音频隐写分析技术研究综述

在空间域和频域内，载体数据嵌入隐藏信息后，其统计特性发生改变，因而基于统计的隐写分析方法是目前隐写分析技术的主流研究方向，随着隐写分析技术的发展，抗隐写分析的隐藏算法也随之产生并迅速发展，对隐写分析提出了新的挑战。
　　3.2　语音通用隐写分析方法
　　通用检测的一般思路是选取检测对象的多个特征统计量，由统计量构成特征矢量集，再利用神经网络、聚类算法、回归分析或者其他软件计算工具从试验数据中构造检测模型，在检测模型中经过训练寻找最佳判决门限，利用这一检测模型作为载体对象与载密对象的分类器。该类检测方法的检测对象一般是针对多类隐藏方法或多种隐藏工具，例如同时针对空域的LSB算法与变换域的LSB算法，以及扩频的隐藏方法，这也是“通用”的意义所在[7]。
　　通用测法包含两个重要步骤:学习过程与判决过程[8]，如图3。学习过程包括从未嵌入秘密信息的语音样本和嵌入秘密信息的语音样本中提取并选择有利于分类的特征矢量，以此构造隐写分析分类器，并对分类器进行训练，直到满足一定的精度要求。判决过程是则是利用在学习过程中建立的分类器对待测语音进行分类，这样，即使不知道隐写算法，也可以通过比较和分析学习样本，观察出由于消息嵌入而对待测语音产生的影响，从而提取出可用于分类的特征，最终判决待测音频是否有隐藏秘密信息。
　　该模型中，分类特征的选择非常重要，它强烈地影响到分类器的设计与性能。如果对不同类别样本所选的特征差别较大， 则比较容易设计出高性能的分类器，反之，则有可能使分类器难于构造或分类效果不好。因此，隐写分析系统成功的关键就是选取利于分类的有效特征。
　　汝学民等人提出的一种利用语音高阶矩作为特征的隐写分析方法，并用支持向量机（SVM） 进行了分类，取得了一定的效果，但其特征的维数过高并且特征之间有很强的相关性， 因而增加了分类的难度。
　　Jian-Wen Fu等提出了利用语音小波域的直方图及其频域高阶统计矩作为特征的隐写方法，并利用PCA对选特征进行降维，利用S V M 对特征进行进行分类。该方法对三种不同的嵌入方法，包括小波域LSB、小波系数量化QIM 和小波域迭加有效。
　　4　展望
　　经过近几年的发展,隐写分析技术已形成了一个理论体系，取得了一批研究成果，但仍有许多问题有待解决，今后有待突破的方向包括针对改进的高安全性的隐写算法的检测、综合型的隐写检测算法设计、检测对象的分类技术研究等。
　　目前主要的两类检测方法：强针对性的检测方法与通用盲检测法，都是基于对检测对象的统计模型的统计分析，二者各有优劣。前者针对性强，对具体的一类隐藏算法检测结果可靠度高,能估计出隐藏信息量的大小，但灵活性与扩展性较差；而后者具有一定的通用性，一般对多种隐藏方法有效，灵活性与扩展性较好，但检测结果的可靠性与准确性与前者相比较差。在进一步的研究中可将二者优势互补，设计综合型的检测算法。一方面利用通用盲检测法的优势，构造多种特征统计量，建立更为全面的检测对象的统计模型；另一方面采用强针对性的检测方法的思路，具体考察所构造的统计量对不同的隐藏类型的统计变化，寻找对新的隐藏算法适用的检测统计量，并参考通用检测法的分类技术，确定更为鲁棒的判决门限，以提高检测的可靠性与准确性。
　　另一个有待研究的方向是对检测对象的分类技术，常用的分类技术有神经网络，支持向量机等方法。集成学习是一种新的机器学习范式[9]，它使用多个（通常是同质的）分类器来解决同一个问题。在语音隐写分析中，我们也可以用集成学习技术，将多个分类器联合起来，对待测语音进行分类，分类效果会更好，判断的结果会更加准确。
　　现阶段隐写分析技术的研究主要集中在检测技术的研究，要达到实用化就必须实现隐蔽信息的提取与还原，其中将涉及到密码技术，这方面的研究也开始受到人们的关注。
　　参考文献
　　[1] KELLEY J. Terror groups hide behind Web encryption[N].USA Today,Feb.2007,http://www.usatoday.com/tech/news/
　　2007-02-05-binladen.htm.
　　[2] 郭立，杨帆. MIDI 音频隐写分析研究[D].北京:中国科学技术大学.2009.
　　[3] 陈　铭,张　茹,钮心忻,杨义先. 隐写分析技术研究概述[J].计算机应用,2008,28(06):31-33.
　　[4] KATZENBEISSER S, PETITCOLAS F A P. Defining security in steganographic systens[C]// Proceedings of 2002 Security and Watermarking of Multinedia Contents .CA:SPIE.2002,4675:50-56.
　　[5] 杨正琴.音频隐写分析技术的研究[D].南京：南京理工大学.2006
　　[6] 饶华一,陈铭,张茹,钮心忻. 信息隐藏和隐写分析综述[C]//2007北京地区高校研究生学术交流会通信与信息技术会议论,北京:北京邮电大学出版,2008.
　　[7] 惠卯卯.基于变换域特征的通用隐写分析[D]. 无锡:江南大学.2009.
　　[8] 戚银城，付建文，苑津莎. 基于直方图统计矩特征的小波域音频隐写分析[J].系统仿真学报,2008,20（07）:1912-1914.
　　[9] 李凯, 崔丽娟.集成学习算法的差异性及性能比较[J].计算机工程，2008, 34(6):35-37.