基于能量比调整的自适应音频信息隐藏算法

基于能量比调整的自适应音频信息隐藏算法时磊1杨百龙2王毅3赵文强4（1.第二炮兵工程大学士官学院山东青州262500；2.第二炮兵工程大学陕西西安7100253.62121部队陕西西安710086；4.第二炮兵工程大学陕西西安710025）摘要：针对目前大多数音频信息隐藏算法不能抵抗移动通信系统压缩编码的问题，利用GSM系统RPE-LTP编码前后相邻语音段能量值之比基本保持一致的特点，提出一种新的适用于GSM系统的音频信息隐藏算法，并且根据人类听觉系统的掩蔽效应，自适应地选择高能量语音段进行信息隐藏。实验结果表明，算法对常规攻击类型有较好的鲁棒性，尤其对GSM系统语音压缩编码有很强的抵抗能力；使用Logistic序列进行加密预处理，算法安全性良好；携密语音信噪比较高，具有良好的透明性。关键词：信息隐藏；掩蔽效应；Logistic序列；能量比中图分类号：TP391文献标识码：A文章编号：AdaptiveaudioinformationhidingalgorithmbasedonenergyvalueratioadjustmentShiLei1YangBailong2WangYi3ZhaoWenqiang4(1.TheSecondArtilleryEngineeringUniversityCadetCollege,Qingzhou262500,Shandong,China；2.TheSecondArtilleryEngineeringUniversity,Xi’an710025,Shaanxi,China；3.TroopsNO.62121,Xi’an710086,Shaanxi,China；4.TheSecondArtilleryEngineeringUniversity,Xi’an710025,Shaanxi,China)Abstract:Fortheproblemthatmostaudioinformationhidingalgorithmcan'tresistthemobilecommunicationsystemcoding,anewaudioinformationhidingalgorithmthatcanbeusedinGSMwasproposedusingthefeaturesthatbeforeandafterRPE-LTPcodingadjacentphonemesenergyvalueratioremainedessentiallythesame,andaccordingtothemaskingeffectofhumanauditorysystem,selectedthehighenergyspeechsegmentadaptivelytohideinformation.Theexperimentalresultsshowthat,thealgorithmhasbetterrobustnesstotheconventionaltypeofattack,especiallyhasverystrongresistancefortheGSMspeechcodingsystem;algorithmhasexcellentsafetyforusingLogisticsequencetoencryptthesecretdate;theSNRofthevoicecarryingsecretdateishigher,sothealgorithmhasgoodtransparency.KeyWords:Informationhiding；Maskingeffect；Logisticsequence；Energyvalueratio0引言目前常见的语音信息隐藏的算法研究大多是针对有线网络（如PSTN、互联网），而移动通信网络与有线网络相比，首先有着许多优点，一是使用便捷，可以随时随地进行音频通话，甚至视频通话；二是应用广泛，这主要得益于移动通信网络的飞速发展，其发展势头甚至要超过互联网；三是易于普及推广，基于前两个优点，当一个可以应用于移动收稿日期：2014-09-26基金项目：军队装备科研基金资助项目（EP133072）通信网络的技术被开发出来，其普及和推广必然是水到渠成。但是从另一方面来看，移动通信网络的编码算法是有着显著不同的，现在很多的音频隐藏算法不一定能够抵抗移动通信网络中的压缩编码过程对信号造成的攻击，因而也就不能适用于移动通信网络，本文设计提出一种适用于GSM移动通信网络中的信息隐藏算法。目前GSM采用的编码方案是13Kbit/s的RPE-LTP（规则脉冲激励长期预测）[1]，其特点是在不增加误码的情况下，以较小的速率优化频谱占用，同时使语音质量达到与固定电话相接近的水平[2]。本文通过对GSM中语音信号RPE-LTP编码前后的特性进行分析，发现一段语音信号经RPE-LTP编码并解码后，前后两段的能量值之比变化不大，经实验分析，经编解码后的前后两段能量值的比值大多数处于0.9-1.5之间，因此，我们可以利用这个特点来隐藏信息。人类听觉掩蔽效应[3]对于音频信息隐藏技术是非常重要的，为了保证信息隐藏的透明性，大多数隐藏算法都利用了掩蔽效应的特点，本文提出的算法更是充分利用掩蔽效应的理论来提高自身的透明性和鲁棒性。1基于能量比调整的自适应音频信息隐藏算法1.1秘密数据预处理及嵌入1.1.1秘密数据预处理Logistic序列[4]是混沌映射中一种比较简单但是非常实用的映射方法，如公式（1）所示：1(1)nnnxaxx（1）其中04a是分支参数。通过选择合适的阈值[5]，将混沌序列转化为二进制序列，如公式（2）所示：10.51()000.5nnnxgxx（2）Step1：根据上述公式（1）和公式（2），选择合适的初始值0x，生成一个混沌序列(1),(2),(3)...Gggg，()0,1gi；Step2：将秘密数据S与第一步中生成的混沌序列进行运算，变为mbit的秘密数据'S，如公式（3）所示：'()()()sisigi（3）1.1.2秘密数据嵌入Step1：设()0RRjjN，为包含N个样本的普通语音，将其分为K段，如公式（4）所示：()()rkrkLj，00kKjL且（4）式中(k)r表示第k段语音，L表示每段样本数。理论上讲，为了保证处理后的秘密数据'S能够完全嵌入到语音段R中，必须满足：mL。在这里，我们取L=160。Step2：根据人类听觉系统的时域掩蔽效应，计算每一段语音的能量值，然后选择能量较大的语音段嵌入秘密数据，可以在一定程度上增强算法鲁棒性和透明性，如公式（5）所示：20()(())LjEkrkLj（5）设T为能量阈值，当()EkT时，则该段语音符合要求，可以嵌入秘密数据，反之，当()EkT时，则该段语音不符合要求，不作为秘密数据的嵌入段。Step3：分别计算满足要求的各段语音前/2L个样本的能量和后/2L个样本的能量，如公式（6）（7）所示：/21210(())LjErkLj（6）22/2(())LjLErkLj（7）Step4：选定一个较小的初始嵌入深度d=1.1，计算前/2L个样本的放大增益1d，如公式（8）所示：21121/'()1/1dEEsiEEdd且其他（8）Step5：计算后/2L个样本的放大增益2d，如公式（9）所示：12212/'()1/1dEEsiEEdd且其他（9）Step6：利用两个放大增益值1d、2d将秘密数据'()si嵌入到明文语音段r中，如公式（10）所示：12()0/2'()()/2rkLjdjLrkLjrkLjdLjL（10）（10）最终获得携密语音'r。1.2秘密数据提取Step1：把接收到的携密语音分为K段，每段长度仍然为L，如公式（11）所示：'()'()rkrkLj,00kKjL且（11）Step2：计算每段能量值，如公式（12）所示，当()EkT时，继续进行下一步，20'()('())LjEkrkLj（12）（12）Step3：计算每段前L/2个样本和后L/2个样本的能量值，如公式（13）（14）所示：/21210'('())LjErkLj（13）22/2'('())LjLErkLj（14）Step4：根据公式（15）判决得到秘密数据''()si:12211''''()0''EEsiEE（15）Step5：当嵌入深度d增大，算法鲁棒性会得到提升，但与之相对立的是，嵌入秘密数据后的语音失真会增大，也就是算法的透明性会降低，因而需要通过一系列的迭代过程来最终确定最合适的嵌入深度d的值。如果''()'()sisi，则d不变；如果''()'()sisi，则提高d的值，并转回秘密数据嵌入过程的Step4。Step6：根据Logistic序列的初始值0x和秘密信息的长度，对''()si进行解调得到原始秘密数据()si。2仿真实验分析本节通过一系列的仿真实验对算法的透明性、鲁棒性以及安全性进行测试和说明。实验中的音频信号以16位分辨率及8kHz的频率进行采样。嵌入数据则根据测试内容的不同在一个20bit二进制序列、一段文本和一张校徽的位图中进行选择。能量门限取为T=0.1，混沌序列初始值0x=0.315。2.1透明性分析携密语音透明性的客观测试主要通过分段平均信噪比SNR和归一化相关系数来衡量，分段平均信噪比即为各段语音信噪比的平均值，归一化相关系数的定义如公式（16）所示：''2'2(i)m(i),(i)(i)iiimmmmm（）=（16）其中，m为原始语音序列，'m为变化后的语音序列。归一化相关系数越接近1，表明语音序列变化前后差异越小，反之亦然。下表1给出了在无攻击情况下，携密语音的分段平均信噪比SNR以及与原始语音的归一化相关系数。表1携密语音信噪比与归一化相关系数嵌入数据携密语音信噪比归一化相关系数20bit二进制序列33.1dB0.991一段文本31.4dB0.983一张校徽位图29.5dB0.957从表1中可以看出，在嵌入数据不同时，携密语音信噪比以及与原始语音的归一化相关系数稍有不同，但相差不大，因而总体上在数据方面说明算法透明性良好。图1嵌入二进制序列的携密语音与原始语音对比图图2嵌入文本的携密语音与原始语音对比图图3嵌入位图的携密语音与原始语音对比图图1为嵌入一个20bit二进制序列的携密语音与原始语音的频谱对比图，图2为嵌入一段文本的携密语音与原始语音的频谱对比图，图3为嵌入一张校徽位图的携密语音与原始语音的频谱对比图，从图中可以看出，携密语音的频谱与原始语音的频谱相差较少，形象地说明算法透明性良好。2.2鲁棒性分析对算法的鲁棒性测试分为两步，首先测试算法应对常见类型攻击的能力，但由于该算法的应用环境是针对移动通信系统，所以其抵抗GSM语音压缩编码的能力至关重要，因而第二步就是对算法的抗语音压缩能力进行测试。1.常见攻击类型测试为了检验算法的鲁棒性，本文首先测试了在下列常见攻击类型的处理中水印提取的正确率，在该测试中，嵌入数据采用一张校徽位图：表2常规攻击类型测试攻击类型提取率提取效果攻击类型提取率提取效果无攻击100.00%抖动93.60%重采样100.00%时移（5%）90.24%重量化100.00%时间伸展（103%）98.63%加高斯白噪声100.00%时间压缩（95%）97.92%从表2中校徽位图的提取效果和提取率来看，基于能量比调整的信息隐藏算法对于不同的攻击方式都具有较好的鲁棒性。2.抗语音压缩性能分析抗压缩编码能力是衡量该算法的重要指标，也是移动通信环境对该信息隐藏算法的主要要求。为了对算法的抗压缩编码能力有一个充分地认识，测试中采用我国广泛使用的两种不同的GSM标准对本章提出的算法、一种基于小波变换和一种基于离散傅立叶变换的常见信息隐藏算法产生的携密语音进行压缩编码，然后提取语音中的