滕曉宇,桂小林,戴慧珺,李宗育,王志通,李發(fā)兵

(1.西安交通大學(xué)電子與信息工程學(xué)院,710049,西安;2.西安交通大學(xué)陜西省計(jì)算機(jī)網(wǎng)絡(luò)重點(diǎn)實(shí)驗(yàn)室,710049,西安;3.本鋼集團(tuán)有限公司,117000,遼寧本溪)

信號(hào)處理技術(shù)的普及使得多媒體作品的復(fù)制、篡改操作變得極為容易和隱蔽[1],此類(lèi)問(wèn)題在音頻信號(hào)中尤為嚴(yán)重。數(shù)字水印技術(shù)作為多媒體安全研究的一個(gè)分支[2],以其隱蔽性高、安全性好等優(yōu)點(diǎn),已經(jīng)成為解決此類(lèi)問(wèn)題較為簡(jiǎn)單和通用的方法之一。

音頻數(shù)字水印按照嵌入方式分為嵌入式水印與零水印。嵌入式水印以犧牲水印信息嵌入量與音頻質(zhì)量為代價(jià),通過(guò)更改原始音頻的時(shí)域或頻域信息來(lái)嵌入水印[3-4]。零水印算法根據(jù)音頻信號(hào)的特征向量構(gòu)造水印,并不向原始音頻信號(hào)中添加任何信息,即對(duì)音頻信號(hào)零更改,因而能夠較好地處理數(shù)字水印的透明性與魯棒性之間的關(guān)系[5-7]。

目前,針對(duì)音頻的零水印算法已有不少研究成果,大致可以分為以下3類(lèi):①單純型,該類(lèi)方法根據(jù)單一的音頻信號(hào)特征如倒譜系數(shù)、小波域特征、短時(shí)能量、過(guò)零率等直接構(gòu)造水印[8-9],具有良好的時(shí)間特性,但構(gòu)造算法易被破解;②多特征混合型,該類(lèi)方法結(jié)合信號(hào)特征與信號(hào)處理方法構(gòu)造音頻水印[10-13],提高了水印的魯棒性但增加了構(gòu)造算法的復(fù)雜度,而且并未考慮到水印信息的安全性;③雙水印算法,該類(lèi)方法將以上2種零水印構(gòu)造結(jié)果相融合,得到最終的水印信息[14-15],在一定程度上降低了暴力破解水印信息的概率,但不能確保一定會(huì)增強(qiáng)水印信息的魯棒性,而且同時(shí)增大了算法復(fù)雜度。

綜上所述,現(xiàn)有的音頻零水印算法雖然能滿(mǎn)足一般情況下對(duì)音頻零水印的需求,但仍舊存在以下不足:①高性能的數(shù)字音頻水印算法總是以犧牲算法復(fù)雜度為代價(jià)的;②由于未考慮音頻信號(hào)中每幀信息含量的差異性,導(dǎo)致算法運(yùn)行過(guò)程中存在大量冗余工作;③不能保證水印信息的唯一性;④忽略了水印信息的安全性,即可通過(guò)構(gòu)造出的水印信息破解水印構(gòu)造算法。

為此,本文在分析總結(jié)現(xiàn)有的音頻零水印的基礎(chǔ)上,從安全性的角度提出了一種針對(duì)水印信息的攻擊模型,并以此為基準(zhǔn)設(shè)計(jì)了一種基于亂序局部感知哈希的音頻零水印方案。

1 分析重構(gòu)攻擊模型及零水印方案設(shè)計(jì)

1.1 分析重構(gòu)攻擊模型

分析重構(gòu)攻擊模型定義在音頻零水印領(lǐng)域,是以水印信息安全性為出發(fā)點(diǎn)的一種特殊的攻擊,具體表現(xiàn)為當(dāng)發(fā)生水印信息泄漏時(shí),只需通過(guò)分析泄漏的水印信息,即可得知構(gòu)造水印的元素及方法,從而重構(gòu)水印算法。分析重構(gòu)攻擊模型實(shí)質(zhì)上是水印構(gòu)造的逆推導(dǎo)過(guò)程。

該種攻擊的危害主要表現(xiàn)為以下2點(diǎn):①在微觀上,分析重構(gòu)出水印信息的過(guò)程中同時(shí)破解了水印的構(gòu)造算法,攻擊者可以根據(jù)水印構(gòu)造算法在不更改版權(quán)信息的情況下篡改、復(fù)制原始音頻;②在宏觀上,版權(quán)判定中將無(wú)法判定版權(quán)信息,致使通過(guò)水印判定版權(quán)的算法失效,甚至導(dǎo)致整個(gè)版權(quán)保護(hù)系統(tǒng)癱瘓。

分析重構(gòu)攻擊的特點(diǎn)可分為以下4類(lèi):①水印信息與原始音頻信號(hào)的基本特征相似度極高,該種情況大多出現(xiàn)在單純型水印構(gòu)造算法中,例如水印信息與在某閾值下的短時(shí)平均能量一致;②水印信息與經(jīng)過(guò)多種信號(hào)處理的原始音頻特征相似,例如水印信息與經(jīng)過(guò)小波分解的短時(shí)能量相似;③水印信息與音頻信號(hào)的組合特征比較相似,該種方式常見(jiàn)于多特征混合型零水印構(gòu)造算法;④結(jié)合多種處理方式,處理通過(guò)多種音頻信號(hào)特征生成的特征向量,該種情況較前3種具有較好的抗分析重構(gòu)性。

設(shè)ω={ω1,ω2,…,ωn}表示音頻信號(hào)的n類(lèi)處理方式,v={v1,v2,…,vm}表示音頻信號(hào)的m類(lèi)特征,則上述4種分析重構(gòu)類(lèi)型中的最小時(shí)間復(fù)雜度為O(1),最大時(shí)間復(fù)雜度為O(m!n!)。由于常見(jiàn)的信號(hào)處理方式與數(shù)字音頻特征是可窮舉的,也就是說(shuō)可以暴力破解水印構(gòu)造方法。

1.2 符號(hào)定義

本文涉及的不同符號(hào)及其含義如表1所示。

表1 符號(hào)對(duì)照表

1.3 音頻零水印方案

音頻零水印方案分成零水印構(gòu)造與零水印檢測(cè)2個(gè)部分:零水印構(gòu)造是根據(jù)音頻信號(hào)的特征向量構(gòu)造水印;零水印檢測(cè)是當(dāng)發(fā)生版權(quán)糾紛時(shí),對(duì)待檢測(cè)的音頻進(jìn)行水印的二次構(gòu)造,將構(gòu)造的結(jié)果與原始音頻的水印通過(guò)相似度檢測(cè)等手段,判斷并確定版權(quán)的歸屬。

由于離散小波變換具有多尺度與多分辨率的特性[5],能由粗及細(xì)地逐步分析信號(hào)特征,將其應(yīng)用到音頻零水印中,能保證水印具有良好的魯棒性。局部敏感哈希[16-18]的原理是原始相似度較高的兩個(gè)向量,經(jīng)過(guò)哈希轉(zhuǎn)換之后仍舊具有很高的相似度,而本身不相似的兩個(gè)向量,經(jīng)過(guò)哈希轉(zhuǎn)換之后同樣不相似。將其應(yīng)用到音頻零水印中,能在保證水印結(jié)果的準(zhǔn)確性的同時(shí)增強(qiáng)水印信息的安全性。鏈表在數(shù)據(jù)置換過(guò)程中可以起到記錄置換順序,即保序的作用,應(yīng)用到音頻零水印構(gòu)造過(guò)程中可以使水印信息達(dá)到更好的抗分析重構(gòu)性以及唯一性。因此,本文結(jié)合音頻信號(hào)的小波特征與局部敏感哈希以及鏈表,設(shè)計(jì)并實(shí)現(xiàn)了一種亂序局部敏感哈希的音頻零水印方案。

本文提出的零水印方案分為零水印構(gòu)造模型與零水印檢測(cè)模型。零水印構(gòu)造模型主要分為3個(gè)部分:第1部分為音頻信號(hào)預(yù)處理過(guò)程,通過(guò)對(duì)音頻信號(hào)進(jìn)行預(yù)加重、補(bǔ)幀以及去靜音幀等操作,完成音頻幀的篩選,從根源上降低音頻幀的處理數(shù)量,從而達(dá)到降低水印構(gòu)造算法復(fù)雜度的目的;第2部分為水印的構(gòu)造過(guò)程,通過(guò)音頻信號(hào)的小波分解得到特征向量V,根據(jù)局部感知哈希族函數(shù)H將向量進(jìn)行映射,最后借助鏈表將哈希變換所得的值進(jìn)行置亂,從而得到構(gòu)造的水印信息Z,在該部分中,為保證水印信息的唯一性,本文利用鏈表將哈希映射結(jié)果進(jìn)行置亂,以達(dá)到降低水印碰撞性的目的;第3部分為水印圖像構(gòu)造,引入水印圖像的目的是使得后續(xù)水印檢測(cè)結(jié)果更加清晰,該部分借助圖像置亂算法將原始圖像進(jìn)行置亂,并與第2部分所構(gòu)造的水印信息相結(jié)合,得到水印圖像T。本文提出的音頻零水印構(gòu)造模型如圖1所示。

圖1 零水印構(gòu)造模型

預(yù)處理部分在改進(jìn)現(xiàn)有的通用分幀模型的基礎(chǔ)上提出了去靜音幀模型,其目的為根據(jù)音頻信號(hào)基本特征去掉信號(hào)中靜音幀及信息含量較低的部分。令max為取數(shù)值集合的最大值操作,min為取數(shù)值集合的最小值操作,mean為取數(shù)值集合的平均值,S為振幅F的方差,E為音頻信號(hào)短時(shí)平均能量,SF為歸一化方差,En為歸一化短時(shí)能量,Zn為SF與En之比,則篩選過(guò)程中涉及到的計(jì)算式有

(1)

(2)

(3)

由以上分析以及式(1)～(3),可得去靜音幀模型如圖2所示。

圖2 去靜音幀模型

水印圖像構(gòu)造階段主要分為圖像二值化、Arnold圖像置亂[19]以及水印圖像與水印信息結(jié)合共3個(gè)部分,其模型如圖3所示。

圖3 水印圖像構(gòu)造模型

與零水印構(gòu)造模型相對(duì)應(yīng)的是零水印檢測(cè)模型,檢測(cè)模型同樣主要分為3個(gè)部分:第1部分為水印的二次構(gòu)造,該部分是對(duì)待檢測(cè)的音頻片段W1進(jìn)行水印構(gòu)造,構(gòu)造過(guò)程中應(yīng)用到的構(gòu)造算法與水印構(gòu)造過(guò)程中設(shè)計(jì)的算法相同(構(gòu)造過(guò)程如圖1所示),因此該過(guò)程為水印二次構(gòu)造;第2部分為相似度計(jì)算與相似度比對(duì),前者是針對(duì)水印信息Z與Z1,后者是針對(duì)水印圖像T與T1;第3部分是版權(quán)判定,根據(jù)第2部分的結(jié)果判定版權(quán)的最終歸屬。音頻零水印的檢測(cè)模型如圖4所示。

圖4 音頻零水印檢測(cè)模型

在零水印檢測(cè)過(guò)程中,需要對(duì)水印圖像進(jìn)行相似度比對(duì),主體為原始圖像、存檔的水印圖像T以及經(jīng)過(guò)水印二次構(gòu)造所得到的待檢測(cè)音頻特征向量V1,主要理論依據(jù)為兩次異或等于原始數(shù)值這一邏輯關(guān)系,具體處理過(guò)程如圖5所示。

圖5 水印圖像比對(duì)

2 零水印方案中關(guān)鍵模塊算法及設(shè)計(jì)

由圖1與圖5可以看出,實(shí)現(xiàn)音頻零水印方案的關(guān)鍵模塊主要由分幀、去靜音幀、特征向量生成、亂序局部敏感哈希水印生成、水印圖像構(gòu)造等組成。

2.1 改進(jìn)的音頻分幀算法

預(yù)處理部分主要完成音頻信號(hào)濾波、預(yù)加重、分幀、去靜音幀等操作,其中濾波與預(yù)加重等前期處理技術(shù)的研究已較為成熟,此處不再贅述。

對(duì)于分幀算法,文獻(xiàn)[20]給出了一種0填補(bǔ)分幀方法,該方法提取特征向量時(shí)不會(huì)影響端點(diǎn)幀的判斷。但是,本文設(shè)計(jì)的零水印構(gòu)造算法是基于能量值相關(guān)的基礎(chǔ)運(yùn)算,現(xiàn)有的分幀方法需改進(jìn)后方可適用,改進(jìn)后的音頻分幀算法如下:先計(jì)算音頻段總長(zhǎng)度L對(duì)于幀長(zhǎng)I的余數(shù)K,判斷K與0的關(guān)系;然后統(tǒng)計(jì)第1幀與最后1幀中0的數(shù)目,分別用N1與N2表示;再根據(jù)N1與N2的大小關(guān)系進(jìn)行0填充,最終得到分幀后的語(yǔ)音幀集合NW。本文設(shè)計(jì)的分幀算法pro-enframe的偽代碼如下,文獻(xiàn)[20]的原始分幀算法在本文設(shè)計(jì)的算法中以“分幀操作”字樣體現(xiàn)。

PROC pro-enframe(L,I,N1,N2,NW)

INPUT:音頻段長(zhǎng)度L,分幀長(zhǎng)度I

OUTPUT:分幀后音頻集合NW

BEGIN

K←L%I;/*取余運(yùn)算*/

IF (K=0) THEN 分幀操作,得NW;

/*統(tǒng)計(jì)采樣點(diǎn)數(shù)目*/

Fori←0 ToI-1 DO

【IFN[i]=0 THENN1=N1+1;】

Fori←L-I-1 ToL-1 DO

【IFN[i]=0 THENN2=N2+1;】

IF(N1≥N2) THEN

音頻最前補(bǔ)幀并分幀操作;

ELSE音頻最后補(bǔ)幀并分幀操作;

END

2.2 特征向量生成

該模塊主要完成零水印構(gòu)造中特征向量的生成,簡(jiǎn)化了文獻(xiàn)[21]關(guān)于小波能量的算法,過(guò)程為:首先對(duì)音頻進(jìn)行小波變換得數(shù)組D1[1,…,n]、D2[1,…,n]、D3[1,…,n];然后取3個(gè)數(shù)組中的最大元素作為特征值寫(xiě)入數(shù)組V[1,…,n]中。本文設(shè)計(jì)的特征向量生成算法get-vec的偽代碼如下。

PROC get-vec (NW,D1,D2,D3,V)

INPUT:音頻信號(hào)幀集合NW

OUTPUT:特征向量V

BEGIN

D1,D2,D3←NW/*小波變換*/

Fori←0 ToI-1 DO

【V[i]←MAX(D1[i],D2[i],D3[i])】

END

2.3 亂序局部敏感哈希水印生成

該模塊主要由4部分組成。第1部分為哈希映射選擇哈希函數(shù)族H,此處每一個(gè)哈希函數(shù)就是一個(gè)簡(jiǎn)單的閾值函數(shù),在對(duì)原有特征向量進(jìn)行降維的同時(shí)對(duì)數(shù)據(jù)進(jìn)行二值化,閾值函數(shù)采用動(dòng)態(tài)選取方式,根據(jù)數(shù)據(jù)的平均值并結(jié)合隨機(jī)數(shù)函數(shù)進(jìn)行構(gòu)造。第2部分為局部敏感哈希映射,將每一個(gè)特征向量經(jīng)過(guò)哈希映射后的結(jié)果組成數(shù)組A。由于每一個(gè)感知哈希函數(shù)hn都對(duì)應(yīng)著一個(gè)桶Tn,每個(gè)桶都可以用一個(gè)一維數(shù)組表示,為方便后續(xù)水印圖像處理,數(shù)組長(zhǎng)度應(yīng)與圖像數(shù)組行(或列)相等。第3部分為提高水印信息的抗分析重構(gòu)性,對(duì)映射數(shù)組A進(jìn)行縱向置亂,并由鏈表list1記錄數(shù)組A中每個(gè)向量的首元素在A1中位置。第4部分為置亂映射數(shù)組,根據(jù)第3部分的方法,將數(shù)組A1橫向置亂,并由鏈表list2記錄每維元素的位置。本文設(shè)計(jì)的亂序局部敏感哈希水印生成算法ZL-W的偽代碼如下。

PROC ZL-W (V,H,A,A1,list1 list2)

INPUT:音頻特征向量V

OUTPUT:水印信息Z

BEGIN

Step1:選擇哈希函數(shù)族H;

/*進(jìn)行局部感知哈希函數(shù)映射,得數(shù)組A*/

/*縱向置亂數(shù)組A得A1,鏈表list1記錄*/

/*橫向置亂數(shù)組A1得A2,鏈表list2記錄*/

Step5:輸出水印信息Z

END

哈希函數(shù)族H生成時(shí),閾值函數(shù)是依據(jù)待處理數(shù)據(jù)的平均值來(lái)進(jìn)行選取的。文獻(xiàn)[22]表明,閾值選取過(guò)程中均值居多,但均值不能較好地滿(mǎn)足多峰值信號(hào)要求,因此需要引入縮放因子。基于以上分析,本文選取的閾值函數(shù)的變化范圍為

(4)

鏈表list1與list2的作用是輔助置亂與記錄原始順序。借鑒文獻(xiàn)[23]中的方法,用Di表示第i維特征向量。圖6是零水印構(gòu)造中的縱向置亂示意圖。

圖6 零水印構(gòu)造中的縱向置亂示意圖

從圖6可以看出:根據(jù)鏈表結(jié)構(gòu)可以將特征向量置亂,原始水印特征向量的順序應(yīng)為D1、D2、D3,經(jīng)過(guò)置亂之后變成D3、D1、D2,而且置亂為無(wú)規(guī)律置亂,因此在一定程度上增強(qiáng)了水印信息的抗分析重構(gòu)性。

設(shè)數(shù)組A1[]、B[1,…,m][1,…,n]、C[1,…,m][1,…,n]、鏈表list1分別存儲(chǔ)首元素所在位置、置亂前特征向量、置亂后特征向量、縱向置亂順序。本文設(shè)計(jì)的縱向置亂算法Ra_Z的偽碼如下。

PROC Ra_Z(A1,B,C,list1)

INPUT:置亂前的數(shù)據(jù)B

OUTPUT:置亂后的數(shù)據(jù)C,鏈表list1,首元素存儲(chǔ)數(shù)組A1

BEGIN

h←d-1;

/*生成d個(gè)不同的隨機(jī)數(shù)*/

Fori←oTod-1 Do 【NL[i]←i;】

While (h!=0)

【V3←Random(0,h);

/*在0～h之間隨機(jī)生成1個(gè)整數(shù)*/

g←NL[h];NL[h]←V;NL[V3]←g;

/*交換數(shù)據(jù)*/h←h-1;】

/*根據(jù)隨機(jī)數(shù)置亂特征值,并由list1記錄*/

p←0;/*用于指示數(shù)組值*/

A1←NL[1];

Fori←0 Ton-1 Do

【W(wǎng)L←NL[i];/*取出隨機(jī)數(shù)值*/

C[][i]←B[][p];

list1.data←p;

list1.link←N[i+1];p←p+1;】

END

2.4 水印圖像構(gòu)造

該模塊主要完成零水印構(gòu)造過(guò)程中水印圖像的構(gòu)造,由圖3水印圖像構(gòu)造模型以及文獻(xiàn)[17]圖像置亂算法組成,水印信息構(gòu)造以幀為單位,水印圖像的選取是與幀數(shù)相對(duì)應(yīng),以便構(gòu)造水印圖像。設(shè)Y為原始圖像,r為圖像置亂的階數(shù),Z為水印信息,t為置亂后的圖像,T為最終得到的水印圖像,本文設(shè)計(jì)的水印圖像構(gòu)造算法Water-P的偽代碼如下。

PROC Water-P (Y,r,Z,t,T)

INPUT:原始圖像Y,置亂階數(shù)r,水印信息Z

OUTPUT:水印圖像T

BEGIN

/*對(duì)原始圖像二值化處理,得到圖像Y2*/

T←tXORZ;

/*將水印信Z與圖像t進(jìn)行按位異或操作*/

輸出水印圖像T;

END

3 實(shí)驗(yàn)驗(yàn)證及對(duì)比分析

由于本文提出的音頻零水印方案是針對(duì)抗分析重構(gòu)攻擊的,因此方案的分析驗(yàn)證應(yīng)分為自身可行性驗(yàn)證分析以及與其他方案對(duì)比分析共2個(gè)部分,前者側(cè)重于驗(yàn)證,后者側(cè)重于對(duì)比分析。

3.1 實(shí)驗(yàn)數(shù)據(jù)選取

本文的實(shí)驗(yàn)數(shù)據(jù)主要分為音頻數(shù)據(jù)和水印圖像數(shù)據(jù)2個(gè)部分。音頻數(shù)據(jù)分為語(yǔ)音數(shù)據(jù)與音樂(lè)數(shù)據(jù),語(yǔ)音數(shù)據(jù)部分采用的是麻省理工大學(xué)的公開(kāi)數(shù)據(jù)庫(kù)TIMIT、以漢語(yǔ)普通話(huà)形式錄制的男女聲發(fā)音“0～9”、連續(xù)語(yǔ)音“西安交通大學(xué)電子與信息工程學(xué)院”,而音樂(lè)數(shù)據(jù)主要選用中國(guó)古典民族器樂(lè)片段。

為增強(qiáng)版權(quán)判定結(jié)果的可閱讀性與直觀性,本文引入水印圖像,由于單純的黑體字樣圖像不能很好地體現(xiàn)細(xì)微的圖像變化,因此本文在水印圖像的選取階段同時(shí)采用印有西安交通大學(xué)?；盏膱D像和印有“西安交大”黑體字樣的圖像作為原始水印圖像,二值化后的水印圖像以及3階置亂后的效果圖如圖7所示。

(a)?；斩祱D像 (b)?；?qǐng)D置亂效果圖 (c)黑體字的二值圖像 (d)黑體字圖置亂效果圖圖7 二值水印圖像及置亂效果圖

3.2 方案驗(yàn)證分析

篩選方案的分析和驗(yàn)證從不可感知性、可行性、有效性等方面展開(kāi)。

3.2.1 水印的不可感知性 水印是否被感知是指嵌入水印信息前后的音頻段是否發(fā)生改變,以及這種改變能否被人耳感知。本文采用零水印方式,從音頻信號(hào)中提取特征用以構(gòu)造水印,并未向原始音頻信號(hào)中添加任何信息,即對(duì)原始音頻信號(hào)零改變。圖8為采用本文提出的音頻水印方案嵌入水印前后的時(shí)域波形對(duì)比,從圖中可以看出,嵌入水印前后信號(hào)的差值恒為0,即嵌入水印前后信號(hào)完全相同,因此本文方案具有良好的不可感知性。

3.2.2 去靜音幀算法有效性驗(yàn)證 為了驗(yàn)證去靜音幀算法的有效性,本文選取連續(xù)語(yǔ)音“西安交通大學(xué)電子與信息工程學(xué)院”作為驗(yàn)證對(duì)象,此處音頻幀的幀長(zhǎng)q=256,篩選閾值為-0.35,篩選效果如圖9所示。

(a)原始音頻信號(hào)的時(shí)域波形

(b)嵌入水印后信號(hào)的時(shí)域波形

(c)嵌入水印前后信號(hào)的差值圖8 嵌入水印前后的音頻時(shí)域波形對(duì)比

(a)原始音頻時(shí)域波形

(b)去靜音幀算法執(zhí)行后的音頻能量圖9 去靜音幀算法的效果驗(yàn)證

由于圖9a時(shí)域波形較為密集,因此僅選出2個(gè)具有代表性的區(qū)域,對(duì)去靜音幀效果進(jìn)行說(shuō)明。圖9b中①②區(qū)域?qū)?yīng)圖9a中靜音或者帶有部分噪聲的區(qū)域①②,可以看出,在圖9a中區(qū)域①②所對(duì)應(yīng)的時(shí)域波形幾乎聚集在0附近,即所對(duì)應(yīng)的數(shù)據(jù)幀為靜音幀或者信息含量低,所以對(duì)應(yīng)在圖9b①②中為0。因此,本文的去靜音幀算法是有效的并且合理的。

3.2.3 零水印構(gòu)造方案驗(yàn)證 以連續(xù)女聲發(fā)音“西安交通大學(xué)電子與信息工程學(xué)院”為驗(yàn)證用例來(lái)驗(yàn)證零水印構(gòu)造方案是否可以有效執(zhí)行,水印構(gòu)造前后效果具體如圖10所示。

(d)水印圖像2 (e)存檔圖像2 (f)二次構(gòu)造的水印圖像2圖10 水印構(gòu)造前后效果圖

(a)水印圖像1 (b)水印圖像2圖11 加入強(qiáng)背景音樂(lè)后二次構(gòu)造的水印圖像

根據(jù)本文提出的零水印構(gòu)造方案可知,在待檢測(cè)語(yǔ)音的特征向量與原始語(yǔ)音的特征向量相似度較高的情況下,可以完全恢復(fù)無(wú)噪聲水印圖像。從圖10b、10c與圖10e、10f可以看出,從待檢測(cè)音頻可還原清晰可見(jiàn)的原始水印圖像。當(dāng)加入強(qiáng)背景音樂(lè)后,二次構(gòu)造的水印圖像如圖11所示,可以看出,2幅水印圖像幾乎已經(jīng)無(wú)法辨別?；张c黑體漢字。因此,本文所提出的音頻水印方案是可行的。

3.3 方案對(duì)比分析

為了進(jìn)一步驗(yàn)證本文提出的音頻零水印方案的有效性,從可行性、魯棒性與抗分析重構(gòu)性這幾個(gè)方面與相關(guān)研究進(jìn)行對(duì)比分析。

3.3.1 抗分析重構(gòu)性 文獻(xiàn)[1]是基于特征的雙水印,采用混沌方式將水印圖像進(jìn)行置亂,使得水印信息無(wú)法從圖像中讀出,但未對(duì)水印特征向量采取保護(hù)措施,一旦秘鑰泄漏,水印圖像以及水印信息將被成功解密。本文與其設(shè)計(jì)思路不同,通過(guò)置亂水印特征信息來(lái)增強(qiáng)抗分析重構(gòu)性。

設(shè)m為音頻信號(hào)特征的種類(lèi)數(shù)量,n表示處理方式種類(lèi)數(shù),R表示需要構(gòu)造特征矩陣的行數(shù)與列數(shù),并且n

從表2可以看出,本文提出的亂序局部敏感哈希零水印方案的抗分析重構(gòu)性明顯高于文獻(xiàn)[5,8-9]的算法,具有良好的抗分析重構(gòu)性。

3.3.2 魯棒性 為方便對(duì)比分析,采用歸一化相關(guān)系數(shù)CN作為算法魯棒性的評(píng)價(jià)指標(biāo),計(jì)算公式為

(5)

式中:L1表示水印每維向量的大小;L2表示水印向量的維數(shù)。L1×L2即為水印信息的大小。CN越大表示魯棒性越好。

本文從抗噪聲攻擊、抗MP3壓縮攻擊、抗多種比例裁剪攻擊這3方面進(jìn)行方案魯棒性的分析比對(duì)。

(1)抗高斯噪聲攻擊。對(duì)原始音頻信號(hào)分別添加均值為、標(biāo)準(zhǔn)方差為0.000 3與均值為、標(biāo)準(zhǔn)方差為0.000 5的高斯白噪聲,并分別與文獻(xiàn)[1](嵌入水印)、文獻(xiàn)[5]、文獻(xiàn)[24]進(jìn)行比對(duì)分析,結(jié)果如表3所示。

表3 不同方案在不同攻擊強(qiáng)度下的魯棒性評(píng)價(jià)

由表3可知:本文提出的音頻零水印方案在2種攻擊強(qiáng)度下的CN明顯大于文獻(xiàn)[24]的結(jié)果,略大于文獻(xiàn)[1]的結(jié)果,由于本文與文獻(xiàn)[5]都采用了小波變換,因此在抗噪性方面與文獻(xiàn)[5]處于幾乎持平狀態(tài)。綜上可知,本文提出的零水印構(gòu)造方案有較好的抗噪聲攻擊性。

(2)抗MP3壓縮攻擊。MP3壓縮是指通過(guò)一定的速率將原始文件壓縮成較小的文件,在這個(gè)過(guò)程中,器樂(lè)相對(duì)于語(yǔ)音較為敏感。對(duì)原始器樂(lè)《鳳凰于飛》片段分別進(jìn)行速率為96、128、160 kb/s的壓縮攻擊,并與文獻(xiàn)[5]和文獻(xiàn)[24]進(jìn)行對(duì)比分析,結(jié)果如下:由于本文與文獻(xiàn)[5]、文獻(xiàn)[24]都涉及離散小波變化,所以在抗MP3壓縮攻擊上性能差異不大,CN幾乎持平;3種方案在不同的壓縮速率下,CN都能保持在0.9以上,都在壓縮速率為128 kb/s時(shí)達(dá)到最大值,此時(shí)CN≥0.98;由于壓縮速率為96 kb/s時(shí)采用的是低頻壓縮,原始器樂(lè)的高頻段的一部分丟失,水印構(gòu)造產(chǎn)生會(huì)受到影響,3種方案的抗MP3壓縮攻擊性都不太好。因此,本文所提出的音頻零水印構(gòu)造方案具有一定的抗MP3壓縮攻擊能力。

(3)抗剪裁攻擊?？辜舨霉羰侵笇⒃家纛l的部分信息裁剪掉后,仍可以進(jìn)行版權(quán)判定,是水印信息魯棒性的一個(gè)重要體現(xiàn)。選取漢語(yǔ)連續(xù)語(yǔ)音“西安交通大學(xué)電子與信息工程學(xué)院”以及單音男女發(fā)音“0～9”進(jìn)行剪裁攻擊實(shí)驗(yàn),并與文獻(xiàn)[1]、文獻(xiàn)[5]、文獻(xiàn)[24]進(jìn)行對(duì)比。

剪裁攻擊選取的幀數(shù)為

(6)

攻擊中需要剪裁的幀序號(hào)為

AN=rand(C,Lnum)

(7)

式中:AN為需要剪裁的幀序號(hào);rand為隨機(jī)數(shù)生成函數(shù)。

在式(7)生成隨機(jī)數(shù)的過(guò)程中,如果隨機(jī)生成所得的靜音幀比例高于一定閾值,則需要重新進(jìn)行生成。由于語(yǔ)音段中靜音幀的比例較高,閾值通常先選為50%,再根據(jù)具體語(yǔ)音進(jìn)行調(diào)整。器樂(lè)段中靜音幀比例較低,通常選為67%(2/3)。

在實(shí)驗(yàn)對(duì)比之前首先對(duì)本文提出的零水印方案進(jìn)行剪裁攻擊,效果如圖12所示。

(a)原始水印圖像 (b)1%剪裁 (c)1%剪裁單音

(d)3%剪裁 (e)5%剪裁 (f)10%剪裁圖12 本文方案剪裁攻擊后二次構(gòu)造的水印圖像

圖12a為原始水印圖像;圖12b為連續(xù)語(yǔ)音(女)在攻擊強(qiáng)度為1%時(shí)二次構(gòu)造的水印圖像;圖12c為單語(yǔ)音在攻擊強(qiáng)度為1%時(shí)二次構(gòu)造的水印圖像;圖12d為英語(yǔ)語(yǔ)音在攻擊強(qiáng)度為3%時(shí)二次構(gòu)造的水印圖像,英語(yǔ)語(yǔ)音為T(mén)IMIT數(shù)據(jù)庫(kù)中任取的1條語(yǔ)音;圖12e為中國(guó)古典民族器樂(lè)《鳳凰于飛》片段在攻擊5%時(shí)二次構(gòu)造的水印圖像;圖12f為連續(xù)語(yǔ)音(男)在攻擊強(qiáng)度為10%時(shí)二次構(gòu)造的水印圖像。從圖中可以看出:本文提出的方案在攻擊強(qiáng)度為5%時(shí)才出現(xiàn)明顯的噪聲,如圖12e所示;在強(qiáng)度為10%時(shí),雖然噪聲已經(jīng)很明顯,但是水印圖像信息仍舊清晰,如圖12f所示。

選取漢語(yǔ)男女發(fā)音語(yǔ)音為用例進(jìn)行剪裁攻擊實(shí)驗(yàn),并與文獻(xiàn)[1]、文獻(xiàn)[5]以及文獻(xiàn)[24]進(jìn)行比對(duì)分析,由于本文采用一定比例的隨機(jī)剪裁,相同比例下對(duì)應(yīng)的剪裁的位置是不一樣的,所以每種剪裁比例分別對(duì)應(yīng)5組實(shí)驗(yàn),其平均CN如圖13所示。

圖13 不同方案在不同攻擊強(qiáng)度下的CN

由圖13可知:當(dāng)攻擊強(qiáng)度小于3%時(shí),4種方案相差不大;隨著攻擊強(qiáng)度的增大,4種方案都存在下降趨勢(shì),文獻(xiàn)[1]為嵌入水印,因此下降最快,而本文方案下降較慢,略好于其他方案。因此,本文方案具有較好的抗剪裁攻擊性。

4 結(jié) 論

本文通過(guò)對(duì)音頻零水印技術(shù)的現(xiàn)狀進(jìn)行分析,從安全角度入手,提出了一種分析重構(gòu)水印攻擊模型,并依據(jù)此攻擊模型提出了一種基于亂序局部敏感哈希音頻零水印方案。該方案主要分為兩大模塊:零水印構(gòu)造和零水印檢測(cè)。零水印構(gòu)造過(guò)程中主要借助局部敏感哈希以及鏈表增強(qiáng)水印信息的抗分析重構(gòu)性。在零水印構(gòu)造模塊中:在預(yù)處理階段根據(jù)音頻信號(hào)的特點(diǎn)設(shè)計(jì)了去靜音幀模型,從源頭降低了水印構(gòu)造算法的時(shí)間復(fù)雜度;在水印構(gòu)造過(guò)程中,結(jié)合鏈表、局部敏感哈希以及小波變換共同設(shè)計(jì)構(gòu)造模型,并將水印信息與水印圖像相結(jié)合。在零水印檢測(cè)模塊中,對(duì)待檢測(cè)音頻依據(jù)本文提出的水印構(gòu)造算法進(jìn)行水印的二次構(gòu)造,之后經(jīng)過(guò)相似度計(jì)算和與水印圖像的相似度比對(duì)判定版權(quán)的歸屬。理論分析與對(duì)比實(shí)驗(yàn)表明,本文提出的零水印方案能在保持較低計(jì)算復(fù)雜度的情況下仍具有良好的抗分析重構(gòu)性與魯棒性。但是,本文的特征提取僅從小波分析入手,特征單一,在一定程度上會(huì)造成版權(quán)判定過(guò)程中準(zhǔn)確度下降、抗噪性差。與此同時(shí),局敏感哈希與鏈表結(jié)合會(huì)造成復(fù)雜度高、可讀性差。這都是下一步需要改進(jìn)的地方。