高效的線性預(yù)測語音編碼信息隱藏方法

劉 鵬，李松斌＋，戴瓊興，鄧浩江

（1.中國科學(xué)院聲學(xué)研究所南海研究站，海南?？?70105；2.中國科學(xué)院聲學(xué)研究所國家網(wǎng)絡(luò)新媒體工程技術(shù)研究中心，北京100190）

0 引 言

網(wǎng)絡(luò)語音流具有實時、大容量等特征，是進(jìn)行信息隱藏的潛在優(yōu)質(zhì)載體。由于當(dāng)前眾多的VoIP（voice over internet protocol）常用語音編碼器，如G.729、G.723.1等，都采用了線性預(yù)測編碼（linear predictive coding，LPC）技術(shù)，因此基于LPC的信息隱藏方法具有較大應(yīng)用價值。

近年來，研究者們在VoIP通信語音流中進(jìn)行信息隱藏方面做了許多嘗試。文獻(xiàn)［1，2］給出了在G.729壓縮語音流中進(jìn)行最低有效位（least significant bit，LSB）替換的隱寫方法；文獻(xiàn)［3－5］給出了G.723.1壓縮語音流中的LSB替換方法；文獻(xiàn)［6］給出了針對G.711壓縮語音流的LSB替換方法；文獻(xiàn)［7］給出了在混合激勵線性預(yù)測編碼多級矢量量化過程中使用量化索引調(diào)制（quantization index modulation，QIM）進(jìn)行隱寫的方法；文獻(xiàn)［8］給出了一種基于基音周期的隱寫方法；文獻(xiàn)［9］給出了一種在LPC過程中利用QIM進(jìn)行隱寫的方法。

LSB替換方法需要對不同的壓縮標(biāo)準(zhǔn)進(jìn)行具體分析，通用性較差。由于并不是所有壓縮算法都具有基音周期或多級矢量量化過程，因此文獻(xiàn)［7，8］中的算法通用性也不強(qiáng)。文獻(xiàn)［9］中將LPC過程與QIM結(jié)合是一種較好的選擇。但如果對LPC碼字的改變次數(shù)過多，碼字分布統(tǒng)計特征的變化很容易被察覺。

本文將給出一種聯(lián)合矩陣編碼與QIM的線性預(yù)測語音編碼信息隱藏方法，稱為MQCL（ME－QIM－Chaos based on LPC）方法。該方法通過提高信息嵌入效率達(dá)到減小失真、提高隱蔽性的目的。

1 MQCL方法介紹

1.1 MQCL方法概述

由于線性預(yù)測語音編碼是以幀為單位進(jìn)行的且編碼時均包含LPC過程，因此語音碼流可以看作一個LPC濾波器序列，如圖1所示。

圖1 語音碼流的LPC視圖

矩陣A代表了使用QIM進(jìn)行嵌入時的所有可嵌入位置，即信息隱藏空間。由于嵌入的秘密信息長度是有限的，通常只需要用到部分載體幀。于是嵌入時存在對載體幀的選擇，這種選擇會導(dǎo)致不同的安全等級。

定義1 假設(shè)某種隱寫算法b被檢測算法d檢測出存在隱寫的概率是c，則該隱寫算法的安全等級L可以表示為

安全等級代表了信息隱藏算法的安全程度，安全等級越高則隱寫本身就越難以被發(fā)現(xiàn)。假設(shè)嵌入時挑選i幀作為載體幀，則隱寫嵌入率可以表示為R＝i/n。由于嵌入率和安全等級通常滿足關(guān)系R∝1/Lb，d。因此為了達(dá)到不同的安全等級，只需要對嵌入率R進(jìn)行調(diào)整。嵌入率確定后，需要對嵌入位置即載體幀進(jìn)行選擇。此時，如果采用固定的或易推測的選擇算法，則檢測者可以只針對嵌入位置進(jìn)行檢測，從而變相提高了嵌入率降低了安全等級。為此，本文將結(jié)合混沌理論對嵌入位置進(jìn)行抽取，任何不知道密鑰的第三方均不可能知道實際嵌入位置。

MQCL方法嵌入過程如下:

（1）根據(jù)所需安全等級選擇合適的嵌入率。

（2）對矩陣A進(jìn)行分塊，每個子塊為（p×m）階矩陣，其中p為預(yù)先設(shè)定值。于是可以得到分塊矩陣A＝［A1A2…Aj］T。

（3）根據(jù)所需嵌入率結(jié)合混沌理論從每個塊區(qū)中抽取i幀進(jìn)行嵌入，根據(jù)p和嵌入率生成密鑰K。于是可以得到待嵌入矩陣

（4）對B進(jìn)行分塊，每個子塊為（q×m）階矩陣，其中q為預(yù)先設(shè)定值。于是可得B＝［B1B2…Bt］T。其中，每個子塊即為MQCL方法中的最小嵌入單元，記為C。其獲取過程如圖2所示。

圖2 最小嵌入單元的獲取過程

（5）結(jié)合混沌理論利用密鑰K進(jìn)行塊區(qū)內(nèi)嵌入位置選擇，本文共設(shè)計了8種嵌入模版。確定嵌入模版后，可以得到一個或多個待嵌入序列（c1，c2，…，cr），每個序列均含有若干個嵌入位置。

（6）針對每個待嵌入序列結(jié)合矩陣編碼和QIM方法進(jìn)行信息隱藏，并根據(jù)實際需要增加前向糾錯編碼。

MQCL方法提取過程如下:

（1）根據(jù)密鑰K得到p、載體幀位置和塊內(nèi)嵌入模版。

（2）將載體幀攜帶的QIM信息記錄下來，根據(jù)塊內(nèi)選擇模版及q值得到待提取序列。

（3）根據(jù)前向糾錯編碼信息對秘密信息進(jìn)行差錯恢復(fù)，并通過矩陣編碼的解碼操作得到最終的秘密信息。

1.2 結(jié)合混沌理論進(jìn)行嵌入位置及模版選擇

混沌是一種確定系統(tǒng)中出現(xiàn)的偽隨機(jī)無規(guī)則的運(yùn)動，具有以下特性:

（1）偽隨機(jī)性:混沌系統(tǒng)的輸出受混沌軌道不規(guī)則性及系統(tǒng)局部伸縮的影響，呈現(xiàn)出類似隨機(jī)噪聲的偽隨機(jī)性。

（2）遍歷性:在有限區(qū)域內(nèi)，混沌軌道上的點可以任意接近，這使得對初始條件的預(yù)測變得非常困難。

（3）發(fā)散性:相平面上任意接近的兩點隨著過程的進(jìn)行都會指數(shù)性發(fā)散。

可見，混沌系統(tǒng)是一種天然的密碼系統(tǒng)。本文將結(jié)合混沌理論進(jìn)行嵌入位置及嵌入模版的選擇。

Logistic映射是一類非常簡單的動力系統(tǒng)，其定義為xk＋1＝μxk（1－xk），0＜xk＋1＜1。當(dāng)μ滿足一定條件時，通過logistic映射可以產(chǎn)生非周期不收斂的混沌序列。本文將以logistic為例，對嵌入位置及模版選取過程進(jìn)行介紹。

對混沌序列進(jìn)行0－1量化后可得到序列y，序列y即可作為嵌入位置及嵌入模版的選擇依據(jù)。序列y因只和初值x0以及μ的取值有關(guān)，因此可以將（μ，x0）作為密鑰使用。圖3顯示的是當(dāng)μ＝3.96，x0＝0.100000001或x0＝0.100000002時，兩個logistic序列的差值?？梢钥闯?，開始的若干次迭代中兩者的差值較小，隨著迭代次數(shù)的增加兩者差值呈現(xiàn)出了無規(guī)律的變化特征。為了獲得更好的安全性，我們規(guī)定MQCL算法中l(wèi)ogistic序列的取值從第31個開始。

圖3 初值的微小變化對logistic序列值得影響

MQCL方法中使用logistic映射進(jìn)行嵌入位置及嵌入模版選擇的具體過程如下:

（1）根據(jù)不同的p值確定logistic映射初值x0。x0和p滿足x0＝p/N，其中N為大于p的整數(shù)，可以自由設(shè)定。

（2）根據(jù)所需嵌入率選取適當(dāng)?shù)摩讨禎M足3.5699456≤μ≤4，于是可以得到密鑰（μ，x0）。

（3）首先根據(jù)密鑰產(chǎn)生對應(yīng)的y序列，然后將序列中（y34，y35，…，yp＋30）作為位置選擇序列即可得到待嵌入矩陣B。然后根據(jù)預(yù)先設(shè)定的q值即可得到最小嵌入單元。

（4）從最小嵌入單元C中抽取待嵌入序列（c1，c2，…，cr）的方法有多種，本文規(guī)定了8種待嵌入序列的抽取模版如圖4所示。利用y序列中（y31，y32，y33）三位進(jìn)行選擇，（0，0，0）～（1，1，1）分別對應(yīng)0～7這8種模版。圖4中黑點表示抽取時的起始位置。

經(jīng)以上步驟，我們便可得到待嵌入序列（c1，c2，…，cr）。例如，當(dāng)q＝7，m＝3時

圖4 塊內(nèi)待嵌入序列的8種嵌入模版

于是，我們依據(jù)圖4中的8種嵌入模版可以得到此時與每個嵌入模版所對應(yīng)的待嵌入序列，見表1。

表1 嵌入模版及對應(yīng)待嵌入序列

1.3 結(jié)合矩陣編碼和QIM算法進(jìn)行信息隱藏

本節(jié)將針對待嵌入序列c給出一種聯(lián)合矩陣編碼和QIM算法的信息隱藏方法，簡稱MQL（ME－QIM on LPC）方法。

假設(shè)c＝（c1，c2，…，cn），秘密消息序列u＝（u1，u2，…，uk），其中n和k為序列長度。假設(shè)生成矩陣為H＝［h1h2…h(huán)n］，其中hn表示為［h1，nh2，n…h(huán)k，n］T。則使用矩陣運(yùn)算進(jìn)行信息隱藏的一般辦法可以概括如下:

（1）求解

（2）令d＝s⊕uT，其中d為k維列矢量。如果d＝0，則s＝c，此時待嵌入序列c不需要做任何改變。如果d≠0，則需要對c中數(shù)據(jù)進(jìn)行修改使d＝0。

假設(shè)此時c中最多需要修改δ位，則該算法特點可以表述為在n比特中最多修改δ位即可嵌入k比特秘密信息。通過對生成矩陣H的選取，可以根據(jù)需要對δ的值進(jìn)行設(shè)定。當(dāng)H為單位矩陣時，s＝cT，δ＝k，此時矩陣運(yùn)算沒有對嵌入效率產(chǎn)生任何貢獻(xiàn)；當(dāng)n＝2k－1且mod2時，δ＝1，此時矩陣運(yùn)算對嵌入效率的貢獻(xiàn)達(dá)到最大。本文思想即通過將矩陣運(yùn)算和QIM嵌入方法結(jié)合，從而最大限度的提高嵌入效率。

MQL算法嵌入過程如下:

（2）求得生成矩陣

（3）根據(jù)式（5）求解s并由d＝s⊕uT求得d。假設(shè)d＝［d1d2…dj…dk］T，1≤j≤k，則

（4）為使d中所有元素均為0，只需根據(jù)

（5）利用QIM方法對cm對應(yīng)的碼字進(jìn)行修改。

MQL算法解析時，只需要對混沌算法步驟的輸出序列c進(jìn)行以下計算即可獲得秘密信息u＝（u1，u2，…，uk）

為了分析MQL方法的性能，我們將其與文獻(xiàn)［9］中的LPC－QIM方法進(jìn)行了比較。為此，我們首先定義一些用于衡量矢量替換的參數(shù)。

定義2 變化率D（n，k）表示在n個可修改矢量中嵌入k比特秘密信息時，每個矢量被修改的平均概率。假設(shè)Echange為嵌入過程中對矢量修改次數(shù)的數(shù)學(xué)期望，則D（n，k）可由下式求得

它反映了嵌入過程對宿主信息的影響程度。D（n，k）的值越小，嵌入對宿主造成的影響就越小，嵌入過程就越難以被發(fā)現(xiàn)。例如，當(dāng)D（n，k）＝0時，嵌入過程對宿主信息沒有造成任何影響，此時隱寫絕對安全。于是我們可求得兩種方法的變化率為

定義3 平均每個待嵌入矢量中嵌入的數(shù)據(jù)量稱為數(shù)據(jù)嵌入率R（n，k），可由下式求得

它反映了宿主對秘密信息的承載能力。根據(jù)R（n，δ）的計算公式我們可以計算兩種方法的數(shù)據(jù)嵌入率

定義4 嵌入效率E（k）表示每次矢量替換所能嵌入的秘密信息比特數(shù)。

在矩陣編碼過程中k為大于1的整數(shù)，所以由式（12）、式（13）及E（k）的定義可得

由此可知，MQL方法變化率小于LPC－QIM方法，這說明MQL方法對載體的影響更?。籑QL方法的嵌入效率高于LPC－QIM方法，且前者是后者的k倍。

2 結(jié)果與討論

實驗從語音質(zhì)量和檢測準(zhǔn)確率兩方面進(jìn)行，通過比較MQCL方法與LPC－QIM方法［9］的實驗結(jié)果，對MQCL方法實際效果進(jìn)行分析。

2.1 實驗樣本介紹

本文選擇不同發(fā)音人的多個語音片段組成語音樣本庫。所用語音片段樣本包含4個種類，分別是中文男聲（Chinese speech man，CSM）:包含498個語音片段、中文女聲（Chinese speech woman，CSW）:包含498個語音片段、英文男聲（English speech man，ESM）:包含500個語音片段、英文女聲（English speech woman，ESW）:包含499個語音片段，語音片段總計1995個。每個語音片段的時長為10秒，采樣率為8000 HZ，對每個采樣點用16比特進(jìn)行量化，用PCM格式存儲。

實驗中選取了G.729和G.723.1這兩種語音編碼進(jìn)行信息嵌入，其基本參數(shù)見表2。

表2 兩種語音編碼基本參數(shù)

實驗前首先針對每組樣本及每種編碼類型生成嵌入率分別為20%、40%、60%、80%和100%的掩密文件。其中MQCL方法采用模版0進(jìn)行嵌入。使用MQCL方法進(jìn)行嵌入時，每幀最多可以嵌入2bit秘密信息，而使用LPCQIM方法時，每幀最多可以嵌入3bit秘密信息。為了保證數(shù)據(jù)嵌入率相等，本實驗中使用LPC－QIM嵌入時，在每幀的3個可嵌入位置中隨機(jī)挑選兩個進(jìn)行嵌入。經(jīng)過以上處理，我們共得到80組語音數(shù)據(jù)。

2.2 語音質(zhì)量分析

為了解MQCL方法對載體語音質(zhì)量的影響，本文隨機(jī)挑選了4組語音文件并對其隱寫前后的時域幅度譜進(jìn)行了比較。采用G.729、G.723.1編碼時的時域幅度譜分別如圖5和圖6所示。其中，隱寫前后語音文件的幅度譜分別用灰色和黑色表示，嵌入率均為100%。從圖中可以看出，即使在嵌入率為100%時，MQCL方法對載體語音文件的影響依然非常小。

圖5 采用G.729編碼時的時域幅度譜

圖6 采用G.723.1編碼時的時域幅度譜

為了更加客觀地評價MQCL方法對載體語音質(zhì)量的影響，本文將對語音文件進(jìn)行主觀平均意見分（mean opinion score，MOS）評測。MOS為我們提供了一種評價語音質(zhì)量的量化指標(biāo)，其評分范圍為1到5分，1分代表最低語音質(zhì)量，5分代表最高語音質(zhì)量。本實驗采用ITU－T提供的自動MOS評分軟件進(jìn)行測試。為了比較MQCL方法與LPCQIM對載體語音質(zhì)量的影響，本文對使用兩種方法進(jìn)行嵌入后的語音文件進(jìn)行了MOS評測。為了便于觀察，我們以LPC－QIM方法的測試數(shù)據(jù)為基準(zhǔn)計算采用MQCL方法時的MOS變化率，結(jié)果見表3和表4。

從表3中可以看出，相較于LPC－QIM方法，采用MQCL方法進(jìn)行信息嵌入時，20組數(shù)據(jù)中共有19組數(shù)據(jù)的MOS值出現(xiàn)了提高。這說明MQCL方法的嵌入過程對載體語音質(zhì)量的影響更小。從表4中可以看出，20組數(shù)據(jù)中13組數(shù)據(jù)的MOS評分出現(xiàn)了提高但不如表3中明顯。

表3 采用G.729編碼時的MOS變化率

表4 采用G.723.1編碼時的MOS變化率

這是因為MQCL優(yōu)于LPC－QIM方法的本質(zhì)原因是嵌入效率更高，嵌入過程中對系數(shù)修改次數(shù)的數(shù)學(xué)期望更小，因此幀數(shù)越多這種優(yōu)勢就越明顯，幀數(shù)過少時改動次數(shù)差別不明顯。

由以上分析可知，采用MQCL方法進(jìn)行信息隱藏時對載體語音質(zhì)量的影響更小。

2.3 隱蔽性分析

為了比較MQCL方法與LPC－QIM方法的隱蔽性，本文利用差分梅爾倒譜隱寫檢測方法［10］對兩種方法進(jìn)行了檢測。圖7為采用G.729編碼時的檢測準(zhǔn)確率，從圖7中可以看出MQCL方法被檢測出的概率明顯低于LPC－QIM方法。

圖7 采用G.729編碼時的檢測準(zhǔn)確率

采用G.723.1編碼時的檢測準(zhǔn)確率結(jié)果如圖8所示。從圖8中可以看出當(dāng)嵌入率較低時檢測結(jié)果大多集中在50%附近，這是因為使用G.723.1編碼后生成幀數(shù)相對較少，嵌入率較低時會導(dǎo)致嵌入過程中對系數(shù)改動次數(shù)過少，致使隱寫檢測方法無法對其有效檢測。當(dāng)嵌入率較高時，從圖8中可以看出LPC－QIM被檢測出的概率明顯增加，高于MQCL方法。

圖8 采用G.723.1編碼時的檢測準(zhǔn)確率

由以上分析可知，使用MQCL方法進(jìn)行信息隱藏時，被檢測出的概率更低，表明該方法具有更好的隱蔽性。

3 結(jié)束語

本文針對LPC過程提出了一種具有普適性的信息隱藏方法——MQCL方法。該方法通過結(jié)合矩陣編碼和QIM方法提高信息嵌入效率達(dá)到減小失真、提高隱蔽性的目的。MQCL方法的嵌入效率是現(xiàn)有LPC－QIM方法的k（k＞1）倍。此外，該方法還引入了可調(diào)安全等級的概念，結(jié)合混沌理論對嵌入位置及嵌入模版進(jìn)行選擇，從而進(jìn)一步提高隱寫的隱蔽性。實驗結(jié)果表明，采用MQCL方法進(jìn)行信息嵌入后語音質(zhì)量和檢測準(zhǔn)確率均優(yōu)于采用LPC－QIM方法的結(jié)果。

［1］Tian Hui，Zhou Ke，Jiang Hong，et al.An M－sequence based steganography model for voice over IP［C］//IEEE International Conference on Proceedings of the Communications，2009:1－5.

［2］Liu Lihua，Li Mingyu，Li Qiong，et al.Perceptually transparent information hiding in G.729 bitstream［C］//International Conference on Proceedings of the Intelligent Information Hiding and Multimedia Signal Processing，2008:406－409.

［3］Liu Jin，Zhou Ke，Tian Hui.Least－significant－digit steganography in low bitrate speech［C］//IEEE International Conference on Proceedings of the Communications，2012:1133－1137.

［4］Xu Tingting，Yang Zhen.Simple and effective speech steganography in G.723.1 low－rate codes［C］//International Conference on Proceedings of the Wireless Communications ＆Signal Processing，2009:1－4.

［5］Huang Yongfeng，Tang Shanyu，Yuan Jian.Steganography in inactive frames of VoIP streams encoded by source codec［J］.IEEE Transactions on Information Forensics and Security，2011，6（2）:296－306.

［6］Ito A，Abe S，Suzuki Y.Information hiding for G.711 speech based on substitution of least significant bits and estimation of tolerable distortion［C］//IEEE International Conference on Proceedings of the Acoustics，Speech and Signal Processing，2009:1409－1412.

［7］Yargicloglu A U，Ilk H G.Hidden data transmission in mixed excitation linear prediction coded speech using quantisation index modulation［J］.Information Security，2010，4（3）:158－166.

［8］Huang Yongfeng，Liu Chenghao，Tang Shanyu，et al.Steganography integration into a low－bit rate speech codec［J］.IEEE Transactions on Information Forensics and Security，2012，7（6）:1865－1875.

［9］Xiao Bo，Huang Yongfeng，Tang Shanyu.An approach to information hiding in low bit－rate speech stream［C］//Proceedings of the Global Telecommunications Conference.IEEE，2008:1－5.

［10］Liu Qingzhong，Sung A H，Qiao Mengyu.Temporal derivative－based spectrum and mel－cepstrum audio steganalysis［J］.IEEE Transactions on Information Forensics and Security，2009，4（3）:359－368.