基于多特征融合和BiLSTM的语音隐写检测算法

doi:10.12263/DZXB.20220553

电子学报

• •

基于多特征融合和BiLSTM的语音隐写检测算法

苏兆品¹^,²^,³^,⁴, 张羚¹, 张国富¹^,²^,³^,⁴, 岳峰¹^,⁴

^1.合肥工业大学计算机与信息学院, 安徽合肥 230601
^2.大数据知识工程教育部重点实验室(合肥工业大学), 安徽合肥 230601
^3.智能互联系统安徽省实验室(合肥工业大学), 安徽合肥 230009
^4.工业安全应急技术安徽省重点实验室(合肥工业大学), 安徽合肥 230601

收稿日期:2022-06-15 修回日期:2022-06-15 出版日期:2022-07-13
- 作者简介:
- 苏兆品　女， 1983年8月出生于山东省菏泽市.现为合肥工业大学计算机与信息学院副教授、硕士生导师.获安徽省自然科学奖1项.在国内外发表学术论文40余篇. E-mail: szp@hfut.edu.cn
  张羚　女， 1995年4月出生于甘肃省武威市.硕士研究生，主要研究方向为音频隐写和隐写分析.E-mail: 1772950753@qq.com
  张国富(通讯作者)　男， 1979年3月出生于安徽省合肥市.现为合肥工业大学计算机与信息学院教授、硕士生导师.主要研究方向为联盟博弈、进化计算、音频安全.
  岳峰　男， 1981年2月出生于安徽省合肥市.现为合肥工业大学计算机与信息学院副研究员、硕士生导师.主要研究方向为软件工程、信息安全.E-mail: yuefeng@hfut.edu.cn
- 基金资助:
- 安徽省重点研究与开发计划 (202004d07020011); 教育部人文社会科学研究青年基金项目 (19YJC870021); 广东省类脑智能计算重点实验室开放课题 (GBL202117); 中央高校基本科研业务费专项资金项目 (PA2021GDSK0073)

A Speech Steganalysis Algorithm Based on Multi-Feature Fusion and BiLSTM

SU Zhao-pin¹^,²^,³^,⁴, ZHANG Ling¹, ZHANG Guo-fu¹^,²^,³^,⁴, YUE Feng¹^,⁴

^1.School of Computer Science and Information Engineering，Hefei University of Technology，Hefei，Anhui 230601，China
^2.Key Laboratory of Knowledge Engineering with Big Data（Hefei University of Technology），Ministry of Education，Hefei，Anhui 230601，China
^3.Intelligent Interconnected Systems Laboratory of Anhui Province（Hefei University of Technology），Hefei，Anhui 230009，China
^4.Anhui Province Key Laboratory of Industry Safety and Emergency Technology（Hefei University of Technology），Hefei，Anhui 230601，China

Received:2022-06-15 Revised:2022-06-15 Online:2022-07-13

摘要/Abstract

摘要：

针对传统互联网低比特率编解码器（internet Low Bit Rate Codec，iLBC）语音隐写主要集中在线性频谱频率系数矢量量化、码本搜索矢量量化或增益量化的单个阶段，难以应对多阶段下的联合隐写检测等问题，提出一种基于多特征融合和双向长短时记忆（Bi-Directional Long Short-Term Memory，BiLSTM）网络的iLBC语音隐写检测算法.通过分析隐写对不同阶段参数带来的影响，提取线性频谱频率系数矢量量化、码本搜索矢量量化和增益量化过程中的多种隐写特征，并分别输入到相应的BiLSTM检测网络，最后将各检测网络的结果进行融合，得到最终隐写检测结果.实验表明，所提算法可以实现多阶段下的联合隐写检测，而且在语音时长较短时，仍能取得优异的检测结果，平均检测准确率达到了90%以上.

关键词: 联合隐写检测, 互联网低比特率编解码器, 双向长短时记忆网络, 隐写特征提取, 多特征融合

Abstract:

The traditional internet low bit rate codec(iLBC) based speech steganography mainly focuses on a single stage of the linear spectrum frequency coefficient vector quantization, the codebook search vector quantization, or the gain quantization, which is difficult to deal with the multi-stage joint steganalysis. To this end, an iLBC speech steganalysis algorithm based on the multi-feature fusion and the bi-directional long short-term memory(BiLSTM) network is proposed. Specifically, the impact of steganography on iLBC parameters is first analyzed in the linear spectrum frequency coefficient vector quantization process, the dynamic codebook search process, and the gain quantization process. Then, multiple steganographic features in the above three stages are extracted and input to three different detection models based on BiLSTM, respectively. Finally, a fusion strategy is presented to merge the detection results of each model. Experimental results show that the proposed algorithm can achieve multi-stage joint steganalysis and good detection results with an average detection accuracy of more than 90%, even if the speech duration is short.

Key words: joint steganalysis, internet low bit rate codec, bi-directional long short-term memory network, steganographic feature extraction, multi-feature fusion

中图分类号:

TP309

苏兆品, 张羚, 张国富, 岳峰. 基于多特征融合和BiLSTM的语音隐写检测算法[J]. 电子学报, DOI: 10.12263/DZXB.20220553.

SU Zhao-pin, ZHANG Ling, ZHANG Guo-fu, YUE Feng. A Speech Steganalysis Algorithm Based on Multi-Feature Fusion and BiLSTM[J]. Acta Electronica Sinica, DOI: 10.12263/DZXB.20220553.

图/表 13

图1 iLBC编码过程与隐写位置分布示意图

图2 iLBC语音隐写检测算法流程图

图3 LSF系数索引隐写前后的特征差异

图4 码本索引隐写前后的特征差异

图5 增益系数量化索引隐写前后的特征差异

图6 BiLSTM网络结构

图7 BiLSTM网络单元

表1 各模型网络参数

		BiLSTM1	BiLSTM2	Flatten	Dense
LSF-BiLSTM	输入	6, $n$ ,batch	12, $n$ ,batch	12, $n$ ,batch	12× $n$ ×batch
LSF-BiLSTM	输出	12, $n$ ,batch	12, $n$ ,batch	12× $n$ ×batch	1
CB-BiLSTM	输入	15, $n$ ,batch	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch
CB-BiLSTM	输出	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch	1
GQ-BiLSTM	输入	15, $n$ ,batch	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch
GQ-BiLSTM	输出	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch	1

表1 各模型网络参数

		BiLSTM1	BiLSTM2	Flatten	Dense
LSF-BiLSTM	输入	6, $n$ ,batch	12, $n$ ,batch	12, $n$ ,batch	12× $n$ ×batch
LSF-BiLSTM	输出	12, $n$ ,batch	12, $n$ ,batch	12× $n$ ×batch	1
CB-BiLSTM	输入	15, $n$ ,batch	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch
CB-BiLSTM	输出	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch	1
GQ-BiLSTM	输入	15, $n$ ,batch	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch
GQ-BiLSTM	输出	30, $n$ ,batch	30, $n$ ,batch	30× $n$ ×batch	1

表2 不同分析器在30ms帧的中文语音样本上的检测率

隐写方法	隐写分析器	0.1s	0.3s	0.5s	0.7s	1s
QIMC	FCEM	1	0.972	1	0.997	1
	SRCNet	0.024	0.354	0	0	0.009
	G-LSTM	0.588	0.547	0.57	0.628	0.595
	SpecResNet	0.456	0.574	0.606	0.572	0.623
	MSFNet	0.948	0.948	0.959	0.988	0.959
FCB	FCEM	0.153	0.17	0.002	0.021	0.051
	SRCNet	0.995	0.942	1	1	0.999
	G-LSTM	0.278	0.505	0.004	0.001	0.008
	SpecResNet	0.488	0.568	0.636	0.565	0.654
	MSFNet	0.992	1	1	1	0.997
GQS	FCEM	0.153	0.17	0.002	0.021	0.051
	SRCNet	0.033	0.376	0.002	0	0.003
	G-LSTM	0.814	0.826	0.817	0.914	0.944
	SpecResNet	0.48	0.584	0.617	0.567	0.633
	MSFNet	0.845	0.938	0.995	0.995	0.998
HS	FCEM	0.153	0.17	0.002	0.021	0.051
	SRCNet	0.996	0.938	1	1	1
	G-LSTM	0.618	0.513	0.79	0.83	0.869
	SpecResNet	0.526	0.577	0.607	0.586	0.677
	MSFNet	0.996	1	1	1	1

表3 在0.1s长、30ms帧的中文语音样本上的检测率

隐写分析器	隐写方法	嵌入率
隐写分析器	隐写方法	0.1	0.2	0.4	0.6	0.8	1
FCEM	QIMC	0.998	1	1	1	1	1
	FCB	0.153	0.153	0.153	0.153	0.153	0.153
	GQS	0.153	0.153	0.153	0.153	0.153	0.153
	HS	0.153	0.153	0.153	0.153	0.153	0.153
	平均值	0.364	0.365	0.365	0.365	0.365	0.365
SRCNet	QIMC	0.034	0.029	0.024	0.036	0.032	0.024
	FCB	0.932	0.958	0.993	0.992	0.994	0.995
	GQS	0.03	0.03	0.031	0.032	0.027	0.033
	HS	0.023	0.027	0.027	0.027	0.052	0.996
	平均值	0.255	0.261	0.269	0.272	0.276	0.512
G-LSTM	QIMC	0.553	0.54	0.542	0.589	0.577	0.588
	FCB	0.167	0.219	0.237	0.231	0.264	0.278
	GQS	0.5	0.541	0.541	0.771	0.802	0.814
	HS	0.5	0.561	0.669	0.505	0.457	0.618
	平均值	0.43	0.465	0.497	0.524	0.525	0.575
SpecResNet	QIMC	0.463	0.451	0.471	0.439	0.477	0.456
	FCB	0.469	0.483	0.482	0.482	0.472	0.488
	GQS	0.497	0.482	0.491	0.495	0.489	0.48
	HS	0.532	0.517	0.535	0.532	0.506	0.526
	平均值	0.424	0.435	0.431	0.453	0.487	0.499
MSFNet	QIMC	0.84	0.955	0.971	0.977	0.962	0.948
	FCB	0.966	0.969	0.987	0.993	0.997	0.992
	GQS	0.646	0.637	0.658	0.804	0.829	0.845
	HS	0.615	0.59	0.647	0.748	0.757	0.996
	平均值	0.767	0.788	0.816	0.881	0.886	0.945

表4 在0.1s长、20ms帧的中文语音样本上的检测率

隐写分析器	隐写方法	嵌入率
隐写分析器	隐写方法	0.1	0.2	0.4	0.6	0.8	1
FCEM	QIMC	0.959	0.962	0.978	0.998	0.999	1
	FCB	0.013	0.013	0.013	0.013	0.013	0.013
	GQS	0.013	0.013	0.013	0.013	0.013	0.013
	HS	0.013	0.013	0.013	0.013	0.013	0.013
	平均值	0.25	0.25	0.254	0.259	0.26	0.26
SRCNet	QIMC	0.002	0.003	0.001	0.003	0	0.003
	FCB	0.987	0.991	1	1	1	0.999
	GQS	0.005	0.008	0.004	0.007	0.004	0.009
	HS	0.005	0.01	0.008	0.016	0.41	0.988
	平均值	0.25	0.253	0.203	0.257	0.354	0.502
G-LSTM	QIMC	0.44	0.438	0.442	0.472	0.502	0.462
	FCB	0.159	0.078	0.109	0.117	0.133	0.122
	GQS	0.416	0.564	0.743	0.854	0.844	0.811
	HS	0.51	0.559	0.7	0.682	0.627	0.719
	平均值	0.381	0.41	0.499	0.518	0.527	0.529
SpecResNet	QIMC	0.528	0.524	0.531	0.549	0.528	0.531
	FCB	0.495	0.525	0.534	0.587	0.617	0.556
	GQS	0.487	0.499	0.492	0.52	0.498	0.51
	HS	0.485	0.487	0.501	0.518	0.552	0.523
	平均值	0.499	0.509	0.515	0.544	0.549	0.53
MSFNet	QIMC	0.862	0.925	0.948	0.964	0.961	0.967
	FCB	0.996	0.996	0.999	0.999	1	1
	GQS	0.637	0.712	0.794	0.882	0.876	0.872
	HS	0.69	0.719	0.837	0.796	0.909	1
	平均值	0.796	0.838	0.895	0.91	0.937	0.96

表5 在0.1s长、30ms帧的英文语音样本上的检测率

隐写分析器	隐写方法	嵌入率
隐写分析器	隐写方法	0.1	0.2	0.4	0.6	0.8	1
FCEM	QIMC	0.908	0.989	0.998	0.999	0.997	1
	FCB	0.003	0.003	0.003	0.003	0.003	0.003
	GQS	0.003	0.003	0.003	0.003	0.003	0.003
	HS	0.003	0.003	0.003	0.003	0.003	0.003
	平均值	0.227	0.247	0.25	0.25	0.249	0.25
SRCNet	QIMC	0.008	0.013	0.019	0.018	0.014	0.017
	FCB	0.959	0.959	0.996	1	0.997	0.999
	GQS	0.019	0.016	0.021	0.018	0.019	0.018
	HS	0.014	0.015	0.018	0.014	0.029	0.996
	平均值	0.25	0.251	0.264	0.275	0.265	0.508
G-LSTM	QIMC	0.3	0.335	0.371	0.356	0.37	0.417
	FCB	0.46	0.61	0.7	0.59	0.68	0.84
	GQS	0.449	0.676	0.889	0.897	0.95	0.886
	HS	0.295	0.588	0.434	0.416	0.509	0.426
	平均值	0.376	0.62	0.599	0.565	0.627	0.642
SpecResNet	QIMC	0.45	0.509	0.489	0.492	0.546	0.512
	FCB	0.418	0.43	0.429	0.47	0.482	0.527
	GQS	0.417	0.393	0.407	0.402	0.425	0.444
	HS	0.412	0.406	0.4	0.448	0.495	0.512
	平均值	0.424	0.435	0.431	0.453	0.487	0.499
MSFNet	QIMC	0.712	0.963	0.98	0.983	0.971	0.951
	FCB	0.946	0.945	0.988	0.988	0.994	0.992
	GQS	0.522	0.726	0.887	0.905	0.907	0.871
	HS	0.396	0.55	0.56	0.583	0.671	0.99
	平均值	0.647	0.796	0.854	0.865	0.886	0.951

表6 在0.1s长、20ms帧的英文语音样本上的检测率

隐写分析器	隐写方法	嵌入率
隐写分析器	隐写方法	0.1	0.2	0.4	0.6	0.8	1
FCEM	QIMC	0.982	0.991	0.996	0.998	1	1
	FCB	0.005	0.005	0.005	0.005	0.005	0.005
	GQS	0.005	0.005	0.005	0.005	0.005	0.005
	HS	0.005	0.005	0.005	0.005	0.005	0.005
	平均值	0.249	0.252	0.287	0.253	0.254	0.254
SRCNet	QIMC	0.001	0	0	0.003	0.002	0.006
	FCB	0.99	0.989	0.999	0.998	0.999	1
	GQS	0.004	0.003	0.005	0.003	0.004	0.004
	HS	0.005	0.004	0.007	0.009	0.49	0.997
	平均值	0.25	0.249	0.253	0.253	0.374	0.502
G-LSTM	QIMC	0.408	0.468	0.489	0.531	0.524	0.518
	FCB	0.135	0.122	0.103	0.087	0.099	0.099
	GQS	0.446	0.691	0.745	0.809	0.91	0.709
	HS	0.569	0.541	0.858	0.793	0.635	0.721
	平均值	0.39	0.308	0.549	0.555	0.542	0.512
SpecResNet	QIMC	0.452	0.422	0.51	0.502	0.346	0.356
	FCB	0.396	0.41	0.44	0.452	0.449	0.433
	GQS	0.392	0.388	0.4	0.376	0.375	0.381
	HS	0.386	0.38	0.388	0.389	0.399	0.408
	平均值	0.407	0.4	0.435	0.43	0.392	0.395
MSFNet	QIMC	0.781	0.956	0.962	0.982	0.991	0.996
	FCB	0.978	0.98	0.996	0.998	0.997	0.999
	GQS	0.571	0.706	0.763	0.82	0.889	0.769
	HS	0.6	0.603	0.866	0.8	0.863	1
	平均值	0.735	0.811	0.897	0.9	0.935	0.941

参考文献 13

1	WU Z, SHA Y. An implementation of speech steganography for iLBC by using fixed codebook[C]//IEEE International Conference on Computer and Communications. Chengdu: IEEE Press, 2016: 1970-1974.
2	HUANG Y, TAO H, XIAO B, et al. Steganography in low bit-rate speech streams based on quantization index modulation controlled by keys[J]. Science China Technological Sciences, 2017, 60(10): 1585-1596.
3	SU Z, LI W, ZHANG G, et al. A steganographic method based on gain quantization for iLBC speech streams[J]. Multimedia Systems, 2020, 26(2): 223-233
4	苏兆品, 张羚, 张国富. 低比特率语音流大容量分层隐写方法[J/OL]. 中国图象图形学报, 2022, DOI: 10.11834/jig.210307 .
	SU Zhao-pin, ZHANG Ling, ZHANG Guo-fu. High-capacity hierarchical steganography in a low-bit rate speech codec[J/OL]. Journal of Image and Graphics, 2022, DOI: 10.11834/jig.210307. (in Chinese)
5	LIU Q, SUNG A H, QIAO M.Temporal derivative-based spectrum and mel-cepstrum audio steganalysis[J]. IEEE Transactions on Information Forensics and Security, 2009, 4(3): 359-368.
6	LIN Z, HUANG Y, WANG J. RNN-SM: fast steganalysis of VoIP streams using recurrent neural network[J]. IEEE Transactions on Information Forensics and Security, 2018, 13(7): 1854-1868.
7	GONG C, YI X, ZHAO X, et al. Recurrent convolutional neural networks for AMR steganalysis based on pulse position[C]//ACM Workshop on Information Hiding and Multimedia Security, Paris: ACM Press, 2019: 2-13.
8	REN Y, LIU D, LIU C, et al. A universal audio steganalysis scheme based on multiscale spectrograms and Deep-ResNet[J/OL]. IEEE Transactions on Dependable and Secure Computing, 2022, DOI: 10.1109/TDSC.2022.3141121 .
9	YANG H, YANG Z, BAO Y, et al. FCEM: a novel fast correlation extract model for real time steganalysis of VoIP stream via multi-head attention[C]//International Conference on Acoustics, Speech and Signal Processing, Barcelona: IEEE, 2020: 2822-2826.
10	YANG H, YANG Z, BAO Y, et al. Fast steganalysis method for VoIP streams[J]. IEEE Signal Processing Letters, 2020, 14: 286-290.
11	李望望. 面向iLBC语音流的隐写与隐写分析技术研究[D]. 合肥: 合肥工业大学计算机与信息学院, 2019.
12	张浩, 胡昌华, 杜党波等. 多状态影响下基于Bi-LSTM网络的锂电池剩余寿命预测方法[J]. 电子学报, 2022, 50(3): 619-624.
	ZHANG H, HU C, DU D,et al. Remaining useful life prediction method of lithium-ion battery based on Bi-LSTM network under multi-state influence[J]. Acta Electronica Sinica, 2022, 50(3): 619-624. (in Chinese)
13	李敬轩, 胡润文, 阮观奇等. 基于手工特征提取与结果融合的CNN音频隐写分析算法[J]. 计算机学报, 2021, 44(10): 2061-2075.
	LI J, HU R, RUAN G, et al. A CNN based audio steganalysis algorithm by manual feature extraction and result merging[J]. Chinese Journal of Computers, 2021, 44(10): 2061-2075. (in Chinese)

[1]	黎毅达, 高发荣, 姚婷, 蔡利杰. 基于Fisher判别和GKF-RELM算法的多特征步态模式识别[J]. 电子学报, 2021, 49(10): 1993-2001.
[2]	刘颖, 胡丹, 范九伦, 王富平, 李大湘. 基于融合特征的现勘图像检索结果优化算法[J]. 电子学报, 2019, 47(2): 296-301.
[3]	杨小冈, 李维鹏, 马玛双. 概率框架下多特征显著性检测算法[J]. 电子学报, 2019, 47(11): 2378-2385.
[4]	侯小刚, 赵海英, 马严. 基于超像素多特征融合的快速图像分割算法[J]. 电子学报, 2019, 47(10): 2126-2133.
[5]	田生伟, 秦越, 禹龙, 吐尔根·依布拉音, 冯冠军. 基于Bi-LSTM的维吾尔语人称代词指代消解[J]. 电子学报, 2018, 46(7): 1691-1699.
[6]	范舜奕, 管桦, 侯志强, 余旺盛, 戴铂. 基于多表观特征子模型更新的鲁棒视觉跟踪[J]. 电子学报, 2018, 46(2): 440-446.
[7]	刘礼才, 李锐光, 殷丽华, 郭云川, 项菲. 面向移动智能设备的多特征融合隐式鉴别机制研究[J]. 电子学报, 2016, 44(11): 2713-2719.

基于多特征融合和BiLSTM的语音隐写检测算法

A Speech Steganalysis Algorithm Based on Multi-Feature Fusion and BiLSTM

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 13

相关文章 7

编辑推荐

Metrics