多媒體技術在物理空間安全領域的應用與發展

趙軍紅 張衛強 鄭明慧 張 萌 黃偉慶

1(中國科學院信息工程研究所 北京 100093)2(清華大學電子工程系 北京 100084)3 (中國航天系統科學與工程研究院 北京 100048)

?

多媒體技術在物理空間安全領域的應用與發展

趙軍紅1張衛強2鄭明慧3張 萌1黃偉慶1

1(中國科學院信息工程研究所 北京 100093)2(清華大學電子工程系 北京 100084)3(中國航天系統科學與工程研究院 北京 100048)

(zhaojunhong@iie.ac.cn)

聚焦于以各種多媒體形式為載體的信息處理技術在物理空間信息安全中的應用，闡述了語音、圖像和視頻相關的信息隱藏技術、數字水印技術、信息源識別技術以及多媒體取證技術等在安全領域的應用和發展現狀，并對各種多媒體處理技術在信息安全領域的交叉應用和發展趨勢進行了詳細討論.

多媒體信息安全；物理空間安全；信息隱藏；語音識別；多媒體取證

目前在全球范圍內信息技術迅猛發展，世界經濟和社會信息化不斷深入，網絡與信息系統的全局性和基礎性作用持續增強，對經濟社會發展的影響日益加深.與此同時信息安全問題日益突出，信息安全將在更廣范圍、更深程度上影響經濟發展、社會穩定、公共利益和國家安全，保障信息安全已然成為信息時代的重大戰略課題.

物理空間信息安全指的是信息空間所關聯的物理世界的安全.信息是對客觀世界實際存在的信號的綜合，將這些信號用傳感器進行采集，然后進行處理轉換為各種信息設備可以理解、存儲和處理的形式.物理空間信息安全不僅需要保證用于支撐計算機和網絡空間的信息傳輸、存儲及處理的物理通道的安全，更重要的是對在物理空間所采集的源信息進行內容層面的保護，以從根源上避免信息的泄漏與破壞.

近年來，隨著通信技術、網絡技術的日臻完善和各種多媒體設備的快速普及與發展，人們信息交流的形式發生了巨大的變化，由傳統通信形式逐步擴展到社交網絡、移動互聯網絡及物聯網等形式，信息交換的載體也由單一的電話語音和文本逐步發展為集語音、圖像和視頻等為一體的多媒體數據，成為目前信息的主要承載媒介.人們在隨心所欲地享受著多媒體化的數字新生活的同時，與之相關的各種安全問題也隨之而來，多媒體信息安全不僅關系到人們日常的生產和生活，也關系到國防建設、安全監控等國家重大戰略需求，逐漸成為信息安全領域研究的重點和難點.

常見的多媒體信息攻擊方式有中斷、截獲、篡改和偽造4種，如圖1所示.這些攻擊會使得多媒體數據的機密性、完整性、可用性、可控性和合法性遭到破壞.如何在這些海量多媒體數據流通的過程中基于多媒體數據的數據特點，依靠各種多媒體信息處理技術，如壓縮技術、加密技術、檢索檢測技術等，實現通信、網絡以及線下的多媒體信息的安全攻擊與防護技術、管理控制和安全認證，保證多媒體信息的采集、存儲、加工、傳輸、回放以及知識產權的安全性保護等.

本文分別從語音、圖像與視頻等方面討論多媒體信息在安全領域所涉及到的處理技術，詳細介紹這些技術的應用，最后展望不同多媒體形式的安全研究發展趨勢.

圖1 多媒體信息安全攻擊類型

1 語音技術在安全領域的應用

語音是日常生活中最普遍的交流方式，是人與人交流通信的最基本的載體形式.語音在為人們提供便捷的交流通道的同時，無線截聽、近場竊聽、接聽重錄等語音安全問題仍然給個人及集體的隱私保密工作帶來巨大的威脅.另外，隨著4G開始逐漸普及，3G已然成為主流的今天，有語音通信功能的軟件越來越多，語音短消息功能迅速得到普及.再加上網絡流量價格的相對低廉，語音在IP網絡上的傳播也成為一種流行趨勢，網絡語音數據量迅速膨脹.與此相關的語音傳輸安全、基于語音內容的信息安全管理控制問題也愈發凸顯.

近年來，語音技術得到了長足發展.其中，語音加密技術、語音信息隱藏技術等常用于語音的安全傳輸.語音的關鍵詞識別技術、水印及其認證技術等常用于網絡語音數據的安全傳播和管理控制.在保障近距離語音的安全上，聲音掩蔽技術得到廣泛應用，能使得保密會議室具有防止聲音泄漏的功能.除此之外，語音源識別技術是語音在信息安全領域應用最為廣泛的技術.語音源識別包括主動識別和被動識別2種方式，主動識別是主動用聲音觸發以識別通信設備型號及狀態，被動識別是根據已有語音識別其說話人、說話場景是否被編輯篡改等信息.下面我們對這些在安全領域廣泛應用的語音技術進行具體介紹.

1.1 語音傳輸安全

為了達到秘密信息安全傳輸的目的，傳統的方法是采用語音加密技術，將秘密語音轉換為無意義的亂碼.此外，也可以將各種多媒體作為載體，將秘密信息隱藏在多媒體信息中進行公開信道傳輸而不被人察覺，這種技術就是隱寫術.由于語音數據量大并含有較多的聽覺冗余，是信息隱藏常選用的載體形式之一.

語音信息隱藏的主要方法是對人耳聽覺不敏感的音頻參數進行修改，從而達到嵌入秘密信息的目的.根據物理聲學和聲學心里學的研究，聽覺閾值、聽覺掩蔽效應等聽覺特征等常被利用進行聽覺不敏感參數的確定.

語音信息隱藏的基本方法根據嵌入域的不同可大體分為2類：空域信息隱藏方法和變換域信息隱藏方法.空域信息隱藏主要方法有LSB(least significant bits)隱藏、回聲隱藏、相位編碼隱藏等；變換域信息隱藏主要方法有DFT域隱藏、DCT域隱藏、小波域隱藏及各種形式的壓縮域如MP3壓縮域隱藏等.在此基礎上，近年來信息隱藏的自適應方法也大量出現，如文獻[1]根據音頻載體存在的相關拓撲結構，設計了一種自適應的安全隱寫方案，使得隱寫載體具有較高的不可感知性和不可檢測性.

語音信息隱藏給秘密信息的傳遞提供了一條安全通道.由于需要對語音進行修改操作，因而會不同程度地影響語音質量，且修改后的語音往往對于信道失真、噪聲、干擾等比較敏感.因此，在進行語音傳輸安全的研究和應用上，需要在安全性能如實時性、嵌入容量、魯棒性、保密等級等方面和語音質量、設備成本等方面進行綜合考慮.

1.2 語音傳播管控

隨著語音數據呈現指數級的增長，對這些數據進行有效的安全傳播管理和控制成為迫切需求.

1.2.1 語音關鍵詞檢索技術

語音的關鍵詞檢索目標是從一句語音內容中檢測定位出一個或多個目標關鍵詞.該技術在安全領域有著廣泛的應用，比如國防監聽偵聽系統、涉密語音信息過濾等.

一般的關鍵詞檢測系統包括關鍵詞檢出和確認2個階段，檢出階段目標是從語音流中盡可能多地檢測出候選關鍵詞，隨后在確認階段對這些候選關鍵詞進行置信評估.常見的系統框架包括具有高實時性的基于垃圾模型的方法[2]和可以充分利用語言模型信息的大規模連續語音識別(LVCSR)方法[3].后者由于能突破限定語音的局限而成為目前關鍵詞領域的研究熱點.LVCSR關鍵詞檢測方法的核心是大詞匯量連續語音識別解碼器的構建[4]，典型的解碼器包括基于加權有限狀態轉換器(WFST)的靜態網絡解碼器[5]和基于發音前綴樹(PPT)的動態網絡解碼器[6].

在關鍵詞檢測中，關鍵詞的檢測精度和檢測速度之間相互制約.隨著深度神經網絡技術在語音中的成功應用，目前的關鍵詞檢測技術的檢測準確率在逐漸上升.清華大學單煜翔[4]在增加解碼器的速度上做了大量的工作.在不同的應用場合下，應根據語音質量、實時性要求、詞表更新方式等選擇不同的關鍵詞檢測框架.

1.2.2 音頻水印技術

數字水印的目的是在多媒體作品中通過隱藏標識信息以驗證和確認多媒體內容.是為解決數字媒體產品的版權問題及真實性而衍生出的一個新的研究方向.

水印技術與隱寫技術的目的都是信息隱藏，但是兩者的應用場景不同，對性能的要求也不同.隱寫技術主要是保護嵌入到載體中的秘密信息，注重的是嵌入信息的隱秘性和不可察覺性，同時要求具有較大通信容量.而水印技術主要用于保護載體本身.

水印主要分為魯棒性水印和脆弱性水印.魯棒性水印主要通過嵌入所有者或購買者信息進行版權標識、追蹤等，要求水印具有抵御常見編輯處理、壓縮和惡意攻擊的能力.脆弱水印則要求媒體內容改變時，水印也相應地發生改變以能夠提示宿主內容改變的情況，即要有一定的敏感性，主要用于數據完整性認證.

音頻水印常見的方法有擴頻水印[7-8]、時域水印[9]、變換域水印[10]、基于聲掩蔽的方法[11]和基于量化的方法[12]等.

1.3 聲音防護技術

在保密會議室中[13]，由于門、窗等造成的聲音泄漏，往往使得竊密者可以在邊界處直接人耳竊聽，或者采用定向話筒、振動竊聽器等專業設備進行竊聽.此外，我們在進行語音交流時，往往完全暴露在周圍的環境當中，造成個人的私密信息大量泄漏.

在這些場合中，往往采用噪聲干擾、語音干擾技術等對聲音進行防護.噪聲干擾往往所需功率較大而容易暴露，且對語音降噪和語音增強處理抵抗力較弱.針對噪聲干擾效果不理想的問題，在文獻[14]中，提出了加入自適應預測的語音相關干擾，使得干擾效果得到改善.

另外，還可以基于聲音掩蔽特性針對近端目標語音合成掩蔽聲，然后疊加到近端目標語音上將其掩蔽掉，使得周圍的人或設備識別不出目標語音的內容.如在文獻[15]中，利用近端講話者自身的部分語音通過時間反轉變換生成掩蔽信號，從而實現了保護近端講話者私密信息安全性的目的.在保密會議室中，門、窗等是保密防護的薄弱環節，而且由于這些建筑部件的特殊性，僅從材料、結構等方面進行隔聲改進很難取得滿意的效果，聲掩蔽技術就能起到很好的聲音防泄漏作用.利用聲掩蔽技術對門、窗的縫隙處泄漏出的聲音進行空氣聲掩蔽或振動聲掩蔽，使竊聽者無法辨認出泄漏信息的內容，從而可以提高保密會議室的保密性能.

1.4 語音源信息識別

語音信號包含了大量的信息，除語音所表述的內容外還包含有說話人信息、說話的場景信息、說話人的情緒(是否異常)，通信語音中還包含有通信設備的信息等.對這些信息的識別我們歸納為語音源識別.這些信息的安全監測與認證技術在安全部門調查取證、金融交易、電子偵聽、智慧城市等領域都有廣泛應用.語音源識別技術包括說話人識別、音頻場景識別技術[16]、異常聲音檢測技術等.識別過程一般包括特征提取和模式識別2個階段.

其中說話人識別技術是用來對說話人的身份信息進行識別的技術，是語音源識別技術中比較成熟且應用最為廣泛的技術[17].根據應用環境不同分為說話人辨認(speaker identification)和說話人確認(speaker verification).說話人辨認是識別出在多位說話人中待測語音的說話人究竟是哪一位，而說話人確認是判斷該語音的說話人是否是待檢測的目標說話人.說話人識別常用特征有線性預測倒譜系數(PLP)和Mel倒譜系數，典型的分類方法如GMM-SVM方法.

隨著說話人識別技術在金融交易、犯罪調查、醫學等領域得到廣泛應用，對說話人識別技術進行攻擊的說話人偽裝技術也在相應進步，使得說話人識別的應用遭遇了很大的挑戰[18].說話人偽裝可以通過真實變聲、語音重錄、語音合成和轉換等多種方法實現，偽裝后的聲音與原聲非常相像，難于區分.如何使得說話人識別系統具有抵抗說話人偽裝攻擊的功能是未來說話人技術研究的重點和難點.

2 圖像與視頻技術在安全領域的應用

視覺感知在人類感知中占據了重要的角色.據統計，人類在接收外界信息時，聽覺獲得的信息只占20%，而視覺獲得的信息占60%.圖像是最基本的視覺呈現方式，圖像在時間軸上的連續播放形成視頻，兩者具有本質上的一致性.圖像與視頻具有信息量大、信息表達直觀的特點.圖像與視頻的加密技術、數據隱藏技術以及數字水印技術等保證了其在傳輸和傳播中的安全性，圖像與視頻的識別技術能夠對其承載的內容進行分析理解，從而實現秘密信息的過濾、篩選和維護.圖像匹配和認證技術能夠對偽造圖像進行檢測，用于公安機關進行破案和取證.

2.1 圖像與視頻的傳輸與傳播安全

與語音相似，圖像技術在信息安全方面涉及的首要問題是其傳輸與傳播安全.傳輸安全主要涉及圖像的加密與信息隱藏技術.在傳播安全方面，目前的傳播主要基于互聯網的單播和多播方式，其中基于多播的應用如視頻會議、視頻點播的版權保護及信息安全是當前一個新的研究方向.在多媒體傳播中，典型的如在機密視頻會議中，通過技術手段保證多播框架下的每一個參會者對視頻內容的安全傳播，就需要對圖像與視頻的水印技術進行研究[19].

除傳統的圖像加密技術外，近年來可視化加密技術(visual cryptography)的研究逐漸增多[20].可視化加密的主要特點是將秘密信息分布在幾張圖片上，解密時不需要任何復雜的計算，只依靠人的視覺就能將秘密圖像恢復出來.分布的若干張圖片可以是無意義或者有意義的，其中有意義的圖片更具有混淆性.

視頻的隱寫常針對不同的視頻編解碼標準進行，比較前沿的如針對H.264AVC編解碼標準的信息隱藏方法等[21].隱藏信息可以在編碼前的原始域進行嵌入，或者在編碼過程中的壓縮域嵌入，也可以在壓縮后的碼流域中進行嵌入.隱寫分析是隱寫技術的對抗技術，目標是針對隱藏信息進行檢測、提取、破壞或者混淆.有些隱寫分析技術只針對特定的隱寫算法，而有的則為通用算法.根據不同的技術特點，可以分為基于統計特征的分析和基于標識特征的分析2類算法.基于統計特征的分析常提取隱寫過程中造成的數據整體統計分布的變化特征進行隱寫分析，而基于標識特征的分析則是利用隱寫工具在載密對象中留下的某些固有標識信息進行分析.

2.2 圖像與視頻的識別技術

圖像與視頻的識別是對其內容進行分析和理解的過程.在信息安全領域，圖像識別的目標可以是出現在圖像或視頻中的敏感字、敏感物體、敏感人臉、敏感場景等.在海量圖像數據中，圖像識別技術能自動篩選出含有秘密信息的數據，是保證多媒體數據安全的支撐技術.

圖像識別前端首先要對圖像進行預處理，分割并提取其中的關注區域.然后對這些區域進行特征提取和模式分類.圖像的特征提取一般要保證區分性和對圖像的大小、位移以及旋轉的不變性，常用特征如Hu矩、Zernike矩等像素統計特征，邊緣、紋理特征以及變換系數特征等.常用模式分類方法如條件隨機場模型(CRF)、集成學習方法等.

視頻識別應用比較廣泛的如對視頻復雜場景中的中文字體進行識別.另外，對一些特殊內容，如恐怖視頻、暴力視頻等的識別研究也越來越多.與單幅圖像相比，視頻存在更多的時間關聯性和空間變化特性，利用這些特性能對視頻的內容分析理解提供很大幫助.

2.3 圖像與視頻的取證技術

隨著各種圖像和視頻編輯軟件的盛行以及大量新穎高效的圖像與視頻編輯技術的出現[22-24]，對圖像和視頻的篡改門檻越來越低.一般的偽造方法有數據來源信息篡改、復制剪切粘貼、拼接合成操作以及邊緣模糊、涂抹等，經過這些操作往往使得篡改后的圖像與真實圖像相比并無二致，人眼很難分辨.惡意的虛假圖像傳播在當今的網絡時代往往會帶來較大的社會恐慌和惡劣影響.因此，當前形勢下圖像與視頻的取證和辨偽成為一個亟待解決的社會問題.

數字媒體的取證就是對媒體數據進行來源(相機、手機型號等)辨識與篡改檢測，可分為主動取證和被動取證2種方式.主動取證是在圖像和視頻尚未傳播之前先提取或添加相關信息，以備將來認證時所用.主動取證技術主要有2種：以脆弱數字水印為基礎的篡改檢測技術和以哈希、數字摘要為代表的認證技術.

被動取證又被稱為盲取證，是在沒有任何先驗防護處理的情況下，對圖像或視頻進行真偽辨識和來源檢測.由于很難得到待檢測數據的先驗信息，被動取證的技術難度很大，成為近年來認證技術研究的熱點和挑戰.對于不同的篡改操作，取證過程往往采用不同的技術.比如，對于基本的復制粘貼操作，往往使用圖像匹配方法，對2個或多個相似度較高的區域進行定位[25].目前，尚未出現一種能針對所有編輯操作都行之有效的檢測取證的統一框架.

3 多媒體技術在物理空間信息安全領域的發展趨勢

本文以上內容討論了語音、圖像、視頻3種多媒體形式在物理空間信息安全領域的發展現狀及其應用.主要涉及到的技術包括數據加密、信息隱藏、數據源識別以及取證技術.接下來我們進一步對多媒體信息在物理空間信息安全領域的發展趨勢進行討論，主要分為各種多媒體形式自身在信息安全領域的發展、各種多媒體形式之間的相互交叉在信息安全領域的應用拓展，以及多媒體與光、電磁等其他信息載體之間的交叉應用3個方面分別討論.

3.1 各種多媒體形式在信息安全領域的發展

在傳輸與傳播安全方面，數據隱藏技術是近年來比較新的一個研究課題，在圖像方面率先取得一定進展，在音頻和視頻方面的研究相對比較薄弱，是今后發展的重點和難點.

在源識別方面，語音的源識別是近年來比較熱門的研究課題，隨著深度神經網絡的發展與成功應用，語音識別技術取得了很大進展.同樣地，圖像和視頻字體識別、人臉識別、物體識別等的技術也正在大數據驅動和深度學習方法的促進下快速發展.

近年來，多媒體取證技術的應用需求越來越多，公安部門和檢查機關的調查取證工作越來越依賴于多媒體技術的幫助，而被動盲取證技術的需求占了主要部分，是今后發展的重點和難點.

3.2 不同多媒體形式的交叉結合

除了各種多媒體形式自身技術的發展外，不同多媒體形式之間的交叉研究及應用是今后發展的一個新的趨勢.不同多媒體形式的交叉結合會對信息安全的發展空間起到拓寬增強作用.典型的，如在文獻[26]中，Davis等人開發了可視麥克風(visual microophone)系統，用高速攝像機對由聲波引起物體的震動進行錄制(如圖2所示)，并對視頻中物體的微小震動信號進行提取和分析，最終恢復出聲音(如圖3所示)，從而取代激光等專業設備，實現僅用攝像機等常見多媒體設備對室內語音的竊取.

圖2 可視麥克風系統流程[26]

圖3 可視麥克風的數據采集場景[26]

該系統是視頻處理技術和音頻處理技術相結合而產生的信息安全領域新應用的典型，不僅能提升多媒體安全攻擊的應用范圍和性能，也能對傳統的信息安全防護策略起到推動作用.具體地，既然物體的微小震動能使得信息發生泄漏，我們在采取信息安全保護措施，如構建保密會議室時，就要對一些結構材料的震動性能進行評估.另外，在視頻數據中也要對這些肉眼不可見的隱含信息進行干擾消除等，使得秘密信息的安全得以保證.

不同多媒體形式的交叉能夠實現新的信息安全攻防策略，使得多媒體信息的攻防更加具有靈活性和魯棒性.

3.3 多媒體與光、電磁等其他信息載體的交叉結合

常見的信息載體形式除了語音、圖像、視頻信號之外，還有電磁信號、光信號等.在信息安全研究及應用中，多媒體處理技術與電磁信號和光信號處理技術的交叉結合一方面體現在系統的前端，另一方面也體現在后端信號處理方法上的共同點和通用性上.例如，在預防電磁泄漏方面，往往可以利用人眼對快速切換的視頻幀的視覺平均效應，在系統前端將秘密信息進行圖像的加噪拆分處理，使得電磁泄漏信息不能被復原[27].

另外，電腦等電磁設備的電磁泄漏信號往往能被偵查系統捕捉和重構，以圖像或視頻的形式復原出來，這些復原信號由于受到環境噪聲或信道衰退的影響往往視覺效果很弱，這時就需要利用多媒體技術對圖像或視頻中的截獲信息(文字等)進行增強[28], 丁雪潔等人在這方面做了大量工作，增強前后的對比結果如圖4所示，可以看出增強后的文字信息取得了更好的可視性.

圖4 電磁泄漏重構信號的增強

在后端信號處理上，以源識別為例，語音和電磁輻射信號都能進行手機源檢測[29-31]，利用不同手機輸出的聲音或者電磁輻射信號的差異進行手機型號等信息的判斷.兩者都要對輸出信號進行特征提取和后端模式分類，有非常相似的處理過程，可以相互借鑒，進行交叉研究.

4 結 論

多媒體處理技術目前已經在物理空間信息安全保護與監控方面得到了廣泛的應用.其不僅在語音、圖像和視頻等傳統的信息安全領域承擔著重要的角色，更隨著物聯網技術推動下物理空間與信息空間不斷融合的趨勢，呈現出與聲、光、電磁等物理世界的多源異構信號的交叉結合的新方向.未來，多媒體技術將在以上方面進一步結合深度學習方法等相關技術的研究，在信息安全領域發揮更加關鍵的作用.

[1]Ding Xuejie, Huang Weiqing, Zhang Meng, et al. A topography sturcture used in audio steganography[C]Proc of the 41st IEEE Int Conf on Acoustics Speech and Siganl Processing. Piscataway, NJ: IEEE, 2016

[2]鄭方. 連續無限制語音流中關鍵詞識別方法研究[D]. 北京: 清華大學, 1997

[3]Weintraub M. LVCSR log-likelihood ratio scoring for keyword spotting[C]Proc of the IEEE Int Conf on Acoustics, Speech and Signal Processing. Piscataway, NJ: IEEE, 1995: 297-300

[4]單煜翔. 高效大詞匯量連續語音識別解碼算法研究與工程化實現[D]. 北京: 清華大學, 2012

[5]Mohri M, Pereira F C N, Riley M. Speech recognition with weighted finite-state transducers[M]Handbook on Speech Processing and Speech Communication, Speech recognition, Part E. Berlin: Springer, 2008

[6]Young S, Evermann G, Gales M, et al. The HTK Book, 3.4[M]. London: Cambridge University Engineering Department, 2009

[7]Cox I J, Kilian J, Leighton F T, et al. Secure spread spectrum watermarking for multimedia[J]. IEEE Trans on Image Processing, 1997, 6(12): 1673-1687

[8]Alkhraisat H. Digital watermarking of MP3 file using psychoacoustic auditory model and FH SSMF SK[C]Proc of the IEEE Int Conf on Advances in Human-Oriented NAD Personalized Mechanisms, Technologies, and Services. Piscataway, NJ: IEEE, 2010: 77-82

[9]Bassia P, Pitas L, Nikolaidis N. Robust audio watermarking in the time domain[J]. IEEE Trans on Multimedia, 2001, 3(2): 232-241

[10]Ravula R, Rai S. A robust audio watermarking algorithm based on statistical charecteristics and DWT+DCT transforms[C]Proc of the Int Conf on Wireless Communications, Networking and Mobile Computing. Stevenage, UK: IET, 2010: 1-4

[11]Swanson M D, Zhu B, Tewfik A H, et al. Robust audio watermarking using perceptual masking[J]. Signal Processing, 1998, 66(3): 337-355

[12]Wu C P, Kuo C C J. Fragile speech watermarking based on exponential scale quantization for tamper detection[C]Proc of the IEEE Int Conf on Acoustics, Speech and Signalprocessing (ICASSP). Piscataway, NJ: IEEE, 2002: 3305-3308

[13]苗春衛, 王思葉, 馮維淼. 保密會議室聲音防護技術研究[J]. 保密科學技術, 2011, 5: 26-30

[14]張雨, 陳瑩瑩, 高勇. 基于自適應預測技術的語音相關干擾[C]促進中西部發展聲學學術交流會議論文集. 上海: 聲學技術雜志編輯部, 2008

[15]王國營. 語音掩蔽系統的研究[D]. 北京: 北京交通大學, 2014

[16]Mmalik H. Acoustic environment identification and its applications to audio forensics[J]. IEEE Trans on Information Forensics and Security, 2013, 8(11): 1827-1837

[17]Zhang Weiqiang, Zhao Junhong, Zhang Wenlin, et al. Multi-scale kernels for short utterance speaker recognition[C]Proc of the Chinese Spoken Language Processing (ISCSLP). Piscataway, NJ: IEEE, 2014: 414-417

[18]Wu Z Z, Evans N, Kinnunen T, et al. Spoofing and countermeasures for speaker veryfication: A survey[J]. Speech Communication, London: Elsevier, 2015, 66: 130-153

[19]Podilchuk C I, Zeng Wenjun. Image-adaptive watermarking using visual models[J]. IEEE Journal on Selected Areas in Communications, 1998, 16(4): 525-539

[20]Liu Bin, Martin R R, Hu Shimin. Structure aware visual cryptography[J]. Proceeding of Computer Graphics Forum, 2014, 33(7): 141-150

[22]Zhang Fanglue, Wang Jue, Shechtman E, et al. PlenoPatch: Patch-based plenoptic image manipulation[J]. IEEE Trans on Visualization and Computer Graphics (TVCG), 2016, 99

[23]Zhang Fanglue, Cheng Mingming, Jia Jiaya, et al. Image admixture: Putting together dissimilar objects from groups[J]. IEEE Trans on Visualization and Computer Graphics (TVCG), 2012, 18(11): 1849-1857

[24]Zhang Fanglue, Wang Jue, Zhao Han, et al. Simultaneous camera path optimization and distraction removal for improving amateur video[J]. IEEE Trans on Image Processing, 2015, 25(12): 5982-5994

[25]Christlein V, Riess C, Jordan J, et al. An evaluation of popular copy-move forgery detection approaches[J]. IEEE Trans on Information Forensics and Security, 2012, 7(6): 1842-1853

[26]Davis A, Rubinstein M, Wadhwa N, et al. The visual microphone: Passvie recovery of sound from video[J]. ACM Trans on Graphics, 2014, 33(4): 79-89

[27]Watanabe T, Nagayoshi H, Urano T, et al. Countermeasure for electromagnetic screen image leakage based on color mixing in human brain[C]Proc of the IEEE Int Symp on Electromagnetic Compatibility. Piscataway, NJ: IEEE, 2010: 138-142

[28]Ding Xuejie, Zhang Meng, Shi Jun, et al. A novel post-processing method to improve the ability of reconstruction for video leaking signal[C]Proc of the 17th IEEE Int Conf on Information and Communications Security (ICICS 2015). Piscataway, NJ: IEEE, 2015

[29]Panagakis Y, Kotropoulos C. Automatic telephone handset identification by sparse representation of random spectral features[C]Proc of the Multimedia and Security. New York: ACM, 2012: 91-96

[30]Hanilci C, Ertas F, Ertas T, et al. Recognition of brand and models of cell-phones from recorded speech signals[J]. IEEE Trans on Information Forensics and Security, 2012, 7(2): 625-634

[31]徐艷云, 張萌. 從“棱鏡門”事件看電磁信息安全[J]. 保密科學技術, 2013, 7: 19-21

趙軍紅

博士，助理研究員，主要研究方向為語音識別、機器學習、多媒體信息安全.

zhaojunhong@iie.ac.cn

張衛強

博士，副研究員，主要研究方向為語音與音頻信號處理(語種識別、說話人識別、關鍵詞檢索、連續語音識別、固定音頻檢索等)、數字信號處理、機器學習等.

wqzhang@tsinghua.edu.cn

鄭明慧

碩士，工程師，主要研究方向為系統可靠性分析與管控.

13811535681@163.com

張 萌碩士，工程師，主要研究方向為電磁安全.

zhangmeng@iie.ac.cn

黃偉慶

碩士，研究員，博士生導師，主要研究方向為電磁安全(電磁泄漏發射檢測與信息還原、紅黑信號識別)、信號處理、虛擬化安全等.

huangweiqing@iie.ac.cn

Development and Applications of Multimedia Technology in Physical Space Security

Zhao Junhong1, Zhang Weiqiang2, Zheng Minghui3, Zhang Meng1, and Huang Weiqing1

1(InstituteofInformationEngineering,ChineseAcademyofSciences,Beijing100093)2(DepartmentofElectronicEngineering,TsinghuaUniversity,Beijing100084)3(ChinaAcademyofAerospaceSystemsScienceandEngineering,Beijing100048)

This paper focuses on the applications of multimedia information processing technology in the field of physical space security．In this article, the development of speech, image and video information hiding technology, digital watermarking technology, information source identification technology and the multimedia forensics technology are introduced in detail. And the intercrossed applications and development trends of multimedia technologies in information security areas.

multimedia security; physical space security; information hiding; speech recognition; multimedia forensics

2016-01-15

中國科學院信息工程研究所“優秀青年人才”專項基金項目(1104008004);國家青年自然基金項目(61501458)

張萌(zhangmeng@iie.ac.cn)

TP309.1