音频隐写分析机理与关键技术研究

论文摘要

隐写术将秘密信息以一定的方式嵌入到公开的数字媒体中,从而隐藏了秘密信息的存在,可以实现隐蔽通信。隐写分析是对隐写术的攻击,目的在于揭示媒体中是否存在秘密信息以致破坏隐蔽通信。隐写分析技术具有重要的学术价值和应用前景,它有利于防止隐写术的非法应用,并对于如何设计安全的隐写方法具有指导意义。目前在隐写与分析的研究上主要以图像作为载体,而针对音频信号的隐写分析方法相对匮乏,以AAC为载体的隐写与分析方法更是很少,相关研究具有很高的实用性和挑战性。因此,本文开展了音频信号隐写分析的研究,从未压缩音频和压缩域音频两个方面进行研究,力图从理论到实践探索出实用的音频隐写分析方法。本文的主要工作及创新点如下:1.提出了一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测基于加性噪声模型的音频隐写方法。实验证明,对于常用的加性噪声隐写方法,即使在嵌入强度或嵌入率较低的情况下,也能够达到较高的分类准确率。2.提出了一种基于功率倒谱统计特征的音频回声隐写分析方法。该隐写分析方法不仅能够对最基本的单回声核进行检测,还适用于改进的回声核,在衰减系数较低的情况下也能达到较高的分类准确率,且无论嵌入段长如何,都能较为准确的检测。3.提出了一种基于特征融合的通用音频隐写分析方法。首先给出了一种基于短时傅立叶变换的特征提取方法,然后将基于短时傅里叶变换的特征与基于音频质量测度的特征和基于线性预测的特征相结合,并对特征进行了选择。该隐写分析方法具有较强的通用性,它融合了不同类型特征的优点,使得总体的检测率得到了提高。4.提出了两种AAC隐写方法,分别是基于MDCT系数量化小值区的秘密信息嵌入方法和基于Huffman编码中溢出序列的隐写方法。这两种方法均是在MDCT量化系数上嵌入秘密信息的,避免了量化过程中秘密信息的损失,减少了运算复杂度。性能测试表明,这两种AAC隐写方法的嵌入容量较高,具有良好的不可感知性,并有一定的抗隐写分析性。5.提出了一种基于AAC量化系数的隐写分析方法。根据隐写前后量化系数直方图的改变,采用广义高斯分布模型进行拟合,提取量化系数GGD的参数作为特征,还将直方图变换到频域,提取频域统计矩作为特征。又根据隐写对相邻帧量化系数相关性的影响,提取马尔可夫转移矩阵中的部分数据作为特征,采用支持向量机进行分类。实验结果表明,该隐写分析方法对于量化系数上的扩频调制隐写方法检测率较高。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 信息隐藏概述
• 1.2 隐写与隐写分析概述
• 1.3 隐写分析技术的分类与评价
• 1.3.1 隐写分析技术分类
• 1.3.2 隐写分析方法的评价
• 1.4 隐写与分析技术的研究现状
• 1.4.1 隐写技术的背景与研究现状
• 1.4.2 隐写分析的研究现状
• 1.4.3 隐写分析方法回顾
• 1.5 论文的主要工作与结构
• 1.5.1 论文的主要工作
• 1.5.2 论文的结构
• 1.6 本章小结
• 第2章 音频隐写方法与隐写机理分析
• 2.1 常用的音频隐写方法
• 2.1.1 时域隐写方法
• 2.1.2 变换域隐写方法
• 2.1.3 压缩域隐写方法
• 2.1.4 音频隐写工具
• 2.2 音频隐写机理分析
• 2.2.1 不同隐写方法对音频的影响
• 2.2.2 隐写对音频的综合影响
• 2.2.3 隐写对压缩音频的影响
• 2.3 本章小结
• 第3章 音频隐写分析系统模型与隐写分析方法
• 3.1 音频隐写分析系统模型
• 3.1.1 特征提取与特征选择
• 3.1.2 判别
• 3.2 常用的音频隐写分析方法
• 3.2.1 针对LSB 隐藏的隐写分析方法
• 3.2.2 通用音频隐写分析方法
• 3.3 本章小结
• 第4章 基于小波包与自适应预测器的隐写分析方法
• 4.1 加性噪声模型与特点分析
• 4.2 隐写分析方法
• 4.2.1 隐写特征的提取
• 4.2.2 自适应预测器
• 4.2.3 特征提取的步骤
• 4.2.4 分类器的选择
• 4.3 实验结果与分析
• 4.4 本章小结
• 第5章 基于功率倒谱统计特征的回声隐写分析方法
• 5.1 音频回声隐藏原理
• 5.1.1 回声隐藏的数学模型
• 5.1.2 回声隐藏的方法
• 5.1.3 回声隐藏的提取
• 5.1.4 其他的回声核
• 5.2 隐写分析方法
• 5.2.1 回声隐藏的特点分析
• 5.2.2 隐写分析方法的系统框图
• 5.2.3 特征提取
• 5.3 实验结果与分析
• 5.4 本章小结
• 第6章 基于特征融合的通用音频隐写分析方法
• 6.1 基于短时傅立叶变换的特征提取
• 6.1.1 美尔倒谱系数（MFCC）
• 6.1.2 STFT 频谱的统计特征
• 6.1.3 基于STFT 的特征提取步骤
• 6.1.4 测试结果与分析
• 6.2 基于特征融合的隐写分析方法
• 6.2.1 特征的提取与选择
• 6.2.2 实验结果与分析
• 6.3 本章小结
• 第7章 基于先进音频编码的隐写与分析方法
• 7.1 AAC 编码算法原理
• 7.1.1 AAC 编码过程概述
• 7.1.2 AAC 量化算法原理
• 7.2 基于AAC 编码的信息隐藏方法
• 7.2.1 基于量化系数小值区的隐写方法
• 7.2.2 基于Huffman 编码中溢出序列的隐写方法
• 7.3 基于AAC 量化系数的隐写分析方法
• 7.3.1 广义高斯分布模型（GGD）的统计特征
• 7.3.2 基于直方图频域统计矩的特征
• 7.3.3 基于马尔可夫链的统计特征
• 7.3.4 实验结果与分析
• 7.4 本章小结
• 第8章 总结与展望
• 8.1 本文的总结
• 8.2 后续工作的展望
• 参考文献
• 致谢
• 在读期间发表的学术论文与取得的研究成果