[發(fā)明專利]G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置及檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110435163.9
• 申請(qǐng)日: 2011-12-22
• 公開（公告）號(hào): CN102568469A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 李松斌;黃永峰
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G10L11/00
• 分類號(hào): G10L11/00
• 代理公司: 北京中偉智信專利商標(biāo)代理事務(wù)所 11325
• 代理人: 張岱

技術(shù)領(lǐng)域

本發(fā)明涉及信息隱藏檢測(cè)領(lǐng)域，尤其涉及一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置及檢測(cè)方法。

背景技術(shù)

近年來，隨著帶寬的持續(xù)增長(zhǎng)以及網(wǎng)絡(luò)融合趨勢(shì)的增強(qiáng)，VoIP逐漸成為因特網(wǎng)中一個(gè)非常流行的流媒體通信服務(wù)，在全球范圍內(nèi)得到廣泛應(yīng)用，徹底變革了語(yǔ)音通信市場(chǎng)格局，它所產(chǎn)生的網(wǎng)絡(luò)流量在持續(xù)增長(zhǎng)，這使VoIP非常適合用于在IP網(wǎng)絡(luò)中進(jìn)行隱蔽通信。G.729標(biāo)準(zhǔn)是ITU定義的VoIP語(yǔ)音編碼標(biāo)準(zhǔn)，其簡(jiǎn)化版本G.729A在VoIP得到廣泛應(yīng)用。這使G.729A壓縮語(yǔ)音流成為一種潛在的極具威脅的信息隱藏載體，利用它進(jìn)行隱蔽通信將對(duì)國(guó)家通信監(jiān)管形成巨大威脅，研究基于該載體的信息隱藏檢測(cè)方法很有必要。信息隱藏檢測(cè)(亦稱隱寫檢測(cè))就是判斷所觀察到的載體數(shù)據(jù)中是否存在隱藏信息。

當(dāng)前在語(yǔ)音中進(jìn)行信息隱藏的方法可大致分為以下幾類：其一是針對(duì)脈沖編碼調(diào)制語(yǔ)音數(shù)據(jù)的最低有效位替換或匹配方法；其二是變換域方法，該方法先將載體數(shù)據(jù)變換到變換域，然后通過在變換域修改一些參數(shù)實(shí)現(xiàn)機(jī)密信息的嵌入，常用的變換包括倒譜變換，離散余弦變換、離散小波變換等；其三是基于量化索引調(diào)制(Quantization?Index?Modulation，QIM)的方法，適用于包含矢量量化的數(shù)字音頻、圖像和視頻編碼。這三類方法中基于QIM機(jī)制的信息隱藏方法具有運(yùn)算簡(jiǎn)單速度快，可用于在壓縮編碼過程中進(jìn)行信息隱藏等特點(diǎn)，特別適合用于在G.729A語(yǔ)音流中進(jìn)行信息隱藏，其對(duì)國(guó)家通信安全的威脅也最大。

發(fā)明內(nèi)容

針對(duì)上述問題，本發(fā)明的目的在于提供一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置及檢測(cè)方法，應(yīng)用于檢測(cè)在基于G.729A標(biāo)準(zhǔn)的語(yǔ)音編碼過程中使用經(jīng)CNV(互相鄰居節(jié)點(diǎn))算法優(yōu)化劃分的分組矢量碼本進(jìn)行QIM信息隱藏的檢測(cè)。

為達(dá)到上述目的，本發(fā)明所述一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置，至少包括壓縮語(yǔ)音流映射音素序列模塊、音素序列特征提取模塊組、分類器裝置以及結(jié)果集成模塊，其中；

壓縮語(yǔ)音流映射音素序列模塊，接收外部輸送來的壓縮語(yǔ)音流，映射成音素序列并輸出；

音素序列特征提取模塊組，分別提取音素序列的音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量并輸出；

分類器裝置，基于訓(xùn)練集對(duì)不同特征向量分別訓(xùn)練分類器，然后對(duì)于未知類別的樣本使用訓(xùn)練獲得分類器進(jìn)行分類并輸出分類結(jié)果；

結(jié)果集成模塊，對(duì)多個(gè)分類器的輸出結(jié)果進(jìn)行集成并輸出作為最終的隱寫檢測(cè)結(jié)果。

優(yōu)選地，所述音素序列特征提取模塊組包括PVSF特征提取模塊和FOMF特征提取模塊，其中；

PVSF特征提取模塊，提取音素序列的音素向量空間特征向量并輸出；

FOMF特征提取模塊，提取音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量并輸出。

優(yōu)選地，所述分類訓(xùn)練裝置包括第一分類器、第二分類器及第三分類器，其中，

第一分類器，基于音素向量空間特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊；

第二分類器，基于音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量的融合特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊；

第三分類器，基于音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊。

為達(dá)到上述目的，本發(fā)明所述一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)方法，包括以下步驟：

將壓縮語(yǔ)音流映射成音素序列；

分別提取音素序列的音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量；

對(duì)多種特征向量分別訓(xùn)練分類器，并將多個(gè)分類器的分類結(jié)果基于多數(shù)投票機(jī)制進(jìn)行集成作為最終的分類結(jié)果。

優(yōu)選地，所述將壓縮語(yǔ)音流映射成音素序列的方法為：設(shè)定語(yǔ)音所包含的音素為有限個(gè)，將待映射語(yǔ)音分割為各個(gè)音素對(duì)應(yīng)的語(yǔ)音小片，取小片的時(shí)長(zhǎng)為G.729A的幀長(zhǎng)。

優(yōu)選地，所述音素序列特征提取方法為：

使用音素發(fā)音時(shí)的聲道參數(shù)作為音素的量化描述，使用G.729A中的LPC濾波器表征聲道參數(shù)，LPC濾波器由量化索引確定，將每個(gè)音素對(duì)應(yīng)到LPC濾波器量化索引的第一個(gè)域，使用該域形成序列的統(tǒng)計(jì)特征作為音素序列的統(tǒng)計(jì)特征；

使用音素向量空間特征向量量化提取G.729A語(yǔ)音所包含音素的分布不均衡性；