一種基于差分進化的魯棒音頻隱寫算法

蘇兆品，沈朝勇，張國富，岳峰,2，胡東輝

一種基于差分進化的魯棒音頻隱寫算法

蘇兆品1,2,3，沈朝勇1，張國富1,2,3，岳峰1,2，胡東輝1,2,3

（1. 合肥工業大學計算機與信息學院，安徽 合肥 230601；2. 合肥工業大學工業安全應急技術安徽省重點實驗室，安徽 合肥 230601；3. 合肥工業大學智能互聯系統安徽省實驗室，安徽 合肥 230009）

音頻隱寫是將秘密信息隱藏到音頻載體中，已成為信息隱藏領域的一個研究熱點。已有研究大多聚焦最小化隱寫失真，卻以犧牲隱寫容量為代價，且往往被一些常規信號攻擊后難以正確提取秘密信息。為此，基于擴頻技術，首先，分析了隱寫參數（分段隱寫強度和分段隱寫容量）與不可感知性和魯棒性的關系，并構建了一種以分段隱寫強度、分段隱寫容量為自變量，以不可感知性和隱寫容量為優化目標，以信噪比為約束條件的音頻隱寫多目標優化模型；然后，提出了一種基于差分進化的魯棒音頻隱寫算法，設計了相應的編碼、適應度函數、交叉和變異算子。對比實驗結果表明，所提隱寫算法能夠在保證不可感知性和抗隱寫分析能力的前提下達到更好的魯棒性，可以有效抵御一些常規信號處理攻擊。

音頻隱寫；隱寫參數；差分進化；魯棒性

1 引言

隱寫術是利用人的感知冗余和數字載體的統計冗余，將秘密信息隱藏于公開載體之中而不損壞載體的質量，以“隱匿秘密和通信存在”的方式實現秘密信息的傳遞[1]。與圖像隱寫[2]不同，在辨別微小失真方面，人的聽覺系統要比視覺系統敏感得多。因此，音頻隱寫顯得異常困難，發展較為緩慢[3]。

已有音頻隱寫方法大多利用人類聽覺系統的掩蔽效應，在音頻信號的時域或頻域進行隱寫。常見的有最低有效位（least significant bit，LSB）、相位編碼和變換域等。例如，鄒明光等[4]首先比較音頻每個采樣點分組中振幅值之間的關系，然后基于振幅值修改實現秘密信息的寫入。Liu等[5]根據加權能量自適應的選擇宿主音頻的小波包子帶來嵌入秘密信息。Ahani等[6]利用離散小波變換（discrete wavelet transformation，DWT）和稀疏分解將秘密信息嵌入信號的更高語義層。Meligy等[7]基于提升小波變換系數修改和LSB對秘密信息進行嵌入。吳秋玲等[8]通過調節DWT的中高頻系數來隱藏秘密信息。Kanhe和Aghila[9]利用語音信號的發聲部分，通過離散余弦變換（discrete cosine transform，DCT）和奇異值分解（singular value decomposition，SVD）的級聯實現隱寫。Bharti等[10]在嵌入之前對秘密音頻的幅度位進行函數轉換，然后將轉換后的幅度嵌入載體音頻的幅度中，將秘密音頻信號嵌入載體音頻的LSB。Ali等[11]基于分形編碼和混沌LSB將秘密音頻嵌入具有相同大小的封面音頻中。張雪垣等[12-13]基于雙層校驗格碼（syndrome-trellis codes，STC）提出一種音頻分段隱寫方法，通過對音頻LSB載體流進行分段切割，利用最佳子校驗矩陣嵌入秘密信息。

需要指出的是，上述已有工作大多只考慮如何使隱寫失真達到最小化，犧牲了隱寫容量，且忽略了魯棒性。隱寫是為了在不被發覺的情況下傳輸秘密信息，在很多網絡音頻應用中，發送者上傳的隱寫后的攜密音頻文件很可能會經過常規信號處理或有損轉碼、濾波、加噪等操作。而且，如果網絡攻擊者高度懷疑音頻文件中包含秘密信息，但利用隱寫分析器又檢測失敗，這時很可能采取“得不到就毀掉”極端措施，對音頻文件進行改動、信號處理技術的加工或環境噪聲攻擊等。而已有工作，特別是基于壓縮域的音頻隱寫，很難適應上述的信號處理和有損轉碼等情形，從而可能導致接收者無法從攜密音頻中正確提取出秘密信息，造成信息傳遞的失敗。可見，音頻隱寫的魯棒性也是實現秘密信息安全傳遞的一個重要指標，尤其是在商業機密等領域，理應受到足夠的重視。

基于上述背景，本文基于擴頻（spread spectrum，SS）[14]通信技術，通過分析隱寫強度、隱寫容量與不可感知性、魯棒性之間的關系構建了一種音頻隱寫多目標優化模型，然后基于差分進化（differential evolution，DE）[15]進行求解，提出一種魯棒音頻隱寫算法，最后通過實驗驗證了所提隱寫算法的有效性。

2 基于擴頻的音頻隱寫優化模型

2.1 基于擴頻的音頻隱寫方案

已有研究表明，基于SS的信息寫入方案通常具有較好的魯棒性[14]，但通常是直接對整個音頻分段后進行信息寫入，而沒有考慮靜音段和有聲段對信息寫入的影響不同，無法發揮音頻載體隱寫的最大性能。為了綜合考慮魯棒性和不可感知性，本文采用如圖1所示的音頻隱寫方案，只在音頻的有聲段進行隱寫。

2.2 隱寫參數與不可感知性和魯棒性之間的關系

圖1 基于SS的音頻隱寫方案

表1 常規信號處理攻擊方式

表2 測試音頻

魯棒性與隱寫參數的關系如圖3所示，當隱寫容量固定時，魯棒性會隨著隱寫強度增加而逐漸增加；當隱寫強度固定時，魯棒性隨著隱寫容量增加基本保持平穩。但從總體看，MBER值波動平緩，驗證了基于SS的音頻隱寫方案本身就具有很好的魯棒性。

圖2 不可感知性與隱寫參數的關系

2.3 音頻隱寫優化模型的構建

圖3 MBER與隱寫參數的關系

3 基于DE的魯棒音頻隱寫算法

3.1 個體編碼與初始化

圖4 個體編碼結構

3.2 適應度值計算

3.3 變異操作

變異操作采用DE/rand/1/bin方式[18]：

為了避免算法的早熟和進化后期較優解易被破壞，本文選擇文獻[19]的自適應變異算子：

3.4 交叉操作

3.5 邊界處理

3.6 選擇操作

3.7 算法描述

本文提出的基于DE的魯棒音頻隱寫算法流程如圖5所示，具體步驟如下。

圖5 基于DE的魯棒音頻隱寫算法流程

步驟3 根據適應度值計算方法計算初始種群中每個個體的適應度值。

步驟4 對初始種群進行變異和交叉操作組成進化種群。按照邊界處理方法對進化種群中的每個個體進行邊界檢查和處理。

步驟5 根據適應度值計算方法計算進化種群中每個個體的適應度值。

步驟6 對初始種群和進化種群進行選擇操作，生成新的初始種群。

步驟7 如果已達最大迭代次數，則結束算法，輸出種群中的最優個體；否則，轉步驟4繼續進化。

4 實驗結果和分析

為了驗證本文基于DE的魯棒音頻隱寫算法（后稱DE算法）的有效性，將DE算法與文獻[12-13]提出的分段STC方法（簡稱STC）和文獻[6,8]提出的DWT方法進行對比實驗。測試音頻數據集為50條采樣率為48 kHz、分辨率為16 bit/s、長度為55 s的wav格式音頻。為了直觀地展示對比方法的效果，秘密信息采用64×64的二值圖像，根據載體本身的特性，重復進行隱寫。

所有對比方法的代碼均基于MATLAB編寫，并均在AMD Ryzen CPU 3.59 GHz、16 GB內存、Windows 10操作系統的個人計算機上進行測試。

4.1 魯棒性測試

3種不同方法在測試數據集上的MBER結果如圖6所示，STC方法的MBER值最大為0.43，最小為0.38，平均值在0.4左右，DWT方法的MBER值最大為0.33，最小為22，平均值在0.28左右，而本文DE算法的MBER值最低為0.02，最高為0.29，平均在0.14左右，明顯低于STC方法和DWT方法。上述實驗結果表明，在無攻擊環境下，本文DE算法的誤碼率要更低。

圖6 不同方法在測試數據集上的MBER結果

為進一步對比3種方法的抗攻擊能力，隨機選取了test17和test47兩條音頻，將二值圖像完全寫入音頻，對隱寫后的音頻進行表1所示的8種常規攻擊。表3和表4給出了這兩條音頻在每種攻擊之后提取秘密信息與原始密信之間的BER。可以看出，本文DE算法在MP3壓縮、重量化、幅值修改、重采樣和中值濾波后的誤碼率幾乎接近于0；在經加高斯白噪聲和低通濾波后的誤碼率在0.1左右。STC方法只有在裁剪攻擊下誤碼率約為0.04，在其他7種情況下均很難恢復出秘密信息。DWT方法在幅值修改、重采樣、加高斯白噪聲和裁剪后的誤碼率在0.15左右，在其他4種情況下也很難恢復出秘密信息。可能的原因是，本文測試音頻相對較長，對20 ms經過DWT變換之后，高頻系數的前半部分能量或后半部分能量可能會為0，即使在無攻擊情況下也會出現提取錯誤。上述實驗結果表明，在常規信號處理攻擊環境下，本文DE算法的誤碼率更低，可以提取出全部或者大部分秘密信息。

表3 test17在8種攻擊下的BER

表4 test47在8種攻擊下的BER

綜上，本文DE算法所給隱寫方案的魯棒性更強，即使在被信號處理攻擊后也能保持較低的誤碼率。

4.2 不可感知性測試

為進一步量化分析不同方法的不可感知性，3種方法在測試數據集上的SNR和ODG值如圖7所示，STC的不可感知性最好，DWT的不可感知性最差，本文DE算法不可感知性居中。這是因為，在優化目標上，STC只追求失真度最小，而DWT同時考慮SNR和BER，本文DE算法兼顧隱寫容量和ODG。具體來說，本文DE算法在50條測試音頻的SNR值均大于20 dB；除了test17，其余測試音頻的ODG值均大于?2，人耳已經很難感知載體音頻的細微變化。上述實驗結果表明，本文DE算法給出的隱寫方案保持了很好的不可感知性。此外，test17的VAD結果如圖8所示，在第37 s和40 s之間，分割出的3個有聲段長度過小，且包含了靜音段，導致此段的ODG的值較低。基于這一發現，未來可以考慮不在時長過短的有聲段中嵌入秘密信息，以確保更好的不可感知性。

4.3 抗隱寫分析性能測試

采用文獻[20]的卷積神經網絡通用隱寫分析器檢測DE、STC和DWT 3種隱寫方法的抗隱寫分析能力。首先，從開源平臺“喜馬拉雅”下載采樣率為48 kHz、分辨率為16 bit/s的wav格式音頻，利用CoolEdit將其切分為每條時長55 s、共1 300條語音文件；然后，分別利用DE、STC和DWT對其進行隱寫，得到各自的1 300條載密音頻；并分別用1 300條含密語音與1 300條原始音頻訓練隱寫分析器；最后，利用訓練好的隱寫分析器檢測前面實驗采用的50條測試音頻和對應的50條含密音頻。

圖7 不同方法的不可感知性測試結果

圖8 音頻test 17的VAD結果

當隱寫分析器同時檢測出原始音頻和對應的隱寫音頻時，認為檢測正確。3種方法的隱寫分析檢測結果見表5，本文DE算法可以檢測出10組，正確率為20%；STC方法檢測出11組，正確率為22%；DWT方法檢測出9組，正確率為18%。上述實驗結果表明，本文DE算法在抗隱寫分析性能上與STC和DWT方法不相上下。

表5 隱寫分析檢測結果

5 結束語

音頻隱寫是信息隱藏領域中的一個研究熱點，主要致力于將秘密信息寫入音頻信號，同時在魯棒性、不可感知性、隱寫容量和抗隱寫分析性能之間達到一個理想的均衡。為此，本文基于擴頻技術研究音頻隱寫，通過分析隱寫參數與不可感知性和魯棒性的關系，構建了一種音頻隱寫多目標優化模型，并基于DE算法進行求解，設計了相應的編碼和初始化方法，變異、交叉、選擇和邊界處理方法。實驗結果表明，本文所提隱寫算法在保持不可感知性和抗隱寫分析能力的基礎上，具有更好的魯棒性，可以有效抵御一些常規信號處理的攻擊。

但是，本文只是對基于搜索的音頻隱寫的一個初步探索，未來仍有許多問題需要進一步的深入研究。首先，需要在目標函數中考慮抗檢測性，以期進一步提升隱寫方案的抗隱寫分析能力；其次，需要基于VAD分辨出時長過短的有聲段，以避免在這些有聲段進行隱寫造成的過度失真；此外，還將考慮基于多目標DE算法求解音頻隱寫模型，以期在隱寫容量、魯棒性、不可感知性和抗檢測性之間達到一個理想的均衡。

[1] 李鳳華, 李暉, 賈焰, 等. 隱私計算研究范疇及發展趨勢[J]. 通信學報, 2016, 37(4): 1-11.

LI F H, LI H, JIA Y, et al. Privacy computing: concept, connotation and its research trend[J]. Journal on Communications, 2016, 37(4): 1-11

[2] 孫樹亮. 基于非下采樣Contourlet變換和Hill編碼的圖像隱寫[J]. 電信科學, 2016, 32(6): 124-128.

SUN S L. Image steganography based on nonsubsampled Contourlet transform and Hill cipher[J]. Telecommunications Science, 2016, 32(6): 124-128.

[3] DUTTA H, DAS R K, NANDI S, et al. An overview of digital audio steganography[J]. IETE Technical Review, 2020, 37(6): 632-650.

[4] 鄒明光, 李芝棠. 基于振幅值修改的wav音頻隱寫算法[J]. 通信學報, 2014(z1): 36-40.

ZOU M G, LI Z T. Wav-audio steganography algorithm based on amplitude modifying [J]. Journal on Communications, 2014(z1): 36-40.

[5] LIU H L, LIU J J, HU R G, et al. Adaptive audio steganography scheme based on wavelet packet energy[C]//2017 IEEE 3rd international conference on big data security on cloud (bigdatasecurity), IEEE international conference on high performance and smart computing (hpsc), and IEEE international conference on intelligent data and security (ids). Piscataway: IEEE Press, 2017: 26-31.

[6] AHANI S, GHAEMMAGHAMI S, WANG Z J. A sparse representation-based wavelet domain speech steganography method[J]. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2015, 23(1): 80-91.

[7] MELIGY A M, NASEF M M, EID F T. An efficient method to audio steganography based on modification of least significant bit technique using random keys[J]. International Journal of Computer Network and Information Security, 2015, 7(7): 24-29.

[8] 吳秋玲, 吳蒙. 基于小波變換的語音信息隱藏新方法[J]. 電子與信息學報, 2016, 38(4): 834-840.

WU Q L, WU M. Novel audio information hiding algorithm based on wavelet transform[J]. Journal of Electronics & Information Technology, 2016, 38(4): 834-840.

[9] KANHE A, AGHILA G. A DCT-SVD-based speech steganography in voiced frames[J]. Circuits, Systems, and Signal Processing, 2018, 37(11): 5049-5068.

[10] BHARTI S S, GUPTA M, AGARWAL S. A novel approach for audio steganography by processing of amplitudes and signs of secret audio separately[J]. Multimedia Tools and Applications, 2019, 78(16): 23179-23201.

[11] ALI A H, GEORGE L E, ZAIDAN A, et al. High capacity, transparent and secure audio steganography model based on fractal coding and chaotic map in temporal domain[J]. Multimedia Tools and Applications, 2018, 77(23): 31487-31516.

[12] 張雪垣, 王讓定, 嚴迪群, 等. 基于分段STC的音頻隱寫算法[J]. 電信科學, 2019, 35(7): 115-123.

ZHANG X Y, WANG R D, YAN D Q, et al. An audio steganography algorithm based on segment-STC[J]. Telecommunications Science, 2019, 35(7): 115-123.

[13] ZHANG X Y, WANG R D, YAN D Q, et al. Selecting optimal submatrix for syndrome-trellis codes (STCs)-based steganography with segmentation[J]. IEEE Access, 2020, 8: 61754-61766.

[14] SU Z P, ZHANG G F, YUE F, et al. SNR-constrained heuristics for optimizing the scaling parameter of robust audio watermarking[J]. IEEE Transactions on Multimedia, 2018, 20(10): 2631-2644.

[15] STORN R, PRICE K. Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces[J]. Journal of Global Optimization, 1997, 11(4): 341-359.

[16] CHANG J H, KIM N S, MITRA S K. Voice activity detection based on multiple statistical models[J]. IEEE Transactions on Signal Processing, 2006, 54(6): 1965-1976.

[17] LEI B Y, SOON I Y, TAN E L. Robust SVD-based audio watermarking scheme with differential evolution optimization[J]. IEEE Transactions on Audio, Speech, and Language Processing, 2013, 21(11): 2368-2378.

[18] DAS S, SUGANTHAN P N. Differential evolution: a survey of the state-of-the-art[J]. IEEE Transactions on Evolutionary Computation, 2011, 15(1): 4-31.

[19] YANG Z Y, TANG K, YAO X. Self-adaptive differential evolution with neighborhood search[C]//2008 IEEE Congress on Evolutionary Computation (IEEE World Congress on Computational Intelligence). Piscataway: IEEE Press, 2008: 1110-1116.

[20] JIANG S Z, YE D P, HUANG J Q, et al. SmartSteganogaphy: Light-weight generative audio steganography model for smart embedding application[J]. Journal of Network and Computer Applications, 2020, 165: 102689.

A robust audio steganography algorithm based on differential evolution

SU Zhaopin1,2,3, SHEN Chaoyong1, ZHANG Guofu1,2,3, YUE Feng1,2,, HU Donghui1,2,3

1. School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230601, China 2. Anhui Province Key Laboratory of Industry Safety and Emergency Technology (Hefei University of Technology),Hefei 230601, China 3. Intelligent Interconnected Systems Laboratory of Anhui Province (Hefei University of Technology), Hefei 230009, China

Audio steganography is to hide secret information into the audio carrier and has become a research hotspot in the field of information hiding. Most of the existing studies focus on minimizing distortion at the expense of steganography capacity, and it is often difficult for them to extract secret information correctly after some common signal processing attacks. Therefore, based on the spread spectrum technology, firstly, the relationship between steganography parameters (i.e., segmented scaling parameters and steganography capacity) and imperceptibility as well as robustness was analyzed. Next, a multi-objective optimization model of audio steganography was presented, in which segmented scaling parameters and steganography capacity were decision variables, imperceptibility and steganography capacity were optimization objectives, and the signal-to-noise ratio was a constraint. Then, a robust audio steganography algorithm based on differential evolution was proposed, including the corresponding encoding, fitness function, crossover and mutation operators. Finally, comparative experimental results show that the proposed steganography algorithm can achieve better robustness against common signal processing attacks on the premise of ensuring imperceptibility and anti-detection.

audio steganography, steganography parameters, differential evolution, robustness

TP309.2

A

10.11959/j.issn.1000?0801.2021246

蘇兆品（1983? ），女，博士，合肥工業大學副教授，主要研究方向為語音安全、進化算法。

沈朝勇（1996? ），男，合肥工業大學碩士生，主要研究方向為音頻隱寫、進化算法。

張國富（1979? ），男，博士，合肥工業大學教授，主要研究方向為語音安全、軟件工程。

岳峰（1981? ），男，博士，合肥工業大學副研究員，主要研究方向為軟件工程、信息安全。

胡東輝（1973? ），男，博士，合肥工業大學教授，主要研究方向為信息安全、機器學習。

s: The Anhui Provincial Key Research and Development Program (No.202004d07020011, N0.202104d07020001), MOE (Ministry of Education in China) Project of Humanities and Social Sciences (No.19YJC870021), Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation (No.GBL202117), Fundamental Research Funds for the Central Universities (No.PA2020GDKC0015, No.A2021GDSK0073, No.PA2021GDSK0074)

2021?05?24；

2021?10?14

安徽省重點研究與開發計劃（No.202004d07020011，No.202104d07020001）；教育部人文社會科學研究青年基金項目（No.19YJC870021）；廣東省類腦智能計算重點實驗室開放課題（No.GBL202117）；中央高校基本科研業務費專項資金項目（No.PA2020GDKC0015，No.PA2021GDSK0073，No.PA2021GDSK0074）