田 暉,郭舒婷,秦 界,黃永峰,陳永紅,盧 璥

(1.華僑大學計算機科學與技術學院,福建廈門 361021；2.清華大學電子系,北京 100084；3.華僑大學網(wǎng)絡技術中心,福建廈門 361021)

?

基于可量化性能分級的自適應IP語音隱寫方法

田 暉1,郭舒婷1,秦 界1,黃永峰2,陳永紅1,盧 璥3

(1.華僑大學計算機科學與技術學院,福建廈門 361021；2.清華大學電子系,北京 100084；3.華僑大學網(wǎng)絡技術中心,福建廈門 361021)

論文以客觀語音質(zhì)量評價和信噪比為量化手段,分析了參數(shù)編碼中語音幀的每個比特位對重構語音質(zhì)量影響的不均衡性,并提出了一種載體可隱藏位的分級方案,以達到充分利用各載體位的目的.以此為基礎,進一步提出了一種基于載體位置分級的自適應IP語音隱寫方法.該方法可自適應地選擇最佳的隱寫位置,以提高隱蔽通信的不可感知性.以大量的語音樣本為載體,對提出的方法進行了實驗驗證.結果表明,本文的分級方案是正確可行的,且提出的分級隱寫方法較之傳統(tǒng)方法具有更好的隱寫性能.

隱寫; IP語音; 信息隱藏; 性能分級

1 引言

隨著網(wǎng)絡和計算機技術的飛速發(fā)展,越來越多的網(wǎng)絡應用已逐漸深入我們生活,人們的生產(chǎn)、工作和生活已經(jīng)越來越離不開互聯(lián)網(wǎng).然而,在網(wǎng)絡給人們帶來便利的同時也存在通信內(nèi)容的泄露、個人信息被竊取等風險.因此,人們普遍開始關注諸如安全通信、個人隱私保護等信息安全相關問題.隱寫(Steganography)技術是近幾年來受到廣泛關注的一項隱蔽通信技術,它是利用人類感覺器官的不敏感性(感覺冗余)以及多媒體數(shù)字信號本身存在的冗余(數(shù)據(jù)特性冗余),在不影響載體質(zhì)量及正常通信的前提下,將隱秘信息隱藏在可公開的媒體信息中,使得隱秘信息不被察覺地傳輸.與傳統(tǒng)的加密技術相比,隱寫技術隱藏了信息的存在性,使得隱蔽通信不易被察覺,從而提高了隱秘信息在特定場合的安全性.

從現(xiàn)有的文獻來看,目前的隱寫已不僅僅局限于圖像、文本、音頻等靜態(tài)媒體,越來越多的學者開始熱衷于基于動態(tài)流媒體的隱寫技術研究,最為代表性的即為基于IP語音(Voice over IP,VoIP)的隱寫及隱蔽通信技術研究[1,2].主流的研究思路是以編碼后的語音流作為載體,利用其冗余性實現(xiàn)隱秘信息的隱藏[1～4].基于最低有效位(Least Significant Bit,LSB)的隱寫,以其低復雜度和高隱藏容量等優(yōu)點,成為目前在VoIP中應用最多的一種技術,但是如何提高其安全性(包括不可感知性和不可檢測性)仍然是一個極具挑戰(zhàn)性的課題.迄今為止,已有許多研究者對此進行了研究.在抵抗檢測攻擊方面,Kratzer等人[5]率先主張在LSB隱藏前進行加密處理以消除隱秘信息間的相關性,并提出了基于Twofish和Tiger加密技術的隱寫方案.盡管這一方案有效地提高了安全性,但是不難看出,這種傳統(tǒng)加密方式將會給VoIP系統(tǒng)帶來很大的通信延遲,而這種延遲給語音質(zhì)量帶來的損害,將使得隱蔽通信陷入另一個易于“暴露”的極端.為此,Tian等人[6]提出用m序列代替Twofish和Tiger對隱秘信息進行加密,在消除隱秘信息間的相關性的同時,維護VoIP的實時性.在維護VoIP的不可感知性方面,Huang等人[7]引入了LSB Matching算法來降低載體的改變量,但是該方法將隱藏容量降低到了傳統(tǒng)LSB方法的一半.Tian等人[8,9]首次提出部分相似值的概念以評價隱秘信息與載體間的相似度,并先后提出利用數(shù)學變換(邏輯運算和位移運算)來提高載體信息和隱秘信息間的相似性,在不損失載體容量的前提下提高感知透明性[8],以及通過合理設置部分相似值的門限值,結合m序列實現(xiàn)可自適應獲得較好的不可感知性和較高隱藏容量的最佳平衡[9].Liu等人[10]則是將語音幀的LSB轉(zhuǎn)換成多進制(如二進制,三進制及五進制)序列,以多進制的方式執(zhí)行嵌入操作,這種方式不僅提高了隱藏容量,而且減少了對語音質(zhì)量的影響.另外,也有研究指出,可在VoIP隱寫過程中引入各種矩陣編碼方法[11～14],以提高隱寫效率和隱寫的不可感知性.

盡管上述研究在提高隱寫安全性方面取得了顯著成果,但是這些研究均將不同位置的載體同等對待,忽略了它們之間的差異性.事實上,在各種語音編碼(尤其是參數(shù)編碼)中,同一語音幀中的不同位置的參數(shù)對于重構語音的質(zhì)量影響是顯著不同的.可以預見,通過充分挖掘在不同載體位置間的差異性,在隱寫過程中自適應地選取可隱藏性能好的位置進行嵌入,可大大降低隱寫操作對載體語音質(zhì)量的影響,從而進一步提高隱蔽通信的不可感知性.有鑒于此,本文以VoIP隱寫中應用最多的LSB方法為背景,首先給出一種基于性能量化的LSB分級方案,并以此為基礎提出了一種基于LSB分級的自適應VoIP隱寫方法.以VoIP中廣泛使用的G.729a語音編碼為例,對上述分級方案和隱寫方法進行了大量而全面的測試.實驗結果表明本文方法的可行性和有效性.

2 基于性能量化的可隱藏位分級方案

本文利用MOS-LQO(Mean Opinion Score - Listening Quality Objective)值和信噪比SNR (Signal-to-Noise Ratio)值來評估不同載體位置對于載體語音質(zhì)量的影響.其中,MOS-LQO值是采用ITU-T P.862標準(Perceptual evaluation of speech quality,PESQ)[15]給出的一種語音質(zhì)量客觀評價分數(shù),其取值在1.017到4.549之間,分數(shù)越大則語音質(zhì)量越好；SNR值定義為純凈語音信號Ps與噪聲語音信號Pn的功率之比,即SNR=10log2(Ps/Pn),SNR值越高語音質(zhì)量越好.在參數(shù)編碼中,所謂的可隱藏位是指對其進行修改后對語音質(zhì)量影響較小的比特位；從空間域信息隱藏的角度看,可將其類比為LSB.在載體位置分級前,需首先對各載體位置的性能進行量化,其方法為:以選取的大量語音樣本為載體,對各語音幀進行逐比特置反實驗,并對置反前后的樣本分別進行PESQ和SNR測試；統(tǒng)計語音幀中各比特對應的平均MOS-LQO值和平均SNR值,并分別按從高到低排序.表1給出了ITU G.729a語音幀中可隱藏位的排序結果(取前40位).

表1 ITU G.729a語音幀中可隱藏位的排序結果

續(xù)表

上述排序的結果反映了參數(shù)編碼中語音幀的參數(shù)比特對重構語音質(zhì)量影響的非均衡性.然而,上述兩者排序的結果往往不同.為此,本文首先依據(jù)MOS-LQO值對可隱藏位進行初步分級,然后根據(jù)SNR值排序結果對分級進行調(diào)整和優(yōu)化.

假設語音幀中以平均MOS-LQO值和平均SNR值分別排序后的隱藏位集合為B1={b1,1,b1,2,…,b1,n}和B2={b2,1,b2,2,…,b2,n},其中n為可隱藏位的總個數(shù)；記根據(jù)平均MOS-LQO值初步分為x級后的結果為c={C1,C2,…,Cx}；記最終的分級結果為C={C1,C2,…,Cr},其中Cj={cj,2,cj,1,…,cj,Lj},1≤j≤r,Lj表示集合Cj的長度,即第j個可隱藏級別中LSB的個數(shù).具體分級方案如下:

(1)設定分級閾值T(在G.729a語音流中可設置為0.1),對集合B1進行初步分級,令B=B1,初始級數(shù)J=1:

STEP 1.1:可隱藏位的預分級.將集合中的第一個元素分配到子集B1,,其余元素則分配到子集B2中,即B1={b1,1},B2={b1,2,…,b1,n}.

STEP 1.2:細化分級.計算集合B1中所有元素的平均MOS-LQO值并記為B,并對集合B2中的每個元素依次計算絕對值ai=│φi-B│,2≤i≤│B2│+1,│B2│為集合B2中元素的個數(shù),φi為集合B2中的元素b1,i所對應的MOS-LQO值,并做如下判斷:若ai

STEP 1.3:對STEP 1.2中的集合B2繼續(xù)分級,即B=B2,執(zhí)行STEP 1.1.

STEP 1.4:重新分配臨界點:對STEP 1.2中提及的所有臨界點進行重新分配；將當前臨界點Q的MOS-LQO值與下一級的平均MOS-LQO值之差的絕對值記為p,若p>T,則將當前臨界點分配到下一級的可隱藏級別中,若p≤T,則當前臨界點仍歸于當前可隱藏級別中.

(2)根據(jù)可隱藏位的平均SNR值對上述分級結果進行調(diào)整和優(yōu)化,初始化I=1,J=1,具體步驟如下:

STPE 2.1:確定(1)中的初步分級結果的第I個可隱藏等級CI中隱藏位的個數(shù)|CI|；取B2中的前|CI|個元素構成集合B′,做如下判斷:如果CI=B′,記CJ=CI,從B2去除已劃分到CJ的所有元素,當還有初步分級待優(yōu)化,取I=I+1,J=J+1,重復STPE 2.1；如果CI≠B′且CI∩B′≠?,取CI和B′相同的元素構成級別CJ,并從B2去除已劃分到CJ的所有元素,執(zhí)行STPE 2.2；如果CI∩B′=?,分級結束.

STPE 2.2:確定C′=CI-CJ及其包含的元素個數(shù)|C′|；在B2中取前|C′|個元素與C′一起構成集合C*；在C*中依次測試選取2到|C*|個所有元素組合進行LSB替換后的平均MOS-LQO值和平均SNR值；取符合MOS-LQO值和SNR值要求(如MOS-LQO>3.5且SNR>7),且元素個數(shù)最多的組合,構成級別CJ+1,完成分級.

值得注意的是,為保證隱寫操作的實時性,上述分級操作均應隱寫前完成,且其結果為發(fā)送方和接收方所共享.

3 基于可隱藏位分級的自適應隱寫

以上述分級結果為依據(jù),本文提出了一種充分利用LSB的冗余差異性的自適應隱寫方法.假設發(fā)送方將發(fā)送LM比特隱秘信息M={mi=0 or 1 |I=1,2,…,LM},用于隱藏M的載體信息集合(本文指載體的所有LSB位)為C={ci=0 or 1|i=1,2,…,LC},其中LC表示集合C的長度.為了使隱秘信息能夠完全嵌入,LC與LM需滿足:LC≥LM.在嵌入過程中,將載體LSB集合C按上文提出的LSB分級方案分成r組,即C={C1,C2,…,Cr},其中Cj={cj,1,cj,2,…,cj,Lj},1≤j≤r,Lj表示集合Cj的長度,即第j個可隱藏級別中LSB的個數(shù).根據(jù)上述符號定義,嵌入操作步驟為:

STEP1:計算權重向量W:記權重向量W={wi∈[0,1]|i=1,2,…,r},其中,r為可隱藏級別的總數(shù),wi為第i個可隱藏級別的權重系數(shù),定義為該可隱藏級別在隱藏過程中需選擇的LSB數(shù)與該級別中總LSB數(shù)之比,其計算方式可表述為:

(1)

上式中,x的計算方式如下:

(2)

其中,α=LM/LC表示隱秘信息長度LM與載體LSB總個數(shù)LC的比值,Li為第i個可隱藏級別中LSB的個數(shù).

STEP2:根據(jù)權重向量W中非零元素的個數(shù)k,將隱秘信息M分成k組,即M={M1,M2,…,Mk},Mi={mi,1,mi,2,…,mi,li},1≤k≤r,li為每組隱秘信息的長度且1≤i≤k,其計算式為li=Li*wi；

隱秘信息的嵌入過程表達式為:

ψi=(1-vi)·ck,i+vi·mk,t

(4)

(5)

相應地,接收方根據(jù)分級結果以及事先約定的每幀嵌入隱秘信息M的長度LM,確定權重向量W,并計算W中非零元素的個數(shù)k；與此同時,根據(jù)事先約定的密鑰產(chǎn)生選擇因子集合V,并可結合公式(6)提取隱秘信息M.

(6)

4 實驗與分析

本文以VoIP中廣泛使用的ITUG.729a編碼為例對本文提出的分級方案和隱寫方法進行測試.然而,需要指出的是,本文提出的方法與具體的編碼器無關,具有良好的普適性.實驗選取了1600個語音樣本(包括中文男聲,中文女聲,英文男聲和英文女聲)作為載體,對它們的G.729a編碼版本進行分級實驗和相關隱寫操作.

4.1 G.729a編碼語音幀的LSB分級特性

根據(jù)上文所述的LSB分級方法,G.729a語音幀的LSB可分成3個可隱藏等級,如表2所示.第一級為最優(yōu)的可隱藏級別,包含7個LSB；第二級次之,包含3個LSB；第三級包含2個LSB.

表2 G.729a語音幀的可隱藏位分級

為了評估每個可隱藏等級的可隱藏性能,對各可隱藏等級分別進行LSB替換測試:以第i級的k個可隱藏位為載體,測試隱藏容量為x比特/幀的所有組合的LSB替換(1≤i≤3,x=2,3,4,…,k,k表示第i級的所有可隱藏位數(shù)).對第1級、第2級、第3級進行LSB替換測試的MOS-LQO及SNR結果,分別如圖1、2、3和4所示.從圖中可看出,(1)在不同級別選取相同載體數(shù)進行LSB替換所得的平均MOS-LQO值和平均SNR值不同；隱藏級別越低的其平均MOS-LQO值以及平均SNR值越低,說明了經(jīng)過分級之后,不同級別的可隱藏性能不一樣,選取不同級別的可隱藏位作為載體進行的LSB替換所得的語音質(zhì)量也不同,驗證了對可隱藏位分級的必要性；(2)在同一級別中,對于隱藏容量相同的所有組合的LSB替換,它們的平均MOS-LQO值以及平均SNR相差非常小,說明了在同一可隱藏級別中,對給定隱藏容量可隨機選擇相同數(shù)目的載體.

為了進一步驗證隱藏等級高的可隱藏位的性能優(yōu)于隱藏級別低的可隱藏位的性能,我們做了如下測試:在相同隱藏容量的前提下,分別從{一個可隱藏等級}、{兩個可隱藏等級}、{三個可隱藏等級}這三組中隨機選擇載體進行LSB替換.圖5和圖6所示的是以上三組LSB替換的實驗結果.從圖5可看出,在具有相同隱藏容量選擇不同可隱藏等級的載體的情況下:選擇第1級的可隱藏位作為載體的平均MOS-LQO值會高于從第1,2級和第1,3級中隨機選擇的可隱藏位作為載體的平均MOS-LQO值；而從第1,2,3級中隨機選擇的可隱藏位作為載體一組的平均MOS-LQO值則最低.這說明了分別對以上三組載體進行LSB替換后的載密語音的語音質(zhì)量是依次降低的.同樣,由圖6也可看出,采用信噪比測試的結果與MOS-LQO的結論相近,因此,進一步驗證了對可隱藏位的分級可提高隱寫過程的不可感知性,增強隱蔽通信的安全性.

4.2 隱寫性能

為了驗證所提出的自適應分級隱寫方法的有效性,以隨機生成的二進制序列作為隱秘信息,將所提方法與以下六組實驗進行比較:(1)選擇Su等人分析所得的固定碼書索引參數(shù)作為載體進行LSB替換[16]；(2)選擇三個可隱藏級別中所有可隱藏位作為載體進行隨機的LSB替換(共12 比特,記m=12)；(3)選擇按MOS-LQO 排序前12 位可隱藏位作為載體進行隨機的LSB 替換(共12 比特,記m=12[MOS-LQO])；(4)選擇各比特置反后SNR 大于7 的位作為載體進行隨機的LSB 替換(共26 比特,記m=26[SNR])；(5)選擇按MOS-LQO 排序前26 位可隱藏位作為載體進行隨機的LSB 替換(記m=26[MOS-LQO])；(6)選擇各比特置反后MOS-LQO大于3.5的位作為載體進行隨機的LSB 替換(共40 比特,記m=40).

以上七組實驗中隱藏容量分別從1比特/幀到12比特/幀的平均MOS-LQO值及平均SNR 比較結果,分別如圖7、8所示.根據(jù)圖7、8容易得知,在相同隱藏容量的前提下,本節(jié)所提出的自適應分級隱寫方法的平均MOS-LQO值以及平均SNR明顯優(yōu)于其他6組,這說明了所提出的隱寫方法對載體語音質(zhì)量的失真影響較小,嵌入隱秘信息后的載密語音質(zhì)量良好,即具有較高的不可感知性.此外,由圖中可看出,對于不同的隱藏容量,采用自適應的分級隱寫方法的語音質(zhì)量不等,因此,在實際應用中,用戶可根據(jù)實際需求通過合理的選取載體向量長度以自適應調(diào)整不可感知性和隱藏容量間的較佳平衡.

5 結論與未來的工作

基于IP語音的隱寫是當前信息隱藏研究的一個熱點.然而,現(xiàn)有研究均將可隱藏位置一視同仁地對待,忽略了其差異性.本文首先通過性能量化的方式,對載體隱藏位置的非均衡性進行了分析；進而給出了一種可隱藏位的分級方法；并以此為基礎,提出了一種基于分級的自適應隱寫方法.本文代表性地選擇廣泛使用的G.729a為編碼器,以大量的語音樣本為載體,對本文提出的分級方案和隱寫算法進行了實驗測試.實驗結果表明,通過對載體LSB進行分級可明顯提高嵌入隱密信息后的載體語音質(zhì)量,從而提高載密語音的不可感知性；并且與目前較流行的隨機LSB替換相比,在相同的隱藏容量的前提下,本文算法的不可感知性明顯優(yōu)于隨機LSB替換方法.

本文是對于分級隱寫的一次初步嘗試,盡管獲得了一些有益的結果,但后續(xù)仍有許多工作值得深入,如進一步研究載體分級的相關理論基礎和方法,將分級思想與隱寫編碼理論相結合探索具有更好性能的隱寫方法,以及分析分級隱寫的抗隱寫分析性能等.

[1]Mazurczyk W.VoIP Steganography and its detection:a survey [J].ACM Computing Survey,2013,2(46):20.

[2]Huang Y,Yuan J,Chen M,Xiao B.Key distribution over the covert communication based on VoIP[J].Chinese Journal of Electronics,2011,20(2):357-360

[3]鐘巍,孔祥維,尤新剛,王波.基于態(tài)函數(shù)的離散分數(shù)余弦倒譜變換在取證話音信息隱藏中的應用[J].電子學報,2012,40(3):595-599.

Zhong W,Kong X,You X,Wang B.Forensic speech information hiding using fractional cosine-cepstrum transform [J].Acta Electronica Sinica,2012,40(3):595-599.(in Chinese)

[4]楊婉霞,余暉,胡萍.在壓縮語音編碼中集成信息隱藏方法研究[J].電子學報,2014,42(7):1305-1310.

Yang W,Yu H,Hu P.Research on steganographic method integrated in the compressed speech codec[J].Acta Electronica Sinica,2014,42(7):1305-1310.(in Chinese)

[5]Kratzer C,Dittmann J,Vogel T,et al.Design and evaluation of steganography for voice-over-IP [A].Proceedings of the 19th IEEE International Symposium on Circuits and Systems[C].Kos,Greece:IEEE,2006.2397-2340.

[6]Tian H,Zhou K,Jiang H,et al.An m-sequence based steganography model for voice over IP [A].Proceedings of the 44th IEEE International Conference on Communications[C].Dresden,Germany:IEEE,2009.1-5.

[7]Huang Y,Xiao B,Xiao H.Implementation of covert communication based on steganography [A].Proceedings of the 4th International Conference on Intelligent Information Hiding and Multimedia Signal Processing[C].Harbin,China:IEEE,2008.1512-1515.

[8]Tian H,Zhou K,Jiang H,et al.Digital Logic based encoding strategies for steganography on Voice-over-IP [A].Proceedings of the 17th ACM Multimedia Conference[C].Beijing,China:ACM,2009.777-780.

[9]Tian H,Jiang H,Zhou K,et al.Adaptive partial-matching steganography for voice over IP using triple M sequences [J].Computer Communications,2011,34(18):2236-2247.

[10]Liu J,Zhou K,Tian H.Least-significant-digit steganography in low bitrate speech [A].Proceedings of the 47th IEEE International Conference on Communications[C].Ottawa,Canada:IEEE,2012.1-5.

[11]Tian H,Zhou K,Feng D.Dynamic matrix encoding strategy for voice-over-IP steganography [J].Journal of Central South University of Technology,2010,17(6):1285-1292.

[12]Tian H,Jiang H,Zhou K,et al.Transparency-orientated encoding strategies for voice-over-IP steganography [J].The Computer Journal,2012,55(6):702-716.

[13]Wu Z J,Cao H J,Li D Z.An approach of steganography in G.729 bitstream based on matrix coding and interleaving [J].Chinese Journal of Electronics,2015,24(1):157-165.

[14]Tian H,Qin J,Huang Y,et al.Optimal matrix embedding for Voice-over-IP steganography [J].Signal Processing,2015,117:33-43.

[15]ITU-T Recommendation P.862.Perceptual evaluation of speech quality (PESQ):an objective method for end-to-end speech quality assessment of narrow-band telephone networks and speech codecs [S].2001.

[16]Su Y,Huang Y,et al.Steganography-oriented noisy resistance model of G.729a [A].Proceedings of IMACS Multi-conference on Computational Engineering in Systems Applications[C].Beijing,China:IEEE,2006.11-15.

田 暉 男,1982年生于湖北赤壁,博士,現(xiàn)為華僑大學計算機科學與技術學院副教授.研究方向為網(wǎng)絡與信息安全,多媒體內(nèi)容安全等.

E-mail:htian@hqu.edu.cn

郭舒婷 女,1989年生于福建漳州.華僑大學計算機科學與技術學院碩士研究生.研究方向為多媒體內(nèi)容安全,信息隱藏等.

Adaptive Voice-over-IP Steganography Based on Quantitative Performance Ranking

TIAN Hui1,GUO Shu-ting1,QIN Jie1,HUANG Yong-feng2,CHEN Yong-hong1,LU Jing3

(1.CollegeofComputerScienceandTechnology,HuaqiaoUniversity,Xiamen,Fujian361021,China; 2.DepartmentofElectronicEngineering,TsinghuaUniversity,Beijing100084,China; 3.NetworkTechnologyCenter,HuaqiaoUniversity,Xiamen,Fujian361021,China)

In this paper,we first analyze the unequal impacts of various cover bits on the quality of decoded speech for parameter codecs,and further design a ranking scheme for available cover bits to utilize the cover fully.Moreover,we present an adaptive VoIP steganography based upon the performance ranking of cover bits,which can adaptively choose the optimal steganographic positions to enhance the imperceptibility of covert communications.The proposed methods are evaluated and tested with a large number of speech samples as the cover.The experimental results show that the proposed ranking scheme is sound and feasible,and the presented steganogaphic method also outperforms the existing ones.

steganography;voice over IP(VoIP);information hiding;performance ranking

2015-10-18;

2016-04-20;責任編輯:藍紅杰

國家自然科學基金(No.61302094,No.U1536115,No.U1405254)；福建省自然科學基金(No.2014J01238)；福建省高校杰出青年科研人才培育計劃(No.MJK2015-54)；福建省教育廳中青年教師教育科研項目(No.JA13012)；國家留學基金項目(No.201507540001)；華僑大學中青年教師科研提升資助計劃(No.ZQN-PY115)；華僑大學科技創(chuàng)新團隊和領軍人才支持計劃(No.2014KJTD13)

TP 309

A

0372-2112 (2016)11-2735-07

??學報URL:http://www.ejournal.org.cn

10.3969/j.issn.0372-2112.2016.11.024