音頻信息隱藏技術(shù)研究

摘要：音頻信息隱藏技術(shù)作為信息隱藏技術(shù)的一個(gè)重要分支，主要涉及的域有時(shí)域、頻域、離散余弦變換(DCT)域、小波(Wavelet)域、壓縮域等。其中，時(shí)域和頻域的嵌入方法相對(duì)容易實(shí)現(xiàn)，但魯棒性相對(duì)較差；DCT域和Wavelet域方法透明性好，魯棒性也不錯(cuò)，尤其是在抵抗模/數(shù)轉(zhuǎn)換(A/D)、數(shù)/模轉(zhuǎn)換(D/A)攻擊時(shí)有著非常優(yōu)秀的表現(xiàn)，但其操作復(fù)雜，實(shí)現(xiàn)難度相對(duì)較高；壓縮域隱藏算法一般有較好的透明性，但魯棒性相對(duì)較差。音頻信息隱藏在許多場(chǎng)合取得了很好的應(yīng)用效果，但面對(duì)重錄音攻擊，尚且沒有一種很好的方法。解決這一難題的關(guān)鍵是精確同步信息的嵌入和強(qiáng)魯棒隱藏方法的研究。

關(guān)鍵詞：音頻信息隱藏；人耳聽覺系統(tǒng)；聽覺閾值；聽覺掩蔽效應(yīng)；相位不敏感

Abstract: Audio information hiding technology is an important branch of steganography， which is related to the domains such as time， frequency， Discrete Cosine Transform (DCT)， Wavelet and compressed. Among them， the algorithms in time and frequency domains are simple， but the robustness of them is weak. The technologies in DCT and Wavelet domains own good invisibility and robustness. When attacked by A/D、D/A convert， their performances are specially excellent. However， their complexity is so high， making them difficult to implement. Although the methods in compressed domain have good invisibility， they are， however， vulnerable. Audio information hiding is well-applied in many occasions. However， when in the face of re-record attack， there is no satisfactory resolution. The research shows that precise synchronization information imbedding and strong hiding methods are the two key points to solve this problem.

Key words: audio information hiding; human auditory system; hearing threshold; auditory masking effect; phase-unsensitive

傳統(tǒng)的保密通信技術(shù)主要是以密碼學(xué)為基礎(chǔ)，將待傳輸信息進(jìn)行充分置亂，使得非法用戶無法正確獲取原文。與此不同，信息隱藏作為近年迅速發(fā)展起來的一種保密通信技術(shù)，它首先將待傳輸信息嵌入到諸如音頻、視頻、文件等載體中，使得非法第三方不易覺察到秘密信息的存在，然后通過攜密載體的傳送，實(shí)現(xiàn)秘密信息的保密傳輸。在這里，為了滿足不易引起非法第三方注意這一要求，嵌入信息后的攜密載體應(yīng)對(duì)聽覺、視覺等人類知覺系統(tǒng)具備一定的透明性。

根據(jù)隱藏載體不同，可將信息隱藏技術(shù)分為視頻信息隱藏、圖像信息隱藏、音頻信息隱藏和文本信息隱藏等幾大類。由于以下兩方面原因，音頻信息隱藏成為了信息隱藏研究的重點(diǎn)和熱點(diǎn)：其一，音頻是人類交流的一種重要工具，是日常生活中不可或缺的一個(gè)要素；其二，音頻中存在足夠多的信息冗余，可以給信息嵌入提供一個(gè)很好的應(yīng)用環(huán)境。音頻信息隱藏的核心思想是以音頻作為隱藏載體，在其中尋找到一些對(duì)人耳聽覺相對(duì)透明的特性，然后根據(jù)待隱藏信息對(duì)這些特性的某些參數(shù)進(jìn)行修改，從而實(shí)現(xiàn)待隱藏信息在音頻中的嵌入，最后將攜密音頻傳輸給接收方，完成整個(gè)待隱藏信息的保密傳輸過程。文獻(xiàn)[1-6]都很好地體現(xiàn)了這一技術(shù)實(shí)現(xiàn)思想。

1 音頻信息隱藏基本原理

音頻信息隱藏的主要方法就是根據(jù)待隱藏信息，對(duì)人耳聽覺不敏感的音頻參數(shù)進(jìn)行修改，以達(dá)到信息嵌入的目的。因此尋找人耳聽覺不敏感的音頻參數(shù)就成了音頻信息隱藏的首要任務(wù)。

根據(jù)前人的研究，聽覺閾值、聽覺掩閉效應(yīng)等特征很大程度上影響了人耳聽覺的敏感性。

(1)聽覺閾值

在聲學(xué)中，用I表示聲強(qiáng)，它是指單位時(shí)間內(nèi)通過垂直于聲波傳播方向的單位面積的聲波能量。取I₀ =10^-2Wm^-2作為聲強(qiáng)的基準(zhǔn)，把L=10lgI/I₀(dB)稱為聲強(qiáng)級(jí)。如果聲波的頻率在20 Hz～20 kHz之間，而聲強(qiáng)又達(dá)到一定的強(qiáng)度，該聲波就能被人耳所感知，此時(shí)的聲波強(qiáng)度被稱為聽覺閾值。前人大量的實(shí)驗(yàn)測(cè)試結(jié)果[7-8]表明，人耳對(duì)不同頻率的聲波主觀上感受到相同響度時(shí)的聲強(qiáng)是不同的，這就引出了聲學(xué)上的聽覺等響曲線，如圖1所示。

圖中最下方的一條虛線表示人耳能感知在當(dāng)前頻率的聲波所需的最低聲強(qiáng)，即為聽閾曲線。由圖1中聽閾曲線的形狀可得：人耳對(duì)兩端頻段上的聲波反應(yīng)較為遲鈍，而對(duì)中間頻段上的聲波反應(yīng)相對(duì)較為敏感。這是音頻信息隱藏的一個(gè)重要理論依據(jù)。

(2)聽覺掩蔽效應(yīng)

一方面，如果時(shí)間上相鄰的兩個(gè)聲波同時(shí)存在，且其中一個(gè)聲波較強(qiáng)，而另一個(gè)較弱，則較弱的一個(gè)聲波會(huì)因?yàn)檩^強(qiáng)聲波的存在而被人耳聽覺所忽略；另一方面，如果頻率相近的兩個(gè)聲波同時(shí)存在，且其中一個(gè)聲波較強(qiáng)，而另一個(gè)較弱，則較弱的一個(gè)頻率會(huì)因?yàn)檩^強(qiáng)頻率的存在而被人耳所忽略。這兩種現(xiàn)象在聲學(xué)上被稱為人耳聽覺掩蔽效應(yīng)[9-10]，其中前一種稱為時(shí)域聽覺掩蔽效應(yīng)，而后一種被稱為頻域聽覺掩蔽效應(yīng)。聽覺掩蔽效應(yīng)是一種常見的心理聲學(xué)現(xiàn)象，是心理聲學(xué)中一個(gè)很重要的特征，也是音頻信息隱藏的一個(gè)重要理論基礎(chǔ)。最不重要位(LSB)、頻帶分割等音頻信息隱藏技術(shù)都充分利用了人耳聽覺的這一特性。

(3)相位不敏感

人耳對(duì)不同強(qiáng)度、不同頻率聲音的聽覺范圍稱為聲域。在人耳的聲域范圍內(nèi)，聲音聽覺心理的主觀感受主要有響度、音高、音色等特征。其中，主觀上的響度、音高和音色可以分別用振幅、頻率和相位3個(gè)物理量來進(jìn)行描述。其中，人耳對(duì)振幅，頻率的變化較為敏感，而對(duì)相位變化的敏感程度則要欠缺得多。這使得相位問題成了實(shí)現(xiàn)音頻信息隱藏的一個(gè)重要參考方向。

2 音頻信息隱藏主要技術(shù)指標(biāo)

音頻信息隱藏的主要技術(shù)指標(biāo)有透明性、魯棒性、不可檢測(cè)性和安全性等。這些技術(shù)指標(biāo)是衡量音頻信息隱藏算法優(yōu)劣成敗的重要依據(jù)。

(1)透明性

透明性也叫隱蔽性，是指嵌入載體中的信息不容易引起非法第三方注意的特性。為了滿足透明性要求，在設(shè)計(jì)音頻信息隱藏算法時(shí)，一方面，對(duì)人耳聽覺不敏感的音頻特性充分加以利用，使嵌入待隱藏信息后的攜密音頻與原始音頻在聽覺效果上保持很好的一致性；另一方面，充分研究和利用其他音頻處理技術(shù)，使得攜密音頻在面對(duì)頻譜分析、語譜分析時(shí)也有不錯(cuò)的表現(xiàn)。

(2)魯棒性

魯棒性對(duì)信息隱藏非常重要，它是指攜密音頻不會(huì)因?yàn)榻?jīng)過了音頻文件的改動(dòng)、信號(hào)處理技術(shù)的加工或是環(huán)境噪聲的攻擊而導(dǎo)致隱藏信息丟失的能力。為了保證隱藏信息的魯棒性，音頻信息隱藏時(shí)，一方面會(huì)選擇不變性較好的音頻特性作為操作對(duì)象，另一方面會(huì)引入糾錯(cuò)編碼，同時(shí)增加隱藏的強(qiáng)度，使得攜密音頻在經(jīng)過某些文件操作或者信號(hào)處理后仍能很好地將隱藏信息恢復(fù)出來。

(3)不可檢測(cè)性

不可檢測(cè)性是指攜密音頻應(yīng)該具有不被隱藏分析工具所檢測(cè)的特性。近年來，隱藏分析技術(shù)的研究取得了很大的進(jìn)步，對(duì)簡(jiǎn)單LSB、改進(jìn)的LSB，甚至是一些其他更為復(fù)雜的信息隱藏算法，都取得了很好的檢測(cè)效果。因此，在設(shè)計(jì)音頻隱藏算法時(shí)，不可檢測(cè)性就成了其中必須考慮的一個(gè)重要的因素，其核心思想就是要求攜密載體與原始載體在統(tǒng)計(jì)特性上具有很好的一致性。

(4)安全性

安全性是指隱藏信息不易被非法用戶恢復(fù)，或者即使恢復(fù)出隱藏信息，也無法獲取信息的真實(shí)含意的特性。提高信息隱藏算法的安全性主要有兩種方法：首先，對(duì)隱藏技術(shù)的關(guān)鍵參數(shù)(也稱隱藏密鑰)進(jìn)行嚴(yán)格保密，使非法用戶很難正確地對(duì)隱藏信息進(jìn)行恢復(fù)；其次，將密碼學(xué)應(yīng)用到信息隱藏技術(shù)中，在進(jìn)行信息嵌入之前，先對(duì)待隱藏信息進(jìn)行加密處理，使得非法用戶即使采用手段正確恢復(fù)出隱藏信息，也很難理解隱藏信息的真正含意。

3 音頻信息隱藏模型

音頻信息隱藏系統(tǒng)模型主要由隱藏模型和解隱藏模型組成。隱藏模型用來描述信息嵌入到音頻載體的過程，而解隱藏模型則用以描述從攜密載體中恢復(fù)隱藏信息的過程。

(1)隱藏模型

典型的隱藏模型如圖2所示，待隱藏信息的嵌入步驟如下：

獲取音頻、圖像、文本等原始待隱藏信息；

為了提高隱藏方法的安全性，可對(duì)待隱藏信息進(jìn)行加密處理；

為了增強(qiáng)隱藏方法的魯棒性，可選擇對(duì)待隱藏信息進(jìn)行糾錯(cuò)交織；

考慮到隱藏時(shí)通常是逐位進(jìn)行的，因此需要對(duì)糾錯(cuò)交織后的數(shù)據(jù)進(jìn)行并串轉(zhuǎn)換；

讀取原始載體音頻，如果是變換域隱藏算法，則需要對(duì)載體音頻進(jìn)行相應(yīng)的變換；

為了能夠?qū)﹄[藏信息進(jìn)行準(zhǔn)確的盲檢測(cè)，通常需要在信息嵌入之前，先在載體音頻中加入同步信號(hào)；

完成信息嵌入、音頻反變換，再將音頻數(shù)據(jù)傳輸給接收方。

在一些具體應(yīng)用環(huán)境中，可能因?yàn)樾畔㈦[藏的特殊性而使得模型會(huì)有所差異。

(2)解隱藏模型

典型的解隱藏模型如圖3所示，隱藏信息的提取步驟如下：

從發(fā)送方獲取攜密音頻，音頻可能以音頻文件或者是音頻流等形式出現(xiàn)；

如果信息隱藏是在變換域中進(jìn)行的，則需要對(duì)攜密音頻進(jìn)行相應(yīng)的變換；

獲取同步信息，為準(zhǔn)確提取隱藏信息做準(zhǔn)備。在許多應(yīng)用場(chǎng)合，這是極為關(guān)鍵的一步，它嚴(yán)重地影響著信息提取的正確性；

串并轉(zhuǎn)換，解糾錯(cuò)交織，解密，最后得到恢復(fù)后的隱藏信息。

在某些場(chǎng)合，由于考慮到接收端音頻的聽覺效果，還需要對(duì)音頻進(jìn)行去隱藏、濾波、音頻平滑等處理。

4 音頻信息隱藏分類

音頻信息隱藏的分類標(biāo)準(zhǔn)有很多，嵌入信息所采用的域是其中最為常用的一種。以嵌入信息所采用的域?yàn)橐罁?jù)，可將音頻信息隱藏劃分為時(shí)域音頻隱藏、頻域音頻隱藏、離散余弦變換(DCT)域音頻隱藏，小波(Wavelet)域音頻隱藏和壓縮域音頻隱藏等。

(1)時(shí)域隱藏

時(shí)域音頻信息隱藏選擇直接對(duì)音頻信號(hào)的幅度或者音頻文件結(jié)構(gòu)進(jìn)行處理，是較為簡(jiǎn)單的一類隱藏方法。它主要包括LSB及改進(jìn)LSB隱藏、回聲隱藏和音頻文件結(jié)構(gòu)隱藏等。

LSB隱藏是用待隱藏信息按一定的規(guī)律對(duì)音頻數(shù)據(jù)的最不重要位進(jìn)行替換的隱藏方法，其容量大，實(shí)現(xiàn)容易，但魯棒性相對(duì)比較差，甚至不能抵抗微弱噪聲的攻擊，抗檢測(cè)性也不強(qiáng)。

回聲隱藏在待隱藏信息在音頻信號(hào)上疊加一些微弱的回聲，然后通過對(duì)回聲的識(shí)別實(shí)現(xiàn)對(duì)信息進(jìn)行提取。其聽覺透明性較好，是一種不錯(cuò)的強(qiáng)魯棒性音頻信息隱藏方法。

音頻文件結(jié)構(gòu)隱藏是對(duì)音頻文件中一些并非必須的結(jié)構(gòu)段進(jìn)行操作，從而實(shí)現(xiàn)信息嵌入的一類隱藏方法。其實(shí)現(xiàn)簡(jiǎn)單，魯棒差，因此實(shí)際應(yīng)用價(jià)值并不高。

(2)頻域隱藏

頻域音頻信息隱藏是對(duì)音頻進(jìn)行離散傅立葉變換(DFT)變換，然后對(duì)音頻的頻域特征進(jìn)行處理以實(shí)現(xiàn)信息嵌入的一類方法，因此又稱為DFT域音頻信息隱藏。它主要包括頻域LSB隱藏、擴(kuò)頻隱藏、相位隱藏和頻帶分割隱藏等。

頻域LSB隱藏與時(shí)域LSB相似，具有操作簡(jiǎn)單，隱藏容量大，但魯棒性差等特點(diǎn)。

擴(kuò)頻隱藏借用了擴(kuò)頻通信思想，將待隱藏信息以偽噪聲的形式擴(kuò)散到整個(gè)音頻通帶上，因此透明性好，抗噪能力強(qiáng)，具有很高的實(shí)用價(jià)值，是頻域音頻信息隱藏算法中較為成功的一類。

相位隱藏算法充分利用人耳聽覺對(duì)絕對(duì)相位并不敏感這一特點(diǎn)，通過對(duì)相位的改變實(shí)現(xiàn)信息的嵌入。該類隱藏方法透明性好，但對(duì)噪聲的抵抗能力不甚理想。

頻帶分割隱藏將音頻載體的頻帶分割成無數(shù)個(gè)子帶，充分利用聽覺閾值和聽覺掩蔽效應(yīng)等人耳聽覺特性，在人耳聽覺不太敏感的子帶上進(jìn)行隱藏。這類方法隱藏容量大，聽覺透明性好，但頻域透明性較差。

(3)離散余弦變換域隱藏

DCT域隱藏是對(duì)音頻載體進(jìn)行DCT變換，然后對(duì)DCT系數(shù)進(jìn)行某些操作，從而完成信息嵌入的一類音頻信息隱藏方法。

該類隱藏方法最大的優(yōu)點(diǎn)是對(duì)模/數(shù)轉(zhuǎn)換(A/D)、數(shù)/模轉(zhuǎn)換(D/A)影響的抵抗能力非常強(qiáng)，有很高的實(shí)用價(jià)值，因此應(yīng)用極為廣泛。

DCT域LSB方法與上兩類LSB相似，具有相似的優(yōu)缺點(diǎn)。

DCT域相位隱藏對(duì)DCT相位進(jìn)行改動(dòng)，以實(shí)現(xiàn)信息的嵌入。該類隱藏方法與頻域相位隱藏相似，也具有很好的透明性。

DCT域上還有許多根據(jù)不同值域內(nèi)數(shù)量，不同頻段數(shù)據(jù)奇偶性等特征進(jìn)行信息嵌入的方法，都具有很好的透明性和魯棒性。

(4)小波域隱藏

Wavelet域隱藏方法是對(duì)音頻載體進(jìn)行Wavelet變換，然后對(duì)其系數(shù)進(jìn)行修改，以實(shí)現(xiàn)信息嵌入的一類隱藏方法。該類隱藏方法與DCT隱藏一樣，在抵抗A/D、D/A攻擊方面有著非常優(yōu)秀的表現(xiàn)。

Wavelet域LSB隱藏方法對(duì)Wavelet系數(shù)的最不重要位進(jìn)行替換。其實(shí)現(xiàn)方法與其他域的LSB隱藏相似。

Wavelet域能量比隱藏通過比較和修改不同Wavelet級(jí)上的能量，或是對(duì)同一Wavelet級(jí)上某一能量值范圍內(nèi)的系數(shù)數(shù)量、奇偶性等進(jìn)行修改，從而實(shí)現(xiàn)信息的嵌入。

Wavelet域上還有許多隱藏方法，都是針對(duì)Wavelet系數(shù)進(jìn)行某些操作以完成信息嵌入。這是目前研究較熱，應(yīng)用較多的一類隱藏方法。

(5)壓縮域隱藏

壓縮域隱藏方法是近年來才出現(xiàn)的一類隱藏方法。該類方法的主要目標(biāo)是將信息嵌入到壓縮算法的碼流或相關(guān)碼表中去，如MP3哈夫曼碼表，MIDI樂器碼表等。

這一類方法的透明性很好，但對(duì)音頻格式變換、信號(hào)處理等攻擊的抵抗能力不強(qiáng)。

5 結(jié)束語

音頻信息隱藏作為信息隱藏的一個(gè)重要分支，它主要涉及的域有時(shí)域、頻域、DCT域、Wavelet域、壓縮域等。其中，時(shí)域和頻域的嵌入方法相對(duì)容易實(shí)現(xiàn)，但魯棒性相對(duì)較差；而DCT域和Wavelet域方法透明性好，魯棒性也不錯(cuò)，尤其是在抵抗A/D、D/A攻擊時(shí)有著非常優(yōu)秀的表現(xiàn)，但其操作復(fù)雜，實(shí)現(xiàn)難度相對(duì)較高；壓縮域隱藏算法一般有較好的透明性，但魯棒性相對(duì)較差。

音頻信息隱藏技術(shù)發(fā)展到現(xiàn)在，音頻信息隱藏在許多場(chǎng)合取得了很好的應(yīng)用效果，也解決了不少實(shí)際的生活難題。然而，面對(duì)重錄音攻擊，尚且沒有一種很好的方法。大量的實(shí)驗(yàn)結(jié)果表明，解決這一難題的關(guān)鍵是精確同步信息的嵌入和強(qiáng)魯棒隱藏方法的研究。后一問題可以在DCT域或Wavelet域內(nèi)尋求解決途徑，而前一問題則還沒有太好的思路，還有大量的研究工作有待進(jìn)一步展開。

6 參考文獻(xiàn)

[1] JI Rongrong， YAO Hongxun， LIU Shaohui， et al. Genetic algorithm based optimal block mapping method for LSB substitution [C]//Proceedings of International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP’06)， Dec 18-20， 2006， Pasadena， CA， USA. Piscataway， NJ， USA:IEEE， 2006: 215-218.

[2] LIN C， PAN J S， SHIEH C S. A subsampling and PSK based watermarking scheme resisted the permutation attacking [C]//Proceedings of International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP’06)， Dec 18-20， 2006， Pasadena， CA， USA. Piscataway， NJ，USA: IEEE， 2006: 113-116.

[3] ZHANG L k， LIU S. Secret telephone technology based on information hiding and encryption [C]// Proceedings of International Conference on Information Acquisition (ICIA'06)， Aug 20-23， 2006， Jeju， Korea. Piscataway， NJ， USA: IEEE ，2006: 155-159.

[4] LI Ming， LEI Y， LIU J. A novel audio watermarking in wavelet domain [C]//Proceedings of International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP’06)， Dec 18-20， 2006， Pasadena， CA， USA. Piscataway， NJ，USA: IEEE， 2006: 27-32.

[5] CAI R， LU L， HANJALIC A. A flexible framework for key audio effects detection and auditory context inference [J]. IEEE Transactions on Audio， Speech and Language Processing， 2006， 3(14): 1026-1039.

[6] AIS O， NOUREDDINE E . A speech analysis technique based on temporal and frequency masking properties of the auditory system [C]//Proceedings of International Conference on Systems， Man and Cybernetics (SMC’02): Vol 6， Oct 6-9， 2002， Hammamet， Tunisia. Los Alamitos， CA， USA: IEEE Computer Society， 2002: 6-12.

[7] 諸揮明， 梁路光， 付妍. 人耳聽閾曲線的測(cè)定 [J]. 大學(xué)物理實(shí)驗(yàn)， 2006， 16(1): 43-46.

[8] BAUER B B， TORICK E L. Researches in loudness measurement [J]. IEEE Transactions on Audio and Electroacoustics， 1966， 3(14): 141-151.

[9] 周克蘭， 張玉華. 基于聽覺掩蔽效應(yīng)和小波變換的音頻水印 [J]. 微電子學(xué)與計(jì)算機(jī)，2005，22(3): 185-188.

[10] 賈駿， 王朔中， 張新鵬. 一種基于人耳聽覺特性的數(shù)字音頻水印方案 [J].西安電子科技大學(xué)學(xué)報(bào):自然科學(xué)版， 2004， 31(4): 652-655.

收稿日期：2007-07-30

作者簡(jiǎn)介：

袁開國(guó)，北京郵電大學(xué)信息工程學(xué)院在讀博士研究生，研究方向?yàn)樾畔㈦[藏與數(shù)字水印技術(shù)。已發(fā)表文章1篇，獲國(guó)家專利1項(xiàng)。

楊榆，北京郵電大學(xué)信息學(xué)院講師、博士，研究方向?yàn)樾畔㈦[藏、網(wǎng)絡(luò)安全與軟件無線電技術(shù)。

楊義先，北京郵電大學(xué)信息安全中心主任，長(zhǎng)期從事網(wǎng)絡(luò)與信息安全方面的教學(xué)、科研、成果轉(zhuǎn)化和企業(yè)孵化等工作。主要興趣領(lǐng)域包括現(xiàn)代密碼設(shè)計(jì)與分析、數(shù)字內(nèi)容與安全、網(wǎng)絡(luò)安全理論與技術(shù)、信息安全與應(yīng)用。現(xiàn)任北京郵電大學(xué)教授、博士導(dǎo)師、全國(guó)政協(xié)委員、長(zhǎng)江學(xué)者特聘教授。兼任中國(guó)密碼學(xué)會(huì)常務(wù)理事、中國(guó)電子學(xué)會(huì)常務(wù)理事、中國(guó)通信學(xué)會(huì)會(huì)士。