郭舒婷，田暉

（華僑大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，福建 廈門361021）

信息隱藏是近年來(lái)提出的一種解決信息安全的新途徑.它是利用人的聽（視）覺(jué)對(duì)媒體信號(hào)的感覺(jué)冗余，將隱秘信息嵌入到數(shù)字媒體中.以隱藏嵌入過(guò)程的存在性，使除了執(zhí)行嵌入行為的發(fā)送方和接收方之外的第三方不知道此過(guò)程［1］.隨著研究的不斷深入，信息隱藏已不僅僅局限于以圖像、音頻、文本等靜態(tài)媒體為載體，對(duì)于能夠提供可觀隱藏空間的流媒體［2］也成為了學(xué)者們關(guān)注的熱點(diǎn).在基于流媒體的信息隱藏研究中，以VoIP（voice over internet protocol）為代表的信息隱藏技術(shù)發(fā)展的最為迅速.其原因主要是VoIP所嵌入的隱秘信息具有強(qiáng)動(dòng)態(tài)性，不易被攻擊者篡改，且VoIP語(yǔ)音能夠提供較好的隱蔽性和隱藏容量［2］.基于VoIP的信息隱藏有兩種研究思路：一種是基于網(wǎng)絡(luò)協(xié)議的信息隱藏方法［3］；另一種是基于載荷（語(yǔ)音流）方法［4-7］.為實(shí)現(xiàn)信息隱藏，通常首先分析編碼器參數(shù)的冗余度以確定語(yǔ)音流中的可隱藏位.文獻(xiàn)［8-9］分別分析了 G.723.1編碼器在低比特率（5.3 kbit·s-1）和高比特率（6.3 kbit·s-1）下參數(shù)的冗余度.Liu等［10］采用分段信噪比來(lái)評(píng)價(jià)語(yǔ)音質(zhì)量，分析了G.729語(yǔ)音幀的最低有效位（LSB），認(rèn)為G.729語(yǔ)音幀的冗余位主要分布在第二子幀的LSP參數(shù)上.除了對(duì)于編碼參數(shù)中的最低有效位的探索，近年來(lái)研究者們也開始從語(yǔ)音編碼原理的角度挖掘冗余性.Huang等［11-12］先后提出利用不活躍語(yǔ)音幀來(lái)隱藏隱秘信息和將嵌入過(guò)程整合到編碼過(guò)程中；類似地，劉程浩等［13］則將隱寫過(guò)程整合到基音預(yù)測(cè)過(guò)程中.本文針對(duì)VoIP系統(tǒng)普遍采用G.729a語(yǔ)音編碼，以客觀的語(yǔ)音質(zhì)量感知評(píng)價(jià)標(biāo)準(zhǔn)為依據(jù)，分析和總結(jié)G.729a語(yǔ)音幀中的可隱藏位；然后以此為基礎(chǔ)，結(jié)合矩陣編碼算法，提出了一種基于G.729a語(yǔ)音的信息隱藏方法.

1 G.729a可隱藏位置分析

G.729a編解碼器按照8 k Hz采樣，16 bit量化且每幀長(zhǎng)10 ms，因而G.729a語(yǔ)音幀被壓縮成80位，每位都代表相應(yīng)的參數(shù)向量.G.729a語(yǔ)音幀各比特所代表的意義，如表1所示.表1中：每個(gè)比特位表示為Px-y格式，P表示參數(shù)類型，x表示子幀號(hào)，y表示比特位置，從低位0到高位.在混合語(yǔ)音編碼流中，每比特對(duì)語(yǔ)音質(zhì)量有不同程度的影響［10］，將對(duì)語(yǔ)音失真影響不大的位稱為冗余位，即最低有效位.通過(guò)對(duì)語(yǔ)音樣本中各幀的每個(gè)比特逐位取反來(lái)測(cè)試G.729a語(yǔ)音幀的最低有效位.

設(shè)待測(cè)試樣本經(jīng)過(guò) G.729a編碼后有n個(gè)語(yǔ)音幀F(xiàn)，F(xiàn)＝｛f1，f2，…，fn｝且fi＝｛bi，1，bi，2，…，bi，80｝.其中：1≤i≤n；bi，j（1≤i≤n，1≤j≤80）表示第i個(gè)語(yǔ)音幀的第j位.對(duì)F中的第j位取反且同時(shí)對(duì)bi，j（1≤i≤n）置反進(jìn)行測(cè)試.每次測(cè)試僅對(duì)G.729a語(yǔ)音幀的一個(gè)特定位進(jìn)行取反，并根據(jù)其對(duì)語(yǔ)音質(zhì)量的影響來(lái)判斷是否為最低有效位.

表1 G.729a語(yǔ)音幀各比特的意義Tab.1 Meanings of frame bits for G.729a speech

為了直觀的評(píng)價(jià)語(yǔ)音質(zhì)量的變化，采用客觀的語(yǔ)音質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)PESQ，其較之完全通過(guò)人來(lái)打分的主觀評(píng)價(jià)方式MOS技術(shù)，具有成本低廉、客觀、自動(dòng)、可重復(fù)等優(yōu)點(diǎn)，近年來(lái)在通信語(yǔ)音質(zhì)量評(píng)價(jià)領(lǐng)域得到了廣泛應(yīng)用.PESQ的原理是通過(guò)比較參考信號(hào)和降級(jí)信號(hào)輸出一個(gè)對(duì)語(yǔ)音質(zhì)量失真的預(yù)測(cè)值，其范圍在-0.5～4.5之間，值越高表示加噪語(yǔ)音信號(hào)的語(yǔ)音質(zhì)量越好.測(cè)試中將原始語(yǔ)音作為參考信號(hào)，而將修改后的語(yǔ)音作為降級(jí)信號(hào)，以評(píng)判各比特位被修改后對(duì)語(yǔ)音質(zhì)量的影響.

為了測(cè)試最低有效位，廣泛收集了2 800個(gè)語(yǔ)音樣本，涵蓋漢語(yǔ)男聲、漢語(yǔ)女聲、英語(yǔ)男聲、英語(yǔ)女聲4類.對(duì)各比特位的平均PESQ值進(jìn)行統(tǒng)計(jì)，根據(jù)置反后平均PESQ值（PESQ score）的變化大小，可得到G.729a語(yǔ)音幀的LSB（PESQ值大于3.5的位），如表2所示.根據(jù)表1中的幀比特分布情況（加下劃線部分代表最低有效位），不難看出G.729a語(yǔ)音幀的最低有效位主要分布在自適應(yīng)碼書延遲、線性聲譜對(duì)、固定碼書索引以及碼書增益等參數(shù)上.

表2 G.729a語(yǔ)音幀比特的可隱藏位Tab.2 Available bits for steganography in G.729a speech frame

2 基于矩陣編碼的G.729a的信息隱藏算法

為了減少對(duì)載體的修改從而提高嵌入的不可感知性，利用矩陣編碼指導(dǎo)隱秘信息的嵌入.矩陣編碼是最常用的一種提高感知透明性的隱寫編碼策略［14］，它可在2n-1比特載體信息中隱藏nbit的秘密信息，而只需修改不超過(guò)1 bit的載體信息，因而可以有效提高嵌入效率并且降低比特改變率.矩陣編碼過(guò)程等價(jià)于根據(jù)一個(gè)哈希函數(shù)求出待隱藏信息在載體中的嵌入位置.假設(shè)有長(zhǎng)度為nbit的隱秘信息分組S，S＝｛s1，s2，s3，…，sn｝，要隱藏在長(zhǎng)度為lbit的載體分組C中，C＝｛c1，c2，c3，…，cl｝，其中：n與l滿足l＝2n-1.則隱秘信息的嵌入過(guò)程可表述為如下3個(gè)步驟.

步驟1 根據(jù)載體C中各位的下標(biāo)i（1≤i≤l），求得大小為n×l的編碼矩陣A，即

式（1）中：i＝ai，1×20＋ai，2×21＋…＋ai，n×2n-1，1≤i≤l.

步驟2 將載體C與Am對(duì)應(yīng)相乘并連續(xù)求異或，得值xm.其中：Am（1≤m≤n）表示編碼矩陣A中的第m行；am，j（1≤m≤n，1≤j≤l）表示編碼矩陣A中的第m行第j列的值.即

步驟3 比較sm與xm（1≤m≤n）是否相等.若相等，則令Xm為0；否則，Xm為1（其中sm為隱秘信息S中的第m位），根據(jù)式（3）求嵌入位置X，即

若求得的X為0，則不必修改（說(shuō)明要嵌入的位與待嵌入的隱秘信息的值相同）；否則，修改載體C中第X位的值.

基于矩陣編碼信息隱藏的提取算法是根據(jù)上述哈希函數(shù)即編碼矩陣A求得，可視作嵌入算法的一個(gè)逆過(guò)程.只需求出秘密信息的位sj，即

式（4）中：c′i為載密信息C′＝ ｛c′1，c′2，c′3，…，c′l｝中第i位的值；aj，i（1≤j≤n，1≤i≤l）表示編碼矩陣A中的第j行第i列的值；sj為提取的隱秘信息S＝｛s1，s2，s3，…，sn｝中第j位的值.

在信息隱藏過(guò)程中［14］，通常定義嵌入率為隱藏的隱秘信息比特?cái)?shù)與載體比特?cái)?shù)的比值；比特改變率為載體中被改變的比特?cái)?shù)與載體比特?cái)?shù)的比值；嵌入效率為隱藏的隱秘信息比特?cái)?shù)與載體中被改變的比特?cái)?shù)的比值.在應(yīng)用矩陣編碼的隱藏過(guò)程中，嵌入率（α）、比特改變率（β）和嵌入效率（λ）分別表示為

不同的隱秘信息分組長(zhǎng)度n下的矩陣編碼隱藏方法的隱藏性能，如表3所示.眾所周知，傳統(tǒng)的LSB替換方法中，嵌入率和比特改變率分別為1和0.5，也就是說(shuō)LSB替換方法的嵌入效率為2.由此可知：采用矩陣編碼可以獲得較之傳統(tǒng)LSB替換更高的嵌入效率.同時(shí)，矩陣編碼的嵌入效率隨隱秘信息分組長(zhǎng)度n的增大而增大，而嵌入率卻隨之減少.因此，在實(shí)際應(yīng)用中，需在嵌入效率和嵌入率之間進(jìn)行合理折中.為兼顧嵌入效率和隱藏容量，根據(jù)上節(jié)的分析結(jié)果選取每幀中隱藏效果最佳的12個(gè)最低有效位，并按3 bit長(zhǎng)度進(jìn)行分組，然后在每組上分別執(zhí)行基于矩陣編碼的隱藏算法，即每組可隱藏2 bit隱秘信息，從而每幀共可隱藏8 bit隱秘信息.

表3 矩陣編碼在不同隱秘信息分組長(zhǎng)度n下的隱藏性能Tab.3 Steganographic performance of the matrix encoding with different lengths of the secret messages n

3 測(cè)試與分析

為了測(cè)試文中算法的有效性，先選擇英文對(duì)話“Question11.W：Did you hear that Anna needs to stay in bed for 4 weeks？M：Yeah.She injured her spine in a fall and a doctor told her to lie flat on her back for a month so it can mend.Q：What can we learn from the conversation？”（記為C1）和中文短句“人之初，性本善，性相近，習(xí)相遠(yuǎn)”（記為C2）作為載體，以華僑大學(xué)英文簡(jiǎn)介（共4 810字節(jié)）作為隱秘信息進(jìn)行測(cè)試.經(jīng)過(guò)G.729a編碼之后，C1共有2 010幀，可隱藏2 010字節(jié)隱秘信息；C2共有710幀，可隱藏710字節(jié)隱秘信息（由于載體長(zhǎng)度限制，因此不能將整段隱秘信息完全嵌入）.嵌入隱秘信息前后的聲譜，如圖1所示.由圖1可知：載體語(yǔ)音在嵌入隱秘信息前后的聲譜圖基本一致，說(shuō)明隱藏過(guò)程未對(duì)載體語(yǔ)音頻譜造成明顯的改變.

圖1 C1和C2嵌入隱秘信息前后的聲譜圖Fig.1 Spectrogram of C1 and C2 before and after embedding secret message

為進(jìn)一步測(cè)試文中算法的隱藏效果，選取ITU P.501標(biāo)準(zhǔn)附錄B中提供的多種音頻庫(kù)中的語(yǔ)音作為載體樣本進(jìn)行PESQ值測(cè)試.該樣本庫(kù)覆蓋了世界上的主要10種語(yǔ)言，如中文、英語(yǔ)、法語(yǔ)、德語(yǔ)、意大利語(yǔ)、日語(yǔ)、波蘭語(yǔ)、西班牙語(yǔ)等，每種語(yǔ)言又包含了男聲和女聲，具有良好的多樣性，近年來(lái)在語(yǔ)音測(cè)試中被廣泛采用.

在測(cè)試過(guò)程中，首先，將載體樣本轉(zhuǎn)換為8 k Hz采樣，16 bit量化的PCM格式語(yǔ)音；然后，將其經(jīng)G.729a編碼器編碼、嵌入隱秘信息；最后，分別解碼已嵌入隱秘信息及未執(zhí)行任何操作的語(yǔ)音樣本為PCM格式語(yǔ)音.將未執(zhí)行任何操作的PCM語(yǔ)音樣本作為PESQ的原始語(yǔ)音，而經(jīng)嵌入后的PCM語(yǔ)音樣本作為PESQ的降級(jí)語(yǔ)音，進(jìn)行PESQ測(cè)試.

各類語(yǔ)音樣本嵌入隱秘信息后的PESQ值，如圖2所示.由圖2數(shù)據(jù)可知：載密語(yǔ)音的語(yǔ)音質(zhì)量與原始載體語(yǔ)音的語(yǔ)種存在一定的關(guān)系，如載密法語(yǔ)語(yǔ)音的平均PESQ值為3.7左右，而載密西班牙語(yǔ)音的平均PESQ值為3.4左右，但就整體而言，載密語(yǔ)音的平均PESQ值均維持在3.4以上，說(shuō)明文中方法對(duì)語(yǔ)音質(zhì)量影響較小，能夠提供良好的感知透明性.

表4進(jìn)一步給出了10個(gè)語(yǔ)種的語(yǔ)音樣本在嵌入上述隱秘信息之后的嵌入效率，及各樣本嵌入效率的波動(dòng)性（即方差）的統(tǒng)計(jì)結(jié)果.由表4可知：文中算法的平均嵌入效率為2.678；此外，對(duì)同一語(yǔ)種而言嵌入效率波動(dòng)性較小，說(shuō)明本算法能夠提供較為穩(wěn)定的隱藏性能.

表4 不同語(yǔ)種的嵌入效率均值及其方差Tab.4 Mean embedding efficiencies and their variance for different languages

除了采用客觀評(píng)價(jià)標(biāo)準(zhǔn)評(píng)價(jià)本方法的隱藏效果外，還進(jìn)行了ABX測(cè)試［15］，從主觀上評(píng)價(jià)執(zhí)行嵌入操作的語(yǔ)音樣本與原始語(yǔ)音樣本之間的相似度.ABX測(cè)試，是讓受測(cè)者同時(shí)聽三段同樣內(nèi)容的樣本語(yǔ)音A，B和X，并讓受測(cè)者判斷X與A和B中的哪個(gè)一致.在測(cè)試過(guò)程中，若樣本X被判錯(cuò)的比例越高，則說(shuō)明人耳越難分辨A和B.文中選取了11個(gè)受測(cè)者，對(duì)ITU P.501標(biāo)準(zhǔn)附錄B中提供的40組樣本分別進(jìn)行了ABX測(cè)試，其中，A和B中的一者為原始語(yǔ)音樣本，另一者為嵌入隱秘信息后的語(yǔ)音樣本；X則為原始語(yǔ)音樣本和嵌入隱秘信息后的語(yǔ)音樣本之一.對(duì)不同語(yǔ)種的語(yǔ)音樣本進(jìn)行ABX測(cè)試的平均判錯(cuò)率（η），如圖3所示.

從全部樣本整體測(cè)試結(jié)果來(lái)看，平均判錯(cuò)率（η）為48.18%，接近隨機(jī)猜想的概率50%.說(shuō)明人耳很難準(zhǔn)確的區(qū)分原始語(yǔ)音和嵌入隱秘信息后的語(yǔ)音樣本，同時(shí)說(shuō)明本方法能夠提供良好的嵌入透明性.此外，從不同語(yǔ)種的測(cè)試結(jié)果來(lái)看，不同語(yǔ)種的ABX測(cè)試判錯(cuò)率略有不同，其規(guī)律與圖2中PESQ值的測(cè)試結(jié)果基本對(duì)應(yīng)，即PESQ值較高者，ABX平均判錯(cuò)率也較高.這一現(xiàn)象可能表明語(yǔ)種（或語(yǔ)音內(nèi)容）對(duì)語(yǔ)音質(zhì)量和隱藏效果有一定程度上的影響，后續(xù)將對(duì)這一問(wèn)題做更深入的研究.

圖2 不同語(yǔ)種的PESQ值Fig.2 PESQ score for different languages

圖3 對(duì)不同語(yǔ)種的ABX測(cè)試的錯(cuò)誤率Fig.3 Error rate of ABX test for different languages

此外，針對(duì)G.729a語(yǔ)音流提出的隱藏方法可應(yīng)用的另一個(gè)重要前提是滿足語(yǔ)音通信的實(shí)時(shí)性要求.為此，在一臺(tái)計(jì)算機(jī)（主要配置參數(shù)為Intel（R）Core（TM）2 Duo CPU E7500＠2.93 GHz 2.94 GHz；2.00 GB（RAM）；Windows 7旗艦版Service Pack 1）上，對(duì)所提出方法嵌入和提取時(shí)間進(jìn)行測(cè)試.實(shí)驗(yàn)結(jié)果表明：本方法執(zhí)行過(guò)程中，每幀上隱秘信息的嵌入時(shí)間平均為6.868μs，每幀上提取隱秘信息的平均時(shí)間為7.142μs，這遠(yuǎn)小于G.729a編碼器所允許每幀的編碼時(shí)間15 ms（注：G.729a編碼器以10 ms為一幀進(jìn)行編碼，并允許5 ms的預(yù)留）.由此說(shuō)明：本方法能夠很好地滿足實(shí)時(shí)語(yǔ)音通信的要求.

4 結(jié)論

對(duì)基于G.729a語(yǔ)音流的信息隱藏方法進(jìn)行了初步研究.以客觀的語(yǔ)音質(zhì)量感知評(píng)價(jià)標(biāo)準(zhǔn)為依據(jù)，通過(guò)逐幀按位取反對(duì)G.729a語(yǔ)音幀的最低有效位進(jìn)行了全面測(cè)試和分析；根據(jù)分析結(jié)果，結(jié)合矩陣編碼算法，提出了一種基于G.729a語(yǔ)音的信息隱藏方法.最后，選取大量語(yǔ)音樣本，對(duì)提出的方法進(jìn)行了測(cè)試和分析 .結(jié)果表明：該方法能提供可觀的隱藏容量，較高的嵌入效率和較好的不可感知性.

值得指出的是，本方法從本質(zhì)上來(lái)說(shuō)屬于最低有效位修改的隱藏方法，因而針對(duì)載體的大范圍篡改，尤其是針對(duì)最低有效位的主動(dòng)攻擊會(huì)在一定程度上造成隱秘信息的丟失.當(dāng)然，這種攻擊方式對(duì)于正常的語(yǔ)音通信也是致命的，也就是說(shuō)正常的語(yǔ)音通信都將難以為繼.因此，在研究隱蔽通信時(shí)，常常不考慮這種極端的情形.對(duì)于非人為的載體影響（如噪聲干擾、數(shù)據(jù)包丟失等）可能造成的隱秘信息丟失，在隱蔽通信系統(tǒng)中可采用差錯(cuò)重傳技術(shù)［7］予以解決.

未來(lái)將針對(duì)文中方法在實(shí)際隱蔽通信系統(tǒng)中應(yīng)用時(shí)的魯棒性和可靠性問(wèn)題進(jìn)一步做深層次的研究和探討.此外，如何進(jìn)一步提高嵌入效率，各最低有效位的隱藏操作之間是否存在聯(lián)系或相互影響等，也是文中將進(jìn)一步深入的重要問(wèn)題.

［1］ GU Chun-ying，GAO Xiao-li.Research on information hiding technology［C］∥ Proceedings of the 2nd International Conference on Consumer Electronics，Communications and Networks（CECNet）.Yichang：IEEE Press，2012：2035-2037.

［2］ MAZURCZYK W.VoIP steganography and its detection：A survey［J］.ACM Computing Surveys，2013，2（46）：20.

［3］ FRACZEK W，MAZURCZYK W，SZCZYPIORSKI K.Hiding information in a stream control transmission protocol［J］.Computer Communications，2012，2（35）：159-169.

［4］ XU Er-chi，LIU Bo，XU Li-yang.Adaptive VoIP steganography for information hiding within network audio streams［C］∥Proceedings of the 14th International Conference on Network-Based Information Systems（NBiS）.Tirana：IEEE Press，2011：612-617.

［5］ MIAO Rui，HUANG Yong-feng.An approach of covert communication based on the adaptive steganography scheme on voice over IP［C］∥Proceedings of the 46th IEEE International Conference on Communications（ICC）.Kyoto：IEEE Press，2011：1-5.

［6］ LIU Jin，ZHOU Ke，TIAN Hui.Least-significant-digit steganography in low bitrate speech［C］∥Proceedings of the 47th IEEE International Conference on Communications（ICC）.Ottawa：IEEE Press，2012：1109-1112.

［7］ TIAN Hui，JIANG Hong，ZHOU Ke，et al.Adaptive partial-matching steganography for voice over IP using triple m sequences［J］.Computer Communications，2011，34（18）：2236-2247.

［8］ XU Ting-ting，YANG Zhen.Simple and effective speech steganography in G.723.1 low-rate codes［C］∥Proceedings of the 1st International Conference on Wireless Communications ＆ Signal Processing.Nanjing：IEEE Press，2009：1-4.

［9］ 楊俊，柏森，朱桂斌，等.G.723.1高速率語(yǔ)音流的信息隱藏算法［J］.計(jì)算機(jī)工程，2011，37（22）：114-115，118.

［10］ LIU Li-hua，LI Ming-yu，LI Qiong，et al.Perceptually transparent information hiding in G.729 bitstream［C］∥Proceedings of the 4th International Conference on Intelligent Information Hiding and Multimedia Signal Processing.Harbin：IEEE Press，2008：406-409.

［11］ HUANG Yong-feng，TANG Shan-yu.Steganography in inactive frames of VoIP streams encoded by source codec［J］.IEEE Transactions on Information Forensics and Security，2011，6（2）：296-306.

［12］ HUANG Yong-feng，LIU Cheng-hao，TANG Shan-yu.Steganography integration into a low-bit rate speech codec［J］.IEEE Transactions on Information Forensics and Security，2012，7（6）：1865-1875.

［13］ 劉程浩，柏森，黃永峰，等.一種基于基音預(yù)測(cè)的信息隱藏算法［J］.計(jì)算機(jī)工程，2013，39（2）：137-140.

［14］ TIAN Hui，ZHOU Ke，F(xiàn)ENG Dan.Dynamic matrix encoding strategy for voice-over-IP steganography［J］.Journal of Central South University of Technology，2010，17（6）：1285-1292.

［15］ 賈俊，王朔中.基于Lab VIEW 平臺(tái)的 ABX測(cè)試系統(tǒng)［J］.聲學(xué)技術(shù)，2005，24（1）：46-49.