CN105304091A - 一种基于dct的语音篡改恢复方法 - Google Patents

Abstract

本发明公开了一种基于DCT的语音篡改恢复方法，首先将原始语音信号A分为P帧，每帧分为4段。采用基于DCT的语音信号压缩方法，得到压缩信号；同时对压缩的信号置乱。然后，采用量化信号样本值的方法，将各帧的帧号嵌入到该帧前两段中，并将该帧对应的置乱后的压缩信号嵌入到后两段中。本发明能够精确地定位被攻击的内容，同时对被攻击的信号能够篡改恢复。

Description

一种基于DCT的语音篡改恢复方法

技术领域

本发明在给出了一种对语音内容真实性和完整性认证方法的同时，给出了对被攻击信号进行篡改恢复的方法，保障了数字语音内容的安全性，对被攻击内容的恢复使语音的内容更真实可靠。

背景技术

数字语音信号作为一种信息载体广泛应用在电话通讯、新闻报导等方面，已经成为人们日常生活不可分割的一部分。由于自身特点等原因，语音信号容易引起攻击者的兴趣而被攻击，被攻击的信号表达的意义和原始信号会有很大区别，甚至完全相反。这些给人们的生活带来了不便，增加了不和谐因素。于是，需要一种技术来对语音信号的真实性和完整性进行认证。同时，对被攻击信号的篡改恢复，将给人们的生活带来诸多便利。因此，可恢复的语音内容认证算法更具有研究意义和实用价值。

文献“Authenticityexaminationofcompressedaudiorecordingsusingdetectionofmultiplecompressionandencoders’identification”(KoryckiR,ForensicScienceInternational.Vol.238,pp.33-46,2014)针对压缩的音频信号提出了一种内容认证算法，基于MDCT系数的统计特征以及其它一些从压缩信号中提取的参数来对音频内容进行取证。该方法提高了水印***的鲁邦性。然而，由于认证过程需要大量的样本进行训练，限制了其在实际生活中的应用。文献“Content-dependentwatermarkingschemeincompressedspeechwithidentifyingmannerandlocationofattacks”(ChenOT-C,Chia-Yi,Chia-HsiungLiu,IEEETransactionsonAudio,Speech,andLanguageProcessing.Vol.15,no.5,pp.1605-1616,2007)基于压缩编码技术提出了一种语音内容取证方法。一方面，该方法的水印信息在语音压缩过程中生成，对于采用不同方法压缩的语音信号，或者未被压缩的信号，该方法没有取证能力。另一方面，水印嵌入基于LSB的方法。由于LSB的水印嵌入方法是脆弱的，信号处理操作会被认为是恶意攻击，于是该方法在应用中存在局限性。以上方法对于检测到的恶意攻击，都不具有篡改恢复的能力。为此，研究具有篡改恢复能力的数字语音取证技术，不仅具有重要研究意义和实用价值，对提高数字语音内容的可靠性也具有积极作用。

发明内容

本发明的目的在于提供一种基于DCT的语音内容篡改恢复算法，该算法首先能够对恶意攻击进行有效监测并定位，然后对监测到的被攻击内容进行篡改恢复，以此来实现数字语音内容的真实性和完整性认证，并提高数字语音认证的可靠性。

为实现这样的目的，本发明给出了基于DCT的数字语音压缩方法，利用压缩信号来恢复被攻击的内容，设计了一种具有篡改恢复能力的数字语音取证方法。

一种基于DCT的数字语音篡改恢复方法，能够对恶意攻击进行有效监测并定位，以此来实现对数字语音内容的真实性和完整性取证，并通过对被攻击内容的篡改恢复使取证的结果更加真实可信，包括如下具体步骤：

(1)信号压缩：首先将原始语音信号A分为不重叠的P帧，第i帧记为A_i；同时对A进行重采样操作，重采样采用的采样频率F′小于原始信号采样频率F，采样后的信号记为A′；接着将A′分为不重叠的P帧，并对每帧进行DCT；取前M个低频系数作为该帧的压缩信号；将各帧的压缩信号置乱，置乱后第i帧A_i对应的压缩信号记为C_i；

(2)嵌入帧号和压缩信号：将A_i分为4段，记为A1_i、A2_i、A3_i和A4_i；A_i对应的帧号i作为第i帧的标识嵌入在A1_i和A2_i中；同时，第i帧A_i对应的压缩信号C_i嵌入到A3_i和A4_i中；嵌入后的信号记为WA；

(3)内容认证：首先将待检测语音信号WA分为不重叠的P帧，第i帧记为WA_i；并将每帧分为4段，分别记为WA1_i、WA2_i、WA3_i和WA4_i；从WA1_i和WA2_i中提取帧号，同时从WA3_i和WA4_i中提取压缩信号。若从WA1_i和WA2_i中提取的帧号相同，同时，从WA3_i和WA4_i中提取压缩信号也相同，则表明该帧的内容是真实的，并跳入第i+1帧WA_i+1进行内容认证操作；否则，则说明该帧被恶意攻击；

(4)篡改恢复：在检测到被攻击的内容之后，搜索找到下一个能够通过认证的帧，并提取该帧的帧号和上一个能通过认证的帧的帧号，两个帧号之差就是被攻击的信号；根据压缩信号置乱的方法，找到被攻击帧的压缩信号嵌入的位置；提取压缩信号并恢复被攻击的内容，来实现篡改恢复。

与现有的语音内容取证算法相比，本发明首先通过各帧的帧号来监测被攻击的信号，提高了篡改定位的精度；通过提取与被攻击信号对应的压缩信号，来恢复被攻击的内容，提高了算法的篡改恢复能力，也确保了被攻击的信号的可读性和认可度。既能够篡改监测有能够篡改恢复，有利于本发明在日常生活中的推广应用。

附图说明

图1为语音信号压缩过程框图。

图2为帧号和水印嵌入过程框图。

图3为语音内容取证过程框图。

图4为篡改定位和篡改恢复方法。

图5为本发明选取的含水印语音信号。

图6为删除攻击后的含水印语音信号。

图7为替换攻击后的含水印语音信号。

图8为删除攻击后的篡改定位结果。

图9为替换攻击后的篡改定位结果。

图10为删除攻击后的篡改恢复结果。

图11为替换攻击后的篡改恢复结果。

图12为样本值的分块方法图。

图13为样本值分块方法举例图。

图14为不同类型含水印语音信号的ODG值和SDG值图。

图15为常规信号处理后水印提取的BER值图。

具体实施方式

以下结合附图和实施例对本发明的技术方案作进一步描述。

1、信号压缩：

(1)将原始语音信号A＝{a_l,1≤l≤L}分为P帧，第i帧记为A_i，A_i＝{b_i,t,1≤t≤L/P}，其中b_i,t表示为A_i的第t个样本。

(2)对A进行重采样操作，重采样的采样频率F′小于原始信号采样频率F，采样后的信号记为A′，其长度记为L′，L′＝L·F′/F。将A′分为不重叠的P帧，第i帧记为A′_i，

(3)对A′_i进行DCT，所得系数记为D_i＝{d_i,j,1≤j≤L′/P}；取前M个系数并记为G_i，G_i＝{g_i,j|g_i,j＝d_i,j1≤j≤M}，M＜＜L′/P。G_i既是第i帧A_i压缩后的信号。信号压缩过程如图1所示。

2、嵌入帧号和压缩信号：

(1)将A_i分为4段，分别记为A1_i、A2_i、A3_i和A4_i；A1_i和A2_i的长为N，A3_i和A4_i的长为6M。将A3_i和A4_i等分为M个子段，每个子段含有6个样本点，第j个子段记为和1≤j≤M。

(2)第i帧帧号i表示为Y_i＝{y₁,y₂,…,y_N}，Y_i作为第i帧的标识。Y_i中的各元素可以由下式得到：

i＝y₁·10^N-1+y₂10^N-2+…+y_N

记A1_i的前N个样本点为a1₁,a1₂,…,a1_N。用y₁,y₂,…,y_N依次代替这N个样本点的倒数第二位的整数值，以此来完成Y_i的嵌入。用同样的方法将Y_i嵌入到A2_i中。

(3)对压缩信号G_i(1≤i≤P)采用混沌地址索引的方法进行置乱。混沌序列由下式Logistic混沌映射生成，其中x₀表示混沌序列的初值。

x_l+1＝μx_l(1-x_l),3.5699≤μ≤4

记X＝{x_l|l＝1,2,…,P}，将x_l(1≤l≤P)按照下式从大到小排列，其中c(l)表示升序排列后混沌序列的地址索引。

x_c(l)＝ascend(x_l)

置乱后的信号记为C_i＝{c_i,j|1≤j≤M}，1≤i≤P。以C_i的第一个系数c_i,1为例来介绍嵌入方法，将c_i,1嵌入到A3_i的第一个子段中(6个样本点)，过程如下：

①记将中的6个样本值分为6块，分别记为B₁,B₂,…,B₆。B₁由组成，B₂由 组成，其中表示向下取整，其它块的组成详见图12，该分块方法的实例由图13给出。

②将c_i,1的符号(“+”或“-”)嵌入到B₁中，记B₁中的三个数之和为T。如果0≤c_i,1，并且Tmod2＝1，量化B₁中的某个数，使Tmod2＝0；如果c_i,1＜0，并且Tmod2＝0，量化B₁中的某个数，使Tmod2＝1；对于其它情况，不对B₁中的值做任何修改。

③记将嵌入到第二个块B₂中。记B₂中的三个数分别为z₁，z₂和z₃，即由下式计算U＝f(z₁,z₂,z₃)。

f(z₁,z₂,z₃)＝(z₁×1+z₂×2+z₃×3)mod10

如果z₁，z₂和z₃保持不变；如果量化z₁，z₂或z₃。量化方法为(在z₁，z₂和z₃改变幅度最小的前提下)z₁±1，z₂±1或z₃±1。值得注意的是，如果z₁，z₂或z₃中有为0的情况，在计算U之前先将它们赋值为1。

采用相同的方法，将c_i,1其它位的值( )嵌入到块B₃，B₄，B₅，B₆中。

④依据第①步到第③步方法，将C_i嵌入到A3_i和A4_i中。帧号和水印嵌入过程框图如图2所示。

3、内容认证：

(1)将待检测语音信号WA分为不重叠的P帧，第i帧记为WA_i；并将每帧分为4段，分别记为WA1_i、WA2_i、WA3_i和WA4_i，其中WA3_i和WA4_i的长为6M。

(2)从WA1_i和WA2_i中提取帧号。取WA1_i的前N个样本点，并记这些样本点倒数第二位的整数值分别为y′_N，y′_N-1，……y′₁；同样的，取WA2_i的前N个样本点，这些样本点倒数第二位的整数值记为

(3)从WA3_i和WA4_i中提取压缩信号。将WA3_i和WA4_i等分为M个子段，每个子段含有6个样本点，第j个子段记为和1≤j≤M。以从中提取系数c′_i,1为例来介绍提取方法，记提取过程为：

①采用图12的方法将中的6个样本点分为6块，分别记为B₁,B₂,…,B₆。

②提取c′_i,1的符号。记B₁中三个值的和为T，T＝w₁+w₂+w₃。如果Tmod2＝0，则c′_i,1的符号为“+”；如果Tmod2＝1，则c′_i,1的符号为“-”。

③c′_i,1的最高位记为c′_i,1的其它位整数，和可采用同样的方法从B₃，B₄，B₅和B₆中提取得到。

④根据提取的符号和各位的整数，由下式构造系数c′_i,1，

$c_{i,1}^{\′}=sign\×(c_{i,1}^1+\frac{c_{i,1}^2}{10}+\frac{c_{i,1}^3}{100}+\frac{c_{i,1}^4}{1000}+\frac{c_{i,1}^5}{10000})$

依照上面的方法，分别从WA3_i和WA4_i中提取压缩信号，分别记为c′_i,j和c′_i,j，1≤j≤M。

⑤内容认证。如果且1≤l≤N，1≤j≤M，则表明第i帧的内容是真实；否则，表明第i帧的内容被恶意攻击。内容认证过程框图如图3所示。

4、篡改恢复：

在检测到被攻击的内容之后，移动样本，搜索找到下一个能够通过认证的语音帧。提取该帧的帧号和上一个通过认证的帧号，两个帧号之差就是被攻击的信号；根据压缩信号的置乱方法，找到被攻击帧对应压缩信号的嵌入位置；提取压缩信号并恢复被攻击的内容，以此实现篡改恢复。篡改定位和篡改恢复的方法如图4所示。

本发明方法的效果可以通过以下的性能分析验证：

1、不可听性

选取采样率为44.1kHz，样本长度为102400，16比特量化的单声道WAVE格式语音信号作为测试样本。分为4类，分别记为T1，T2，T3和T4。T1为在安静的会议中录制的信号，T2为在讨论会中录制的信号，T3为在吵闹的车站录制的信号，T4为在野外录制的信号。图14给出了4类不同信号的ODG值和SDG值。ODG值由PEAQ***测试所得，SDG值由10位听众现场打分所得。由图14所给结果可以看出，本方法具有较好的不可听性。

2、鲁棒性

用误码率BER(biterrorrate)来测试本方法对信号处理的鲁棒性，BER的定义为

$BER=\frac{E}{T}\×100\%$

其中，E为提取水印错误比特数，T为语音信号所嵌水印总比特数。BER值越小说明算法对信号处理的鲁棒性越强。

对4类在不同环境下录制的语音信号采用本发明方法嵌入水印，然后对含水印信号进行不同类型的信号处理，分别是低通滤波(截止频率16kHz)，重采样(先下采样至22.05kHz，再上采样至44.1kHz)，MP3压缩(压缩率为64kbps)。信号处理后的BER值见图15。由图15数据可得，本发明对常见信号处理具有鲁棒性。

3、篡改恢复

对如图5所示的含水印语音信号进行删除攻击和替换攻击。攻击后的语音信号如图6和图7所示，篡改检测结果分别如图8和图9所示。对应的篡改恢复结果如图10和图11所示。为了更清晰地显示被攻击的帧，篡改检测结果中仅显示了部分能够正确提取的帧号，TL(i)＝1表明第i帧的语音内容是真实的。由篡改恢复结果可以看出，本算法对恶意攻击具有篡改恢复能力。

Claims (1)

1.一种基于DCT的语音篡改恢复方法，对恶意攻击检测并精确定位被攻击的内容后对被攻击的内容进行篡改恢复，首先将原始语音信号A分为P帧，每帧分为4段，采用基于DCT的语音信号压缩方法，得到压缩信号；同时对压缩的信号置乱；然后，采用量化信号样本值的方法，将各帧的帧号嵌入到该帧前两段中，并将该帧对应的置乱后的压缩信号嵌入到后两段中，包括如下具体步骤：

(1)信号压缩：首先将原始语音信号A分为不重叠的P帧，第i帧记为A_i；同时对A进行重采样操作，重采样采用的采样频率F′小于原始信号采样频率F，采样后的信号记为A′；接着将A′分为不重叠的P帧，并对每帧进行DCT；取前M个低频系数作为该帧的压缩信号；将各帧的压缩信号置乱，置乱后第i帧A_i对应的压缩信号记为C_i；

(2)嵌入帧号和压缩信号：将A_i分为4段，记为A1_i、A2_i、A3_i和A4_i；A_i对应的帧号i作为第i帧的标识嵌入在A1_i和A2_i中；同时，第i帧A_i对应的压缩信号C_i嵌入到A3_i和A4_i中；嵌入后的信号记为WA；

(3)内容认证：首先将待检测语音信号WA分为不重叠的P帧，第i帧记为WA_i；并将每帧分为4段，分别记为WA1_i、WA2_i、WA3_i和WA4_i；从WA1_i和WA2_i中提取帧号，同时从WA3_i和WA4_i中提取压缩信号；若从WA1_i和WA2_i中提取的帧号相同，同时，从WA3_i和WA4_i中提取压缩信号也相同，则表明该帧的内容是真实的，并跳入第i+1帧WA_i+1进行内容认证操作；否则，则说明该帧被恶意攻击；

(4)篡改恢复：在检测到被攻击的内容之后，搜索找到下一个能够通过认证的帧，并提取该帧的帧号和上一个能通过认证的帧的帧号，两个帧号之差就是被攻击的信号；根据压缩信号置乱的方法，找到被攻击帧的压缩信号嵌入的位置；提取压缩信号并恢复被攻击的内容，来实现篡改恢复。