田 晖,郭舒婷,秦 界,黄永峰,陈永红,卢 璥

(1.华侨大学计算机科学与技术学院,福建厦门 361021；2.清华大学电子系,北京 100084；3.华侨大学网络技术中心,福建厦门 361021)



基于可量化性能分级的自适应IP语音隐写方法

田 晖1,郭舒婷1,秦 界1,黄永峰2,陈永红1,卢 璥3

(1.华侨大学计算机科学与技术学院,福建厦门 361021；2.清华大学电子系,北京 100084；3.华侨大学网络技术中心,福建厦门 361021)

论文以客观语音质量评价和信噪比为量化手段,分析了参数编码中语音帧的每个比特位对重构语音质量影响的不均衡性,并提出了一种载体可隐藏位的分级方案,以达到充分利用各载体位的目的.以此为基础,进一步提出了一种基于载体位置分级的自适应IP语音隐写方法.该方法可自适应地选择最佳的隐写位置,以提高隐蔽通信的不可感知性.以大量的语音样本为载体,对提出的方法进行了实验验证.结果表明,本文的分级方案是正确可行的,且提出的分级隐写方法较之传统方法具有更好的隐写性能.

隐写; IP语音; 信息隐藏; 性能分级

1 引言

随着网络和计算机技术的飞速发展,越来越多的网络应用已逐渐深入我们生活,人们的生产、工作和生活已经越来越离不开互联网.然而,在网络给人们带来便利的同时也存在通信内容的泄露、个人信息被窃取等风险.因此,人们普遍开始关注诸如安全通信、个人隐私保护等信息安全相关问题.隐写(Steganography)技术是近几年来受到广泛关注的一项隐蔽通信技术,它是利用人类感觉器官的不敏感性(感觉冗余)以及多媒体数字信号本身存在的冗余(数据特性冗余),在不影响载体质量及正常通信的前提下,将隐秘信息隐藏在可公开的媒体信息中,使得隐秘信息不被察觉地传输.与传统的加密技术相比,隐写技术隐藏了信息的存在性,使得隐蔽通信不易被察觉,从而提高了隐秘信息在特定场合的安全性.

从现有的文献来看,目前的隐写已不仅仅局限于图像、文本、音频等静态媒体,越来越多的学者开始热衷于基于动态流媒体的隐写技术研究,最为代表性的即为基于IP语音(Voice over IP,VoIP)的隐写及隐蔽通信技术研究[1,2].主流的研究思路是以编码后的语音流作为载体,利用其冗余性实现隐秘信息的隐藏[1～4].基于最低有效位(Least Significant Bit,LSB)的隐写,以其低复杂度和高隐藏容量等优点,成为目前在VoIP中应用最多的一种技术,但是如何提高其安全性(包括不可感知性和不可检测性)仍然是一个极具挑战性的课题.迄今为止,已有许多研究者对此进行了研究.在抵抗检测攻击方面,Kratzer等人[5]率先主张在LSB隐藏前进行加密处理以消除隐秘信息间的相关性,并提出了基于Twofish和Tiger加密技术的隐写方案.尽管这一方案有效地提高了安全性,但是不难看出,这种传统加密方式将会给VoIP系统带来很大的通信延迟,而这种延迟给语音质量带来的损害,将使得隐蔽通信陷入另一个易于“暴露”的极端.为此,Tian等人[6]提出用m序列代替Twofish和Tiger对隐秘信息进行加密,在消除隐秘信息间的相关性的同时,维护VoIP的实时性.在维护VoIP的不可感知性方面,Huang等人[7]引入了LSB Matching算法来降低载体的改变量,但是该方法将隐藏容量降低到了传统LSB方法的一半.Tian等人[8,9]首次提出部分相似值的概念以评价隐秘信息与载体间的相似度,并先后提出利用数学变换(逻辑运算和位移运算)来提高载体信息和隐秘信息间的相似性,在不损失载体容量的前提下提高感知透明性[8],以及通过合理设置部分相似值的门限值,结合m序列实现可自适应获得较好的不可感知性和较高隐藏容量的最佳平衡[9].Liu等人[10]则是将语音帧的LSB转换成多进制(如二进制,三进制及五进制)序列,以多进制的方式执行嵌入操作,这种方式不仅提高了隐藏容量,而且减少了对语音质量的影响.另外,也有研究指出,可在VoIP隐写过程中引入各种矩阵编码方法[11～14],以提高隐写效率和隐写的不可感知性.

尽管上述研究在提高隐写安全性方面取得了显著成果,但是这些研究均将不同位置的载体同等对待,忽略了它们之间的差异性.事实上,在各种语音编码(尤其是参数编码)中,同一语音帧中的不同位置的参数对于重构语音的质量影响是显著不同的.可以预见,通过充分挖掘在不同载体位置间的差异性,在隐写过程中自适应地选取可隐藏性能好的位置进行嵌入,可大大降低隐写操作对载体语音质量的影响,从而进一步提高隐蔽通信的不可感知性.有鉴于此,本文以VoIP隐写中应用最多的LSB方法为背景,首先给出一种基于性能量化的LSB分级方案,并以此为基础提出了一种基于LSB分级的自适应VoIP隐写方法.以VoIP中广泛使用的G.729a语音编码为例,对上述分级方案和隐写方法进行了大量而全面的测试.实验结果表明本文方法的可行性和有效性.

2 基于性能量化的可隐藏位分级方案

本文利用MOS-LQO(Mean Opinion Score - Listening Quality Objective)值和信噪比SNR (Signal-to-Noise Ratio)值来评估不同载体位置对于载体语音质量的影响.其中,MOS-LQO值是采用ITU-T P.862标准(Perceptual evaluation of speech quality,PESQ)[15]给出的一种语音质量客观评价分数,其取值在1.017到4.549之间,分数越大则语音质量越好；SNR值定义为纯净语音信号Ps与噪声语音信号Pn的功率之比,即SNR=10log2(Ps/Pn),SNR值越高语音质量越好.在参数编码中,所谓的可隐藏位是指对其进行修改后对语音质量影响较小的比特位；从空间域信息隐藏的角度看,可将其类比为LSB.在载体位置分级前,需首先对各载体位置的性能进行量化,其方法为:以选取的大量语音样本为载体,对各语音帧进行逐比特置反实验,并对置反前后的样本分别进行PESQ和SNR测试；统计语音帧中各比特对应的平均MOS-LQO值和平均SNR值,并分别按从高到低排序.表1给出了ITU G.729a语音帧中可隐藏位的排序结果(取前40位).

表1 ITU G.729a语音帧中可隐藏位的排序结果

续表

上述排序的结果反映了参数编码中语音帧的参数比特对重构语音质量影响的非均衡性.然而,上述两者排序的结果往往不同.为此,本文首先依据MOS-LQO值对可隐藏位进行初步分级,然后根据SNR值排序结果对分级进行调整和优化.

假设语音帧中以平均MOS-LQO值和平均SNR值分别排序后的隐藏位集合为B1={b1,1,b1,2,…,b1,n}和B2={b2,1,b2,2,…,b2,n},其中n为可隐藏位的总个数；记根据平均MOS-LQO值初步分为x级后的结果为c={C1,C2,…,Cx}；记最终的分级结果为C={C1,C2,…,Cr},其中Cj={cj,2,cj,1,…,cj,Lj},1≤j≤r,Lj表示集合Cj的长度,即第j个可隐藏级别中LSB的个数.具体分级方案如下:

(1)设定分级阈值T(在G.729a语音流中可设置为0.1),对集合B1进行初步分级,令B=B1,初始级数J=1:

STEP 1.1:可隐藏位的预分级.将集合中的第一个元素分配到子集B1,,其余元素则分配到子集B2中,即B1={b1,1},B2={b1,2,…,b1,n}.

STEP 1.2:细化分级.计算集合B1中所有元素的平均MOS-LQO值并记为B,并对集合B2中的每个元素依次计算绝对值ai=│φi-B│,2≤i≤│B2│+1,│B2│为集合B2中元素的个数,φi为集合B2中的元素b1,i所对应的MOS-LQO值,并做如下判断:若ai

STEP 1.3:对STEP 1.2中的集合B2继续分级,即B=B2,执行STEP 1.1.

STEP 1.4:重新分配临界点:对STEP 1.2中提及的所有临界点进行重新分配；将当前临界点Q的MOS-LQO值与下一级的平均MOS-LQO值之差的绝对值记为p,若p>T,则将当前临界点分配到下一级的可隐藏级别中,若p≤T,则当前临界点仍归于当前可隐藏级别中.

(2)根据可隐藏位的平均SNR值对上述分级结果进行调整和优化,初始化I=1,J=1,具体步骤如下:

STPE 2.1:确定(1)中的初步分级结果的第I个可隐藏等级CI中隐藏位的个数|CI|；取B2中的前|CI|个元素构成集合B′,做如下判断:如果CI=B′,记CJ=CI,从B2去除已划分到CJ的所有元素,当还有初步分级待优化,取I=I+1,J=J+1,重复STPE 2.1；如果CI≠B′且CI∩B′≠∅,取CI和B′相同的元素构成级别CJ,并从B2去除已划分到CJ的所有元素,执行STPE 2.2；如果CI∩B′=∅,分级结束.

STPE 2.2:确定C′=CI-CJ及其包含的元素个数|C′|；在B2中取前|C′|个元素与C′一起构成集合C*；在C*中依次测试选取2到|C*|个所有元素组合进行LSB替换后的平均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),且元素个数最多的组合,构成级别CJ+1,完成分级.

值得注意的是,为保证隐写操作的实时性,上述分级操作均应隐写前完成,且其结果为发送方和接收方所共享.

3 基于可隐藏位分级的自适应隐写

以上述分级结果为依据,本文提出了一种充分利用LSB的冗余差异性的自适应隐写方法.假设发送方将发送LM比特隐秘信息M={mi=0 or 1 |I=1,2,…,LM},用于隐藏M的载体信息集合(本文指载体的所有LSB位)为C={ci=0 or 1|i=1,2,…,LC},其中LC表示集合C的长度.为了使隐秘信息能够完全嵌入,LC与LM需满足:LC≥LM.在嵌入过程中,将载体LSB集合C按上文提出的LSB分级方案分成r组,即C={C1,C2,…,Cr},其中Cj={cj,1,cj,2,…,cj,Lj},1≤j≤r,Lj表示集合Cj的长度,即第j个可隐藏级别中LSB的个数.根据上述符号定义,嵌入操作步骤为:

STEP1:计算权重向量W:记权重向量W={wi∈[0,1]|i=1,2,…,r},其中,r为可隐藏级别的总数,wi为第i个可隐藏级别的权重系数,定义为该可隐藏级别在隐藏过程中需选择的LSB数与该级别中总LSB数之比,其计算方式可表述为:

(1)

上式中,x的计算方式如下:

(2)

其中,α=LM/LC表示隐秘信息长度LM与载体LSB总个数LC的比值,Li为第i个可隐藏级别中LSB的个数.

STEP2:根据权重向量W中非零元素的个数k,将隐秘信息M分成k组,即M={M1,M2,…,Mk},Mi={mi,1,mi,2,…,mi,li},1≤k≤r,li为每组隐秘信息的长度且1≤i≤k,其计算式为li=Li*wi；

隐秘信息的嵌入过程表达式为:

ψi=(1-vi)·ck,i+vi·mk,t

(4)

(5)

相应地,接收方根据分级结果以及事先约定的每帧嵌入隐秘信息M的长度LM,确定权重向量W,并计算W中非零元素的个数k；与此同时,根据事先约定的密钥产生选择因子集合V,并可结合公式(6)提取隐秘信息M.

(6)

4 实验与分析

本文以VoIP中广泛使用的ITUG.729a编码为例对本文提出的分级方案和隐写方法进行测试.然而,需要指出的是,本文提出的方法与具体的编码器无关,具有良好的普适性.实验选取了1600个语音样本(包括中文男声,中文女声,英文男声和英文女声)作为载体,对它们的G.729a编码版本进行分级实验和相关隐写操作.

4.1 G.729a编码语音帧的LSB分级特性

根据上文所述的LSB分级方法,G.729a语音帧的LSB可分成3个可隐藏等级,如表2所示.第一级为最优的可隐藏级别,包含7个LSB；第二级次之,包含3个LSB；第三级包含2个LSB.

表2 G.729a语音帧的可隐藏位分级

为了评估每个可隐藏等级的可隐藏性能,对各可隐藏等级分别进行LSB替换测试:以第i级的k个可隐藏位为载体,测试隐藏容量为x比特/帧的所有组合的LSB替换(1≤i≤3,x=2,3,4,…,k,k表示第i级的所有可隐藏位数).对第1级、第2级、第3级进行LSB替换测试的MOS-LQO及SNR结果,分别如图1、2、3和4所示.从图中可看出,(1)在不同级别选取相同载体数进行LSB替换所得的平均MOS-LQO值和平均SNR值不同；隐藏级别越低的其平均MOS-LQO值以及平均SNR值越低,说明了经过分级之后,不同级别的可隐藏性能不一样,选取不同级别的可隐藏位作为载体进行的LSB替换所得的语音质量也不同,验证了对可隐藏位分级的必要性；(2)在同一级别中,对于隐藏容量相同的所有组合的LSB替换,它们的平均MOS-LQO值以及平均SNR相差非常小,说明了在同一可隐藏级别中,对给定隐藏容量可随机选择相同数目的载体.

为了进一步验证隐藏等级高的可隐藏位的性能优于隐藏级别低的可隐藏位的性能,我们做了如下测试:在相同隐藏容量的前提下,分别从{一个可隐藏等级}、{两个可隐藏等级}、{三个可隐藏等级}这三组中随机选择载体进行LSB替换.图5和图6所示的是以上三组LSB替换的实验结果.从图5可看出,在具有相同隐藏容量选择不同可隐藏等级的载体的情况下:选择第1级的可隐藏位作为载体的平均MOS-LQO值会高于从第1,2级和第1,3级中随机选择的可隐藏位作为载体的平均MOS-LQO值；而从第1,2,3级中随机选择的可隐藏位作为载体一组的平均MOS-LQO值则最低.这说明了分别对以上三组载体进行LSB替换后的载密语音的语音质量是依次降低的.同样,由图6也可看出,采用信噪比测试的结果与MOS-LQO的结论相近,因此,进一步验证了对可隐藏位的分级可提高隐写过程的不可感知性,增强隐蔽通信的安全性.

4.2 隐写性能

为了验证所提出的自适应分级隐写方法的有效性,以随机生成的二进制序列作为隐秘信息,将所提方法与以下六组实验进行比较:(1)选择Su等人分析所得的固定码书索引参数作为载体进行LSB替换[16]；(2)选择三个可隐藏级别中所有可隐藏位作为载体进行随机的LSB替换(共12 比特,记m=12)；(3)选择按MOS-LQO 排序前12 位可隐藏位作为载体进行随机的LSB 替换(共12 比特,记m=12[MOS-LQO])；(4)选择各比特置反后SNR 大于7 的位作为载体进行随机的LSB 替换(共26 比特,记m=26[SNR])；(5)选择按MOS-LQO 排序前26 位可隐藏位作为载体进行随机的LSB 替换(记m=26[MOS-LQO])；(6)选择各比特置反后MOS-LQO大于3.5的位作为载体进行随机的LSB 替换(共40 比特,记m=40).

以上七组实验中隐藏容量分别从1比特/帧到12比特/帧的平均MOS-LQO值及平均SNR 比较结果,分别如图7、8所示.根据图7、8容易得知,在相同隐藏容量的前提下,本节所提出的自适应分级隐写方法的平均MOS-LQO值以及平均SNR明显优于其他6组,这说明了所提出的隐写方法对载体语音质量的失真影响较小,嵌入隐秘信息后的载密语音质量良好,即具有较高的不可感知性.此外,由图中可看出,对于不同的隐藏容量,采用自适应的分级隐写方法的语音质量不等,因此,在实际应用中,用户可根据实际需求通过合理的选取载体向量长度以自适应调整不可感知性和隐藏容量间的较佳平衡.

5 结论与未来的工作

基于IP语音的隐写是当前信息隐藏研究的一个热点.然而,现有研究均将可隐藏位置一视同仁地对待,忽略了其差异性.本文首先通过性能量化的方式,对载体隐藏位置的非均衡性进行了分析；进而给出了一种可隐藏位的分级方法；并以此为基础,提出了一种基于分级的自适应隐写方法.本文代表性地选择广泛使用的G.729a为编码器,以大量的语音样本为载体,对本文提出的分级方案和隐写算法进行了实验测试.实验结果表明,通过对载体LSB进行分级可明显提高嵌入隐密信息后的载体语音质量,从而提高载密语音的不可感知性；并且与目前较流行的随机LSB替换相比,在相同的隐藏容量的前提下,本文算法的不可感知性明显优于随机LSB替换方法.

本文是对于分级隐写的一次初步尝试,尽管获得了一些有益的结果,但后续仍有许多工作值得深入,如进一步研究载体分级的相关理论基础和方法,将分级思想与隐写编码理论相结合探索具有更好性能的隐写方法,以及分析分级隐写的抗隐写分析性能等.

[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]钟巍,孔祥维,尤新刚,王波.基于态函数的离散分数余弦倒谱变换在取证话音信息隐藏中的应用[J].电子学报,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]杨婉霞,余晖,胡萍.在压缩语音编码中集成信息隐藏方法研究[J].电子学报,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 晖 男,1982年生于湖北赤壁,博士,现为华侨大学计算机科学与技术学院副教授.研究方向为网络与信息安全,多媒体内容安全等.

E-mail:htian@hqu.edu.cn

郭舒婷 女,1989年生于福建漳州.华侨大学计算机科学与技术学院硕士研究生.研究方向为多媒体内容安全,信息隐藏等.

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;责任编辑:蓝红杰

国家自然科学基金(No.61302094,No.U1536115,No.U1405254)；福建省自然科学基金(No.2014J01238)；福建省高校杰出青年科研人才培育计划(No.MJK2015-54)；福建省教育厅中青年教师教育科研项目(No.JA13012)；国家留学基金项目(No.201507540001)；华侨大学中青年教师科研提升资助计划(No.ZQN-PY115)；华侨大学科技创新团队和领军人才支持计划(No.2014KJTD13)

TP 309

A

0372-2112 (2016)11-2735-07

��学报URL:http://www.ejournal.org.cn

10.3969/j.issn.0372-2112.2016.11.024