基于分段STC的音频隐写算法

doi:10.11959/j.issn.1000-0801.2019071

电信科学 ›› 2019, Vol. 35 ›› Issue (7): 115-123.doi: 10.11959/j.issn.1000-0801.2019071

基于分段STC的音频隐写算法

张雪垣,王让定,严迪群,林昱臻

宁波大学信息科学与工程学院，浙江宁波 315211

修回日期:2019-04-20 出版日期:2019-07-20 发布日期:2019-07-22
作者简介:张雪垣（1994- ），男，宁波大学信息科学与工程学院硕士生，主要研究方向为多媒体通信、信息安全、信息隐写与隐写分析等。|王让定（1962- ），男，博士，宁波大学高等技术研究院教授、博士生导师，主要研究方向为多媒体通信与取证、信息隐藏与隐写分析、智能抄表及传感网络技术等。|严迪群（1979- ），男，博士，宁波大学信息科学与工程学院副教授、硕士生导师，主要研究方向为多媒体通信、信息安全、基于深度学习的数字语音取证等。|林昱臻（1994- ），男，宁波大学信息科学与工程学院硕士生，主要研究方向为多媒体通信与信息安全等。
基金资助:
国家自然科学基金资助项目(U1736215);国家自然科学基金资助项目(61672302);浙江省自然科学基金资助项目;宁波市自然科学基金资助项目(2017A610123);宁波大学学科基金资助项目(XKXL1509);宁波大学学科基金资助项目(XKXL1503);浙江省移动网应用技术重点实验室开放基金资助项目(F2018001)

An audio steganography algorithm based on segment-STC

Xueyuan ZHANG,Rangding WANG,Diqun YAN,Yuzhen LIN

College of Information Science and Engineering, Ningbo University, Ningbo 315211, China

Revised:2019-04-20 Online:2019-07-20 Published:2019-07-22
Supported by:
The National Natural Science Foundation of China(U1736215);The National Natural Science Foundation of China(61672302);The Natural Science Foundation of Zhejiang Province of China;Ningbo Natural Science Foundation of China(2017A610123);Ningbo University Fund(XKXL1509);Ningbo University Fund(XKXL1503);Mobile Network Application Technology Key Laboratory of Zhejiang Province(F2018001)

摘要/Abstract

摘要：

在隐写领域中，STC（syndrome-trellis code）隐写编码是时下最为先进的隐写算法之一。提出了一种基于STC的隐写算法——分段STC。该算法利用分段、局部优化，可有效降低载体失真。首先对音频最低有效位（least significant byte，LSB）载体流进行了分段切割，随后利用最佳子校验矩阵将分段的密信嵌入分段载体中。该隐写算法在现有的语音样本库TIMIT库以及通过网络歌曲自制的样本库上进行了隐写实验。实验结果表明，该思路下的算法可以有效地降低载体的失真元素个数和提高隐写算法的不可检测性。本文算法相较于传统STC算法，失真元素个数的优化程度最高可达到24%；对比同类音频隐写算法，本文算法生成的隐写后音频具备更加优秀的不可感知性能。

关键词: 分段STC, 载体密信分配, 最佳子校验矩阵, WAV隐写

Abstract:

In steganography field, syndrome-trellis code is a state-of-the-art steganography algorithm. A steganography algorithm of Segment-STC was proposed. Segment-STC could locally optimize the distortion by segmentation. Firstly, the LSB-stream (least significant bit, LSB) of audio cover was segmented as few sub-segments. Then, the segmented message in each sub-segment was embedded to the optimal submatrix. The TIMIT dataset and author collected online songs as databases was used to run the experiments. Results show that segment-STC can effectively reduce the number of distortion elements of cover and improve the undetectability of the stego. Segment-STC algorithm can reduce the distortion over 24%, compared with the original STC algorithm. It also has a better imperceptible performance compare with other similar audio steganography algorithms.

Key words: segment-STC, cover-message allocation, optimal submatrix, WAV steganography

中图分类号:

TP391

张雪垣,王让定,严迪群,林昱臻. 基于分段STC的音频隐写算法[J]. 电信科学, 2019, 35(7): 115-123.

Xueyuan ZHANG,Rangding WANG,Diqun YAN,Yuzhen LIN. An audio steganography algorithm based on segment-STC[J]. Telecommunications Science, 2019, 35(7): 115-123.

图/表 12

图1

图2

图3

图4

表1

表2

表3

表4

表5

表6

表7

表8

参考文献 12

[1]	NI J , YE J , YI Y . Deep learning hierarchical representations for image steganalysis[J]. IEEE Transactions on Information Forensics and Security, 2017, 12(11): 2545-2557.
[2]	FILLER T , JUDAS J , FRIDRICH J . Minimizingadditive distortion in steganography using syndrome-trellis codes[J]. IEEE Transactions on Information Forensics ＆ Security, 2011, 6(3): 920-935.
[3]	FILLER T , JUDAS J , FRIDRICH J . Minimizing embedding impact in steganography using trellis-coded quantization[C]// International Conference on Multimedia Computing and Systems,April 14-16,2014,Marrakesh Morocco. Piscataway:IEEE Press, 2014.
[4]	PEVNY T , FILLER T , BAS P . Using high-dimensional image models to perform highly undetectable steganography[J]. Lecture Notes in Computer Science, 2010(6387): 161-177.
[5]	HOULUB V , FRIDRICH J . Designing steganographic distortion using directional filters[C]// IEEE International Workshop on Information Forensics and Security,December 2-5,2012,Costa Adeje-Tenerife,Spain. Piscataway:IEEE Press, 2012: 234-239.
[6]	HOLUB V , FRIDRICH J , DENEMARK T . Universal distortion function for steganography in an arbitrary domain[J]. EURASIP Journal on Information Security, 2014, 1(1): 1-13.
[7]	邹明光, 李芝棠 . 基于振幅值修改的WAV音频隐写算法[J]. 通信学报, 2014 (s1).
	ZOU M G , LI Z T . WAV-audio steganagraphy algorithm based on amplitude modifying[J]. Journal on Communications, 2014(s1).
[8]	LUO W , ZHANG Y , LI H . Adaptive audio steganography based on advanced audio coding and syndrome-tcoding[J]. International Workshop on Digital Watermarking, 2017(10431): 177-186.
[9]	KIM D H , YANG S J , CHUANG J H . Additive data insertion into MP3 bitstream using linbits characteristics[C]// IEEE International Conference on Acoustics,Speech,and Signal Processing,May 21-23,2014,Montreal,Que,Canada. Piscataway:IEEE Press, 2014: 181-184.
[10]	YAN D Q , WANG R D , YU X , et al. Steganography for MP3 audio by exploiting the rule of window switching[J]. Computers ＆Security, 2012, 31(5): 704-716.
[11]	严迪群 . 压缩域音频隐写与隐写分析中若干问题的研究[D]. 宁波: 宁波大学, 2012.
	YAN D Q . Research about several problems of steganography and steganalysis in audio compressed domain[D]. Ningbo:Ningbo University, 2012.
[12]	刘昌鑫, 朱平, 夏春和 . F5隐写算法及其隐写分析研究[J]. 计算机工程与设计, 2007, 28(4): 884-887.
	LIU C X , ZHU P , XIA C H . Research on F5 steganography algorithm and its steganalysis[J]. Computer Engineering and Design, 2007, 28(4): 884-887.

ODG	10 000	5 000	1 000
LSB	0.202 1	0.203 3	0.204 1
F5	0.202 8	0.203 5	0.204 0
STC	0.203 0	0.203 5	0.204 9
分段STC	0.203 3	0.203 8	0.205 1
Original	0.208 0	0.208 0	0.208 0

ODG	10 000	50 000	1 000
LSB	0.197 7	0.198 8	0.200 5
F5	0.197 6	0.199 0	0.200 1
STC	0.198 5	0.199 9	0.200 4
分段STC	0.199 9	0.200 2	0.200 6
Original	0.204 2	0.204 2	0.204 2

ODG	10 000	50 000	1 000
LSB	0.176 6	0.179 9	0.193 5
F5	0.167 5	0.168 4	0.179 1
STC	0.193 1	0.193 3	0.193 6
分段STC	0.194 1	0.194 7	0.195 3
Original	0.196 6	0.196 6	0.196 6

ODG	10 000	50 000	1 000
LSB	0.176 6	0.179 9	0.193 5
F5	0.166 6	0.167 5	0.179 9
STC	0.190 3	0.192 2	0.193 5
分段STC	0.193 9	0.194 4	0.194 9
Original	0.196 6	0.196 6	0.196 6

SNR	10 000	5 000	1 000
LSB	65.093 5	67.383 3	74.402 2
F5	69.840 1	72.271 1	79.104 0
STC	69.276 0	71.653 0	78.451 3
分段STC	69.946 1	72.510 1	79.485 5

基于分段STC的音频隐写算法

An audio steganography algorithm based on segment-STC

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 12

相关文章 15

Metrics

推荐阅读 0

[1]	金宏辉, 简志华, 杨曼, 吴超. 采用圆周局部三值模式纹理特征的合成语音检测方法[J]. 电信科学, 2023, 39(6): 85-95.
[2]	马辉, 王瑞琴, 杨帅. 一种渐进式增长条件生成对抗网络模型[J]. 电信科学, 2023, 39(6): 105-113.
[3]	卢敏, 胡娟, 张先超, 丁伟健, 乐光学. 基于用户多特征融合的个性化推荐模型[J]. 电信科学, 2023, 39(5): 101-115.
[4]	张永, 刘纪奎, 柯文龙. 基于并行可分离卷积和标签平滑正则化的脑电情感识别[J]. 电信科学, 2023, 39(5): 116-128.
[5]	邓琨, 蒋庆丰, 刘星妍. 融合节点分析与边分析的复杂网络社区识别算法[J]. 电信科学, 2023, 39(4): 87-100.
[6]	冶莉娟, 王亦婷, 朱励程. 基于细胞自动机模型电力网络攻击预测技术[J]. 电信科学, 2023, 39(4): 173-179.
[7]	韩一士, 徐雨欣, 卢甜甜. 一种基于耦合网络的RD-IHSAT网络谣言传播模型[J]. 电信科学, 2023, 39(2): 118-131.
[8]	徐嘉, 简志华, 金宏辉, 吴超, 游林, 吴迎笑. 基于中心对称局部二值模式的合成伪装语音检测方法[J]. 电信科学, 2023, 39(1): 72-78.
[9]	任华健, 郝秀兰, 徐稳静. 融合递增词汇选择的深度学习中文输入法[J]. 电信科学, 2022, 38(12): 56-64.
[10]	周薇娜, 刘露. 复杂场景下多尺度船舶实时检测方法[J]. 电信科学, 2022, 38(10): 67-78.
[11]	金楠, 王瑞琴, 陆悦聪. 基于艾宾浩斯遗忘曲线和注意力机制的推荐算法[J]. 电信科学, 2022, 38(10): 89-97.
[12]	杨帅, 王瑞琴, 马辉. 基于多通道的边学习图卷积网络[J]. 电信科学, 2022, 38(9): 95-104.
[13]	赵东明. 电信运营商知识图谱技术体系研究及应用实践[J]. 电信科学, 2022, 38(8): 151-162.
[14]	于佳祺, 简志华, 徐嘉, 游林, 汪云路, 吴超. 基于联合特征与随机森林的伪装语音检测[J]. 电信科学, 2022, 38(6): 91-99.
[15]	申情, 郭文宾, 楼俊钢, 余强国. 考虑多层次潜在特征的个性化推荐模型[J]. 电信科学, 2022, 38(2): 71-83.

SNR	10 000	5 000	1 000
LSB	64.946 5	67.345 3	74.222 1
F5	69.673 3	72.190 2	79.151 1
STC	69.192 0	71.574 1	78.451 1
分段STC	69.983 3	72.369 0	79.350 7

SNR	10 000	5 000	1 000
LSB	66.262 5	68.716 9	75.134 9
F5	58.327 2	58.497 0	65.300 2
STC	73.399 1	75.749 9	82.199 1
分段STC	73.700 6	76.180 8	82.985 1

SNR	10 000	5 000	1 000
LSB	66.151 4	68.607 0	75.005 9
F5	57.952 6	58.097 0	64.900 3
STC	73.198 5	75.823 5	81.276 9
分段STC	73.694 4	76.296 1	82.941 5