学海网

基于支持向量机的语音信息隐写检测技术研究（硕士学位论文），共54页。
【摘要】：将秘密信息隐藏在数字载体中的技术称为隐写术。近年来随着语音在通信业务中所占比重越来越大,这种普及性使得语音成为了一种隐藏信息的优良载体,然而隐藏了非法的、恶意的秘密信息的隐蔽通信将给信息安全造成极大的威胁和损失。因此研究针对语音的信息隐写分析方法,对维护通信安全、预防恶意信息被传播危及国家信息安全有着重要意义。本文主要研究工作如下： (1)深入分析研究了基于音频载体的信息隐写及隐写分析方法 首先归纳了针对不同类型数字载体的信息隐写及隐写分析方法研究现状,重点分析了最低有效比特位(LSB)匹配和量化索引调制(QIM)隐写分析方法的研究现状,同时给出了基于音频的隐写分析框架及主要检测工具。 (2)基于多阶马尔可夫特征的最低有效比特位(LSB)匹配信息隐藏检测方法的设计 LSB匹配隐写不会改变语音采样信号的量化值对分布,但会改变噪声的不规律性。基于此,设计了基于5/3小波去噪和语音采样序列差分的方法获取噪声序列,其次,对语音采样噪声信号进行建模,分别给出了噪声信号一阶和二阶的马尔可夫相关性模型,并据此构建了多阶马尔可夫特征向量。最后,基于支持向量机构造了隐写检测器并进行试验验证。本文构造的隐写检测器在音频长度为10秒嵌入率为10%时,仍可达到69.75%的查全率,90.88%的查准率及81.37%以上的检测准确率。 (3)基于多阶降维特征的量化索引调制(QIM)信息隐藏检测方法的设计 由分析及数据统计可知,QIM隐写会改变量化码字C的分布特性。基于此,本章首先计算了LPC滤波器权值特征的分布特性,并据其选择了重要滤波器集合LPCS。然后基于LPC滤波器向量距离对权值特征进行融合,并构建了用于隐写分析的多阶降维特征向量。最后,设计了基于SVM的分类检测器并进行实验验证。实验结果表明了在文件长度为2秒时,检测准确率可达到80%以上
【论文标题】：基于支持向量机的语音信息隐写检测技术研究
【关键词】：隐写分析 LSB匹配隐写 QM隐写 局部相关性 小波去噪 特征降维 支持向量机(SVM)

1绪论
1.1论女选题背景及研究意义
进入新世纪以来,日新月异的科技发展以及越来越低廉的互联网通信成本逐渐成为了人们日常生活不可或缺的部分。互联网平台因其便捷的获取性、快速的传播性给人们的日常工作生活提供了一个全新的通信环境,个人、企业、政府等都可以依靠互联网传递消息、处理业务、使用多媒体应用等。但其为人们的生活带来便利的同时,也会被许多企图钻法律和互联网安全漏洞的不法分子所利用。
作为公开的网络通信平台中一种新的保密通信手段,信息隐藏技术和相关隐藏工具(如:Steghide、S-Tools、JPHide等)已得到了充分的使用。利用该技术,不法分子会给版权认证、电子交易、商业活动的信息安全上带来诸多问题。例如:
1)侵犯原作者多媒体作品的版权认证?,2)非法复制并传播未经授权的文件或软件;3)非法盗用篡改甚至散播电子交易信息或商业机密;4)非法获取并出售网络用户的个人信息;5)黑客攻击公共或者商业服务平台。在军事国防安全方面,国家安全相关部门固然可以利用信息隐藏技术隐秘地在不安全通信网络环境下传输军情信息,但也给恶意攻击者们制造了可乘之机;恐怖分子和间谋机构同样也可以利用开放的通信网络平台和信息隐藏的工具有效规避网络警察的常规安全检查,来隐藏和传递交换秘密信息,进而通过互联网来沟通策划非法活动。由于互联网上每时每刻都能产生大量的信息,因此这些隐秘信息很难被相关监管部门发现,也非常难以对这些信息进行跟踪、传递和接收,这就会对国家的安全和社会的稳定造成比较大的威胁。
作为隐写技术的对立面,反隐写技术也得到了快速发展。通常反隐写技术根据待测多媒体文件的某种特征是否发生改变来判断其是否含有隐密信息,进而对秘密信息进行破译和提取。一般认为,只要载体中秘密信息的存在性受到怀疑,那么就可判定发送方使用了不安全的隐写技术,即隐写失败。因此隐写分析是隐写术的主要威胁,所以对信息隐写分析检测技术的研究具有重要的实际意义。
........