)的距离，隐写音频帧信号概率分布PDy(η)与第二 次隐写音频帧信号概率分布PDz (η)之间的距离，距离测量采用如下距离公式
权利要求
1. 一种针对音频扩频隐写的隐写分析方法，其特征在于，包括特征值提取步骤、SVM训 练模型的生成步骤、扩频隐写分析步骤，其中特征值提取步骤包括以下步骤①设载体音频文件用X[i]表示，隐写音频用Y[i]表示，对隐写音频再进行扩频隐写， 得到的第二次隐写音频用Z[i]表示，其中1 < i < I，I为信号长度；对载体音频和隐写音频以及第二次隐写音频进行分帧处理，帧长为N，载体音频的帧f 号用^[i]表示，隐写音频的帧信号用yn[i]，第二次隐写音频的帧信号用表示，其中，②根据步骤①得到的帧信号，随机选择m帧进行分析，对每帧信号进行一级离散小波 变换，然后提取第一级细节子带，其中1 <m< [I/Nj ；载体信号的小波系数用D)(n[i]表示，隐写音频的小波系数用DYn[i]表示，第二次隐写 音频的小波系数用表示，其中1彡i彡CL，CL为小波子带的长度，l^n^m；③根据步骤②得到的帧信号的小波细节子带系数，分别采用高斯混合模型对其训练建 模；通过最大期望值算法计算得到高斯混合模型的分量参数均值，协方差，权重；④根据步骤③计算得到的混合高斯模型参数计算载体音频帧信号概率分布PDx(η)与 隐写音频帧信号概率分布PDy (η)的距离，隐写音频帧信号概率分布PDy (η)与第二次隐写音 频帧信号概率分布PDz(Ii)之间的距离，l^n^m.距离测量采用如下距离公式
2.根据权利要求1所述的针对音频扩频隐写的隐写分析方法，其特征在于，SVM训练模 型的生成步骤包括以下步骤将t个干净样本及其扩频隐写样本进行特征值提取，分别表示为 FX ⑴=IXiD1 (η)，XiD2 (η)}，FY ⑴=(YiD1 (η)，YiD2 (η)}，其中，1 彡 i 彡 t，XiD1 (η)和 ΧΑ(η)表示第i个载体样本的特征值，YiD1(Ii)和YiD2(Ii)表示第i个隐写样本的特征值， 为所选分析帧的个数； 将t个特征值结合FX和FY作为输入变量输入到支持向量机中，生成分类器模型。
3.根据权利要求1或2所述的针对音频扩频隐写的隐写分析方法，其特征在于，扩频隐 写分析步骤包括以下步骤给定s个待测音频信号，提取特征值，表示为FZ(i) = IZiD1(Ii)，^) }，其中， 1 ^ i ^ s, ZiD1 (η)和^D2 (η)表示第i个待测音频样本的特征值，1 ^ η ^ m, m为所选分 析帧的个数；将s个特征值FZ输入到分类器模型，分类器自动判别得出s个待测音频信号是否为隐写信号。
全文摘要
本发明涉及信息隐藏检测技术领域，尤其涉及一种针对音频扩频隐写的隐写分析方法。本发明主要考察重复嵌入引起的信号在统计上的差异，在小波域中引入高斯混合模型对小波子带系数进行建模，计算信号与第一次隐写信号，第一次隐写信号与第二次隐写信号的统计距离作为特征值，最后采用支持向量机为分类器构造隐写分析算法。本发明性能稳健，检测正确率高，虚警率和漏检率低，而且该方法使用简单，时间复杂度低，可应用于隐秘信息检测领域，对防止非法的隐蔽通信具有重要的意义。
文档编号G10L19/02GK102063907SQ20101050410
公开日2011年5月18日 申请日期2010年10月12日 优先权日2010年10月12日
发明者曾伟, 胡瑞敏, 艾浩军 申请人:武汉大学