音频隐藏分析方法地研究.pdfVIP

摘 要 摘 要 隐藏分析是信息隐藏的对抗技术，能检测出可能包含隐藏信息的可疑载体， 并进一步拦截﹑检测甚至还原其中的隐藏信息，在网络、通信和信息安全等领 域有着重要意义。本文结合了特征挖掘、模式识别、机器学习等相关理论，主 要针对音频隐藏分析作了相关研究，主要内容和创新点如下： 1. 针对位平面隐藏，提出了一种基于统计特征的音频中隐藏信息估计方法。 在嵌入位平面未知条件下，对嵌入任一位平面的藏密音频，不仅可以判别 是否藏有秘密信息，有效估计信息嵌入的位平面，且能较精确地求得所藏 数据量大小。该方法对顺序嵌入和随机间隔嵌入方法均有效。 2. 针对扩频隐藏，通过分析不同长度下的最佳估计序列及其与载体信号的互 相关值，实现了扩频隐藏信息的有效检测。在此基础上，采用遗传算法求 解扩频序列长度及序列构成的两变量优化问题，可较好地估计出嵌入时使 用的扩频序列，最终实现了顺序嵌入条件下的扩频隐藏信息的还原。 3. 针对回声隐藏，通过分析音频的滑动窗口复倒谱(SWC，Sliding Windowed Cesptrum)，设计了基于复倒谱峰值位置分布特性的特征因子，实现了回声 隐藏信息的有效检测。通过对回声延迟、分段长度和同步位置等嵌入参数 的估计，实现了一定条件下的回声隐藏信息还原。 4. 提出了基于主成分分析(PCA，Principle Component Analysis)和支持向量机 (SVM，Support Vectors Machine)的音频盲隐藏分析方法。通过PCA 分析， 选择区分性较好的组合特征参数对 SVM 进行训练学习，可得到 SVM 分 类器，进而使用该分类器实现隐藏信息的盲检测，仿真实验验证了该方法 的有效性。 盲隐藏分析研究是隐藏分析的发展趋势，如何从信息隐藏的基本模型着手， 深度挖掘更具区分性和稳定性的特征参数，改进系统的自适应学习能力及提高 检测及还原正确率，是今后研究工作的重点所在。 关键词：音频隐藏分析；特征挖掘；扩频隐藏；回声隐藏；位平面隐藏；机器学 习；检测；还原 I ABSTRACT ABSTRACT Steganalysis is a countermeasure technique for steganography, its target is to find out the suspicious carriers who take along secret message, further intercept, detect and recover the secret message. It has performed a significant role in communication, internet and information security. Our research is focused on the audio steganalysis based on the theories of feature mining, pattern recognition and machine learning. The main contributions of this dissertation are summarized as follows: 1. Based on the audio amplitude distribution change caused by secret message embedding in different bit-planes, a method of sec