發(fā)布時間：2020-06-17 16:07

【摘要】：隨著自適應(yīng)多速率(Adaptive multi-rate,AMR)語音在IP電話及移動通信領(lǐng)域的廣泛應(yīng)用,基于AMR語音的隱寫方法層出不窮。然而,與大多數(shù)安全技術(shù)類似,基于AMR語音的隱寫技術(shù)若被不法分子利用,將會給信息安全帶來巨大的安全隱患。因此,面向AMR語音的隱寫分析技術(shù)成為了一個重要的研究課題。從已有研究成果來看,該技術(shù)仍存在諸多問題亟待解決,例如檢測特征維度過高等。論文針對已有研究存在的問題,結(jié)合AMR語音編碼的原理,分別對基音延遲參數(shù)域、固定碼本參數(shù)域和線性預(yù)測參數(shù)域上的隱寫分析方法進(jìn)行了深入研究,具體研究工作如下:(1)針對現(xiàn)有研究存在特征維度過高和對AMR語音基音延遲特性表述欠完整的問題,提出了一種基于基音延遲統(tǒng)計特性的隱寫分析方法。該方法對已有特征進(jìn)行細(xì)致篩選提出了低維度但高效的基音延遲值二階差分統(tǒng)計特征,并引入奇偶統(tǒng)計特征以彌補(bǔ)基音延遲值二階差分統(tǒng)計特征表達(dá)能力的不足。以支持向量機(jī)為分類器,通過大量的樣本對所提出的方法進(jìn)行了性能評估,并與已有方法進(jìn)行比較。實驗結(jié)果表明,本方法在不同嵌入率和不同樣本長度條件下均能得到較現(xiàn)有方法更好的檢測效果。(2)為了解決現(xiàn)有方法檢測特征維度過高的問題,提出了一種基于XGBoost(e Xtreme Gradient Boosting)的AMR固定碼本域隱寫分析方法。該方法利用XGBoost算法對基于脈沖值對統(tǒng)計特性的特征進(jìn)行特征選擇,得到有效且維度更低的特征集合。選用XGBoost作為分類器,通過大量的樣本對所提出的方法進(jìn)行了性能評估,并與相關(guān)工作進(jìn)行性能對比。結(jié)果表明,本方法特征維度(最低70維,最高不超過289維)明顯低于目前最好方法的498維,而其檢測性能優(yōu)于次最優(yōu)方法,且并不遜色于當(dāng)前最好方法。(3)為實現(xiàn)線性預(yù)測參數(shù)域上隱寫方法的高效檢測,提出了一種基于空間局部統(tǒng)計特性的隱寫分析方法,其原理是將一維參數(shù)序列轉(zhuǎn)換成二維“參數(shù)塊”,利用卷積神經(jīng)網(wǎng)絡(luò)從整體上對語音參數(shù)塊的空間局部統(tǒng)計特性進(jìn)行建模,并提取有效特征。以支持向量機(jī)為分類器,通過大量的樣本對所提出的方法進(jìn)行了性能評估,并與已有方法進(jìn)行比較。實驗結(jié)果表明,本方法在檢測線性預(yù)測參數(shù)上的隱寫方法是可行有效的,且較之已有方法具有更好的檢測性能。
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP309.7;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 涂山山;陶懷舟;黃永峰;;基于半監(jiān)督學(xué)習(xí)的即時語音通信隱藏檢測[J];清華大學(xué)學(xué)報(自然科學(xué)版);2015年11期

2 劉程浩;柏森;黃永峰;陽溢;李松斌;;一種基于基音預(yù)測的信息隱藏算法[J];計算機(jī)工程;2013年02期

3 李松斌;孫東紅;袁鍵;黃永峰;;一種基于碼字分布特性的G.729A壓縮語音流隱寫分析方法[J];電子學(xué)報;2012年04期

4 丁琦;平西建;;基于脈沖位置參數(shù)統(tǒng)計特征的壓縮域語音隱寫分析[J];計算機(jī)科學(xué);2011年01期

5 楊義先,鈕心忻;多媒體信息偽裝綜論[J];通信學(xué)報;2002年05期

本文編號：2717843