基于统计模型及SVM的低速率语音编码QIM隐写检测.docVIP

６期 李松斌等 ：基于统计模型及 Ｓ ＶＭ 的低速率语音编码 Ｑ Ｉ Ｍ 隐写检测 １ １ ７ ３ 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 ． ７ ２ ９， Ｖ Ｒ 均值为０ ． ８ ６， 对于 Ｇ 因此可以认为本文所提 ． ７ ２ ３ ． １ 该值为 ０ ． ６ ８． — — 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 ． Ｓ ＶＭ 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 ｃ １ ｏ ｖ ｅ ｒ类 别 低 速 率 压 缩 编 并使用 Ｑ 分组码本使用 码语音片段 ， Ｉ Ｍ 嵌入方法（ ］ 文献 ［ 算法进行 优 化 划 分 ） 进行隐写以获得ｃ ８ ｏ ｖ ｅ ｒ 类别中每个样本对应的 ｓ 并做好标注 ； ｔ ｅ ｏ 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