基于统计模型及SVM的低速率语音编码QIM隐写检测.docx

基于统计模型及SVM的低速率语音编码QIM隐写检测.docx

《基于统计模型及SVM的低速率语音编码QIM隐写检测.docx》由会员分享，可在线阅读，更多相关《基于统计模型及SVM的低速率语音编码QIM隐写检测.docx（15页珍藏版）》请在冰豆网上搜索。

基于统计模型及SVM的低速率语音编码QIM隐写检测

６期李松斌等：

基于统计模型及ＳＶＭ的低速率语音编码ＱＩＭ隐写检测１１７３融合特征向量中的子向量在隐写前后的取值发生了改变；对于Ｇ所有文件的Ｖ．７２９，ＶＲ均值为０．８６，对于Ｇ因此可以认为本文所提．７２３．１该值为０．６８．——隐写将导致该特取的特征对隐写是非常敏感的—征发生显著性变化．这对隐写检测非常有利．用支持向量机作为分类器．ＳＶＭ分类器是一种监督学习分类器，它是通过使用某些已标注类别的样本，进行训练获得的．对于特征向量ｔ分类器ｆ的训练和预测步骤如下：

（）获取尽可能多的ｃ１ｏｖｅｒ类别低速率压缩编并使用Ｑ分组码本使用码语音片段，ＩＭ嵌入方法（］文献［算法进行优化划分）进行隐写以获得ｃ８ｏｖｅｒ类别中每个样本对应的ｓ并做好标注；ｔｅｏ样本，ｇ（）抽取上一步骤所获得的两类样本的特征向２，标记每个向量的类别；量ｔ（）训练分类器：

使用上一步骤获得已标记类３别的特征向量集合训练分类器，获得分类器ｆ；（）使用分类器ｆ对未知类别样本进行隐写检４，测：

对于未知类别样本首先抽取特征向量ｔ将ｔ作分类器输出即为隐写检测结为分类器ｆ的输入，果．本文基于ＬＩＢＳＶＭ是一个优秀的ＳＶＭ工具，ＬＩＢＳＶＭ进行分类器的训练和预测．３　基于机器学习的隐写检测假设有一个未知是否存在ＱＩＭ隐写的压缩语，音片段Ｓ隐写检测的目标即判定Ｓ是否存在ＱＩＭ隐写．假设通过对Ｓ进行处理所抽取的可用于隐写检，）测的特征向量为ｔ则隐写检测过程可用式（表示：

９），｝（）ｔ＋１，－１９ｙ＝ｆ（ｙ∈｛其中函数ｆ为隐写检测器其输出结果即为检测结若ｙ＝＋１，表示Ｓ不存在隐写，否则存在隐写．果，显然函数ｆ是一个二值分类器，隐写检测过程实质上是分类过程：

假设ｙ＝＋１时Ｓ属于未隐写类（称，为ｃ称为ｓｏｖｅｒ类）ｔｅｏｇｙ＝－１时Ｓ属于隐写类（，类）则隐写检测就是将未知类别的样本Ｓ分为对于分类问题，基于机器学习ｃｏｖｅｒ类或ｓｔｅｏ类．ｇ的分类方法是当前主流，本文也采用这种方法．对于未知类别的压缩语音片段，本文基于机器学习的隐写检测过程如图４所示．显然，隐写检测的关键是确定特征向量ｔ和分类器ｆ．４　实验及讨论本文选择Ｇ．７２９和Ｇ．７２３．１作为实验测试所］用的低速率语音编码器，并采用文献［给出的方法８本文针对两种编码器分别进行了本作为隐写算法．文隐写检测方法的性能测试，并与文献［给出的１３］隐写检测方法进行了比较．为了阐明算法具有较好的普适性，本文选择不同发音人的多个语音片段组成语音样本库．所用语音片段样本包含４个种类，分别是中文男声图４　压缩语音片段隐写检测过程（，，包含５中文女ＣｈｉｎｅｓｅＭａｎＣＭ）００个语音片段；　，，包含５英声（ＣｈｉｎｅｓｅＷｏｍａｎＣＷ）３２个语音片段；　，，文男声（包含８ＥｎｌｉｓｈＭａｎＥＭ）１８个语音片段；　ｇ，，英文女声（包含８Ｅｎｌｉｓｈ　ＷｏｍａｎＥＷ）２４个语音ｇ片段．语音片段总计２每个语音片段的时长６７４个．，，为１采样率为８对每个采样点用１０ｓ０００Ｈｚ６ｂｉｔ进行量化，用ＰＣＭ格式存储．我们称没有进行信息隐藏的压缩语音片段为未，隐写类（否则称其为隐写类（不同类别Ｃ类）Ｓ类）．发音人的语音片段编码所得的Ｃ类及其对应的Ｓ类压缩语音流片段构成进行分类器进行训练和预由于本文已将隐写检测问题转化为测时的数据集．）分类问题，因此本文采用式（定义的分类准确率１０］在文献［中，特征向量的提取必须首先对压１３缩语音片段进行解码，其后基于解码获得的语音数据计算基于ＭＦ这种特征提取ＣＣ的统计特征向量，方法需要进行解码操作，甚为耗时．上一节中我们介绍了本文的特征提取方法，该方法不需要对压缩语音进行解码，直接在压缩域抽取特征向量，计算速度较快．为此，本文将上节给出的音素分布特性量化向量Ｈ作为特征向量ｔ．关于分类器的设计，现有研究中，不同的对象分这些方法大致可分类识别系统有不同的训练方法，为两大类：

判别法（和生成ｄｉｓｃｒｉｍｉｎａｔｉｖｅａｒｏａｃｈ）　ｐｐ）法（判别法可以灵活地选择用ｅｎｅｒａｔｉｖｅａｒｏａｃｈ．　ｇｐｐ来识别的特征，检测速度也较快，为此本文采用基于判别法的分类器．在判别型分类器中，由于支持向量，机（较适合小样本ＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅＳＶＭ）　　ｐｐ训练的情况，本文考虑到训练时间和训练样本量，使Ｐｒｅｃｉｓｉｏｎ对检测算法的性能的进行评估：

＾＋＾λθＰｒｅｃｉｓｉｏｎ＝λ＋θ（）１０＾其中λ和θ是数据集中的Ｃ类和Ｓ类样本的个数，λ＾　和θ则是被分类器准确判定类别的Ｃ类和Ｓ类样本

１１７４计　　算　　机　　学　　报２０１３年的个数．４．１　低速率语音编码器ＱＩＭ隐写检测结果对语音样本库中ＣＭ中的每个ＰＣＭ格式存储的语音片段使用Ｇ获得．７２９编码器进行压缩编码，没有进行信息隐藏的５００个Ｇ．７２９压缩语音流片，段，由于Ｇ因此每个片段包含．７２９的帧长为１０ｍｓ这些压缩语音片段组成未隐写类１０００个Ｇ．７２９帧，别（样本．使用文献［介绍的ＣＣ类）８］ＮＶ算法方法对Ｇ．７２９进行矢量量化时的３个分裂矢量码本进获得进行Ｑ再次行优化划分，ＩＭ嵌入的分组码本．对每个ＰＣＭ格式的语音样本进行基于Ｇ．７２９标准的编码压缩，并且，在对每个帧的ＬＰＣ系数进行矢量量化时使用Ｑ获得包含隐ＩＭ机制嵌入机密信息，，藏信息的５个压缩语音流片段这些压缩语００Ｇ．７２９样本．音片段组成隐写类别（Ｓ类）Ｃ类及其对应的Ｓ类压缩语音流片段构成进行分类器训练和预测时的同理可得ＣＷ、这ＣＭ数据集．ＥＭ和ＥＷ数据集．数据集．４个数据集的所有样本构成混合（Ｈｂｒｉｄ）ｙ因此，本文在５个不同的数据集上评估了算法性能．用类似的方法获得使用Ｇ．７２３．１作为低速率进行检测算法性能评估的数据集．语音编码器时，，Ｇ．由于每个语音片段的长度为１０ｓ７２３．１的帧，长为３因此每个Ｇ０ｍｓ．７２３．１压缩语音片段包含３３３个帧．对上述的每个数据集，选择７５％的Ｃ类样本及其对应的Ｓ类样本，组成该种类分类器的训练样本剩余的２库，５％样本组成测试样本库用于评估训练表１给出了测试结果，所得分类器的分类准确性．表１中列ＰＤＦＶ是使用本文方法获得的隐写检测结果，列ＭＦ的方法获得的隐写ＣＣ是使用文献［１３］检测结果．从测试结果看本文方法在５个测试数据的方法，在语音片段时长为集上均优于文献［１３］对于两种低速率语音编码标准，本文方法检１０ｓ时，测准确率均超过９而文献［的方法对于８％，１３］对５个数据集检测Ｇ．７２３．１基本上无法有效检测：

准确率均低于６０％．表１　语音片段时长为１０ｓ时的测试结果数据集名ＣＭ　ＣＷ　ＥＭ　ＥＷ　Ｈｂｒｉｄ　ｙ使用Ｇ．７２９的结果／％ＰＤＦＶ　１００．００　１００．００　１００．００　１００．００　９９．９８　ＭＦＣＣ９４．００　８８．７２　８０．００　７７．４３　８６．７０　使用Ｇ．７２３．１的结果／％ＰＤＦＶ　９８．４０　９６．８０　９８．２２　９７．８７　９８．６２　ＭＦＣＣ４９．６０５２．２６５４．６３５６．５５５２．７６上面获得的测试结果所用的语音片段的时长为本文面向的是Ｖ１０ｓ．ｏＩＰ中低速率编码的压缩语音流的隐写检测；进行隐ＶｏＩＰ中的语音流是实时流，为了达到较快检测以写检测前必须进行流的存储．及减少存储的数据量，显然达到可以接受的隐写检测准确率时，我们希望所需要存储的语音流时长越为此，我们在下文对语音片段时长与隐写检短越好．测的性能进行了评估．４．２　压缩语音流时长对隐写检测结果的影响为了评估语音片段时长对隐写检测结果的影响，首先根据不同的低速率编码器的帧长，对数据集中的１对于０ｓ长度的语音片段进行截短处理．，由于其帧长为１Ｇ．７２９，０ｍｓ１０ｓ长度的语音片段总共包含了１截取前Ｎ（个帧０００帧，０＜Ｎ１０００）编码所需的采样值，构成时长为０．０１×Ｎｓ的新的对这些新的ＣＭ、ＣＷ、ＥＭ、ＥＷ和Ｈｂｒｉｄ数据集．ｙ数据集进行分类器的训练并测试分类准确性．表２给出了不同语音片段时长时（的检测Ｎ取不同值）结果．表２　压缩语音流时长变化时的Ｇ．７２９ＱＩＭ隐写检测结果时长／ｓ０．１０　０．１５　０．２０　０．４０　０．８０　１．６０　３．２０　４．８０　６．４０　８．００　ＣＭ的检测结果／％ＰＤＦＶ　６９．１６　７８．１４　８５．４２　９４．６１　９９．４０　９９．９０　１００．００　１００．００　１００．００　１００．００　ＭＦＣＣ５３．６０　５９．６０　５８．８０　６６．４０　６７．６０　７７．６０　８７．２０　８９．６０　８９．６０　９４．００　ＣＷ的检测结果／％ＰＤＦＶ　６５．２２　８０．３５　８７．５９　９４．７３　９８．２１　１００．００　１００．００　１００．００　１００．００　１００．００　ＭＦＣＣ５２．２６　５７．８９　５７．５２　６０．５３　６５．４１　６７．６７　７３．６８　８１．９５　８６．８４　８８．３５　ＥＭ的检测结果／％ＰＤＦＶ　６７．８４　７８．４２　８５．５７　９４．２５　９９．０２　９９．８７　１００．００　１００．００　１００．００　１００．００　ＭＦＣＣ５７．０７　６３．４１　６３．６６　６７．０７　７７．０７　７５．１２　７７．３２　７５．５９　７６．８３　７７．０７　ＥＷ的检测结果／％ＰＤＦＶ　６６．２０　７４．７５　８１．６７　９３．５６　９８．６６　９９．７５　９９．９３　１００．００　１００．００　１００．００　ＭＦＣＣ５２．９１　５６．８０　５８．５０　６０．４４　６２．８６　６７．２３　７４．７６　７５．２４　８０．３４　８１．３０　Ｈｂｒｉｄ的检测结果／％ｙＰＤＦＶ　７４．３３　８３．３８　８９．６０　９５．９２　９９．１４　９９．８５　１００．００　１００．００　１００．００　１００．００　ＭＦＣＣ５８．３７６１．２１６１．７３６６．２９６９．５１７５．１１７８．９２８１．５４８４．４５８６．９２为了更直观地比较两种方法的性能，图５给出了５个数据集的平均检测准确率与语音片段时长的从该图可以看出，随着语音片段时长的增关系图．加，隐写检测准确率也随之提升；本文方法在任一时长下其检测准确率均优于文献［的方法；在语音１３］片段时长为０．４０ｓ时本文方法已能够达到有效检测（，检测准确率已经超过９而此时文献［的方０％）１３］法仍不超过７因此，对于Ｇ．在语音片段时０％．７２９，

６期李松斌等：

基于统计模型及ＳＶＭ的低速率语音编码ＱＩＭ隐写检测１１７５］；长较小时本文方法性能远优于文献［在语音片段１３），时长较大时（超过４本文达到１．８ｓ００％的隐写检］测准确率，这一点是文献［无法达到的．１３个帧编码所需的采样值，构成时长为０．０３×Ｎｓ的新的ＣＭ、对这些ＣＷ、ＥＭ、ＥＷ和Ｈｂｒｉｄ数据集．ｙ新的数据集进行分类器的训练并测试分类准确性．表３给出了不同语音片段时长时（的Ｎ取不同值）为了更好地比较两种方法的性能，图６给检测结果．出了５个数据集的平均检测准确率与语音片段时长从该图可以看出，随着语音片段时长的增的关系图．加，本文方法的隐写检测准确率也随之提升，但是文］的方法其检测准确率一直低于６可以认献［１３０％（为无法对隐写作出检测）其原因可能是Ｇ．．７２３．１［］每３的采样值采用文献的隐写方法仅０ｍｓ８ＱＩＭ嵌入３嵌入率太低导致解码后的语音ｂｉｔ秘密信息，这使基采样值序列并不因隐写而产生较大的改变，于采样值序列统计的特征对隐写不够敏感，从而导但是本文方法是压缩域方法，不考察解致检测率低．码后的语音数据，因此仍能获得较好的隐写检测准在语音片段时长较大超过６本文方法检确率：

ｓ时，测准确率超过９０％．图５　５个数据集的Ｇ．７２９ＱＩＭ隐写检测平均准确率，由于Ｇ．７２３．１的帧长为３０ｍｓ１０ｓ长度的语）音片段总共包含了３仍截取前Ｎ（３３帧，０＜Ｎ３３３表３　压缩语音流时长变化时的Ｇ．７２３．１ＱＩＭ隐写检测结果时长／ｓ０．３０　０．６０　１．２０　２．４０　３．６０　４．５０　６．００　７．５０　９．００　ＣＭ的检测结果／％ＰＤＦＶ　５２．７９　５５．４８　５７．４８　７１．８５　８７．６２　８９．４２　９２．６１　９６．１０　９７．９０　ＭＦＣＣ５６．８０　５２．４０　５６．８０　５４．４０　５１．２０　５０．００　５７．２０　５０．００　５１．２０　ＣＷ的检测结果／％ＰＤＦＶ　４５．９５　４６．５２　５１．１２　６４．５６　８０．４５　８５．９０　９０．９７　９４．７３　９５．８６　ＭＦＣＣ５４．１４　５１．８８　４７．７４　５１．５０　５１．１３　５６．３９　５３．３８　５７．８９　５３．３８　ＥＭ的检测结果／％ＰＤＦＶ　４４．７４　４９．７５　５６．４７　８０．０１　８５．８１　９０．９５　９３．８２　９５．９０　９７．３１　ＭＦＣＣ５０．２４　５０．９８　５２．４４　５２．４４　５３．９１　５３．１７　５１．９５　５２．６８　４９．０２　ＥＷ的检测结果／％ＰＤＦＶ　４５．６９　５０．６０　６０．７４　７４．２７　８７．１０　８９．４４　９４．２３　９７．０２　９７．６３　ＭＦＣＣ４７．８２　５０．７３　５５．１０　５２．１８　５３．６４　５３．８８　５３．４０　５２．４３　５５．１０　Ｈｂｒｉｄ的检测结果／％ｙＰＤＦＶ　４９．７１　５３．９６　６８．３７　８０．１８　８８．７８　９１．７０　９５．１２　９７．２３　９８．０９　ＭＦＣＣ４８．８０５０．４５４８．７３５２．４７５２．０２５１．７９５３．４４５２．３２５３．１４５　总　结本文对在低速率语音编码过程中的ＱＩＭ隐写给出了高效的检测方法．本文发现一段语音中的音素其分布存在不均衡性和相关性，据此本文提出了一种基于压缩域的隐写检测特征抽取方法，并结合支持向量机构建了隐写检测分类器．与基于时域的，特征抽取方法相比本文方法不仅具有较高的检测而且节省了压缩语音的解码时间，实现了对准确率，压缩语音流的快速隐写检测．本文方法借鉴了文档正是利用这些的向量空间表示方法及其分类模型，方法所蕴含的深刻思想建立了本文的隐写检测算图６　５个数据集的Ｇ．７２３．１ＱＩＭ隐写检测平均准确率法．本文方法为隐写检测提供了一种新的思路．参考文献根据上述实验，本文方法对于两种典型的低速率语音编码器中的Ｑ检测性ＩＭ隐写均能有效检测，能远优于时域特征抽取方法．［］Ｍ／／１ａｚｕｒｃｚｋ　Ｗ，ＬｕｂａｃｚＪ．ＳｔｅａｎｏｒａｈｏｆＶｏＩＰｓｔｒｅａｍｓ　　　ｙｇｇｐｙ　

１１７６计　　算　　机　　学　　报２０１３年Ｐｒｏｃｅｅｄｉｎｓｏｆｔｈｅ３ｒｄＩｎｔｅｒｎａｔｉｏｎａｌＳｍｏｓｉｕｍｏｎＩｎｆｏｒｍａ　　　　　　　－ｇｙｐ，Ｍ，ｔｉｏｎＳｅｃｕｒｉｔ．Ｍｏｎｔｅｒｒｅｅｘｉｃｏ２００８：

１００１１０１８　－ｙｙ［］Ｈ２ｕａｎＹ，ＸｉａｏＢ，ＸｉａｏＨ．Ｉｍｌｅｍｅｎｔａｔｉｏｎｏｆｃｏｖｅｒｔｃｏｍ－　　　　　ｇｐ　／／ｍｕｎｉｃａｔｉｏｎｂａｓｅｄｏｎｓｔｅａｎｏｒａｈＰｒｏｃｅｅｄｉｎｓｏｆｔｈｅ４ｔ